八大数据分析模型之——用户模型(一)

运营 作者:诸葛io 2018-03-14 02:15:29
诸葛君说:模型是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式。任何模型都有三个部分组成:目标、变量和关系。明确变量,改变变量,即可直接呈现结果,实现目标。在日常的数据分析中,我们常用的有8大模型(用户模型、事件模型、漏斗分析模型、热图分析模型、自定义留存分析模型、粘性分析模型、全行为路径分析模型、用户分群模型),从今天起,我们每周二解读一个模型,本文先从用户模型说起。 一、什么是用户模型? 先用3句话来说明为什么用户模型是基础的分析模型,重要到要第一个来分析:因为如果你不知道自己的用户是谁,就不知道该提供什么服务;不清楚用户与你“交往”到哪个阶段了,就不可能知道优先提供什么样的服务;营销战略无法聚焦,服务没有系统性和持续性,因此,我们先从定义开始,科普下什么是用户模型以及传统方式如何构建用户模型。 用户模型(Persona)是Alan Cooper在《About Face:交互设计精髓》一书中提到的研究用户的系统化方法。它是产品经理、交互设计师了解用户目标和需求、与开发团队及相关人交流、避免设计陷阱的重要工具。 传统的用户模型构建方式: Alan Cooper提出了两种构建用户模型的方法: -用户模型:基于对用户的访谈和观察等研究结果建立,严谨可靠但费时; -临时用户模型:基于行业专家或市场调查数据对用户的理解建立,快速但容易有偏颇。 1、基于访谈和观察的构建用户模型(正统方法) 在Alan Cooper的方法中,对用户的访谈和观察是构建用户模型的重要基础。完整步骤如下: 2、构建临时用户模型(ad hoc persona) 在缺乏时间、资源不能做对用户的访谈和观察时,可以基于行业专家对用户的理解、或市场研究中获得的人口统计数据,建立「临时用户模型」。 「临时用户模型」的构建过程与「用户模型」的构建过程很像,只是「用户模型」的数据基础来自对真实用户的访谈和观察,「临时用户模型」则来自对用户的理解。二者的准确度和精度都有差别。 二、基于行为数据构建用户模型 距离Alan Cooper首次提出用户模型(Persona)概念已过去近20年,在这期间,软件产品开发的过程方法以及公司的运作方式都发生了很大改变:以快速迭代为特点的敏捷开发方法取代了传统的瀑布模型,以「开发→测量→认知」反馈循环为核心的精益创业方法在逐步影响和改变公司的运作方式。 而传统的用户模型构建方法,从诞生之日起并未发生特别大的变化。对于已经习惯了敏捷、快速的产品经理和交互设计师来说,如果花很长时间去研究用户构建用户模型需要下相当大的决心、更需要下很大力气才能争取到所需的时间和资源,而且互联网产品冷启动耗费的时间越来越短,为了降低成本和风险,产品团队在启动期往往会选择尽快将产品推向用户,尽快获得反馈以「快速试错」,现实和压力迫使大多数新产品的PM不敢投入大量时间精力深入的进行用户研究。 这就很容易理解,为什么大家都觉得用户模型很好,却鲜有人在工作中真正运用它。为了解决时间紧迫与精力不足的矛盾,我们提出了一种基于用户行为数据的快速、迭代构建用户模型的轻量方法。 首先,整理和收集已经获得的任何可认知用户的经验和数据,包括:您和所在团队对用户的理解;产品的业务数据库中记录的用户相关信息(比如用户的性别、年龄、等级等属性),用户(在产品内外)填写的任何表单或留下来的信息(比如用户填写的调查问卷、留下的微信账号等)。 我们将这些信息映射成为用户的描述信息(属性)或用户的行为信息,并存储起来形成用户档案(如下图所示)。 诸葛io新零售DEMO之用户档案(虚拟数据) 如上图所示,从用户档案中我们可以清楚的了解到用户的属性信息、行为数据、环境数据。 三、基于行为数据构建用户模型的优势 1、高效实时 洞察先机 在数据世界里,准确性就是一切,速度更是至关重要,分析系统处理和解释这些信息的速度越快,就能更快地且清晰掌握业务状况,帮助企业更早的做出决策判断,比如我们的客户——某共享单车,正是因为发现了实时数据指标中的异常波动:次日留存用户数出现了“断崖式”下跌,经紧急调查发现是竞争对手在低价拉新,因此,运营团队第一时间采取积极应对,从而保住了该城市的市场占有率。同样的,市场变幻风起云涌,运营人、决策者都需要实时关注自身数据的波动,因为失败往往都来自一个微小的疏忽。 2、记录历史而不只是结果 行为即标签,过去我们常常通过给用户打标签的方式进行用户洞察。事实上,行为数据本身已变得越来越有价值,基于用户行为数据的用户模型,记录了每个用户的每一次行为,客观真实的还原了用户与产品的交互过程,与单纯的标记“用户标签”相比,记录下来的用户行为数据更具有多维交叉分析的价值,构建出来的单个用户画像更完整科学。 3、360°覆盖用户全生命周期的用户档案 基于用户行为数据的用户模型是实时动态变化的,随着用户在产品中的成长,从访客到陌生人最后成为高价值用户,用户的每一步成长都通过行为记录下来,基于用户所在生命周期的不同阶段,针对新用户、流失用户、活跃用户、沉默用户分别采取有针对性的拉新、转化、留存等运营策略。 为延长用户的生命周期价值(LTV),就必须采集到用户全生命周期的数据,打通CRM数据、历史数据、业务数据、第三方数据,将用户的属性信息(性别、年龄、国家等)与用户的行为数据关联到一起;打通外部推广平台的数据,解决用户从哪儿来的问题;打通不同产品平台的数据,将用户在app\小程序\微站\官网上的行为实时同步,如此方可实现真正的以用户为中心的统计和分析。 本文提供了一种借助行为数据和工具快速、迭代的构建用户模型(Persona)的方法更适合今天的互联网团队的工作方式和节奏,基于用户行为数据的用户模型,一方面对传统方式进行了简化,降低了数据分析的门槛;另一方面,让数据分析更科学更高效更全面,更直接地应用于业务增长,指导运营决策。   PS:要了解更多数据分析具体的技巧、方法论及实战案例,点我领取 诸葛io,你身边的数据驱动教练 欢迎添加微信:zhugeio2016一起探讨交流

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接