每日干货分享

八大數據分析模型之——用戶模型(一)


諸葛君說:模型是指對於某個實際問題或客觀事物、規律進行抽象后的一種形式化表達方式。任何模型都有三個部分組成:目標、變數和關係。明確變數,改變變數,即可直接呈現結果,實現目標。在日常的數據分析中,我們常用的有8大模型(用戶模型、事件模型、漏斗分析模型、熱圖分析模型、自定義留存分析模型、粘性分析模型、全行為路徑分析模型、用戶分群模型),從今天起,我們每周解讀一個模型,本文先從用戶模型說起。

一、什麼是用戶模型?

先用3句話來說明為什麼用戶模型是基礎的分析模型,重要到要第一個來分析:因為如果你不知道自己的用戶是誰,就不知道該提供什麼服務;不清楚用戶與你「交往」到哪個階段了,就不可能知道優先提供什麼樣的服務;營銷戰略無法聚焦,服務沒有系統性和持續性,因此,我們先從定義開始,科普下什麼是用戶模型以及傳統方式如何構建用戶模型。

用戶模型(Persona)是Alan Cooper在《About Face:交互設計精髓》一書中提到的研究用戶的系統化方法。它是產品經理、交互設計師了解用戶目標和需求、與開發團隊及相關人交流、避免設計陷阱的重要工具。

傳統的用戶模型構建方式:

Alan Cooper提出了兩種構建用戶模型的方法:

-用戶模型:基於對用戶的訪談和觀察等研究結果建立,嚴謹可靠但費時;

-臨時用戶模型:基於行業專家或市場調查數據對用戶的理解建立,快速但容易有偏頗。

1、基於訪談和觀察的構建用戶模型(正統方法)

在Alan Cooper的方法中,對用戶的訪談和觀察是構建用戶模型的重要基礎。完整步驟如下:

八大數據分析模型之——用戶模型(一)

2、構建臨時用戶模型(ad hoc persona)

在缺乏時間、資源不能做對用戶的訪談和觀察時,可以基於行業專家對用戶的理解、或市場研究中獲得的人口統計數據,建立「臨時用戶模型」。

八大數據分析模型之——用戶模型(一)

「臨時用戶模型」的構建過程與「用戶模型」的構建過程很像,只是「用戶模型」的數據基礎來自對真實用戶的訪談和觀察,「臨時用戶模型」則來自對用戶的理解。二者的準確度和精度都有差別。

二、基於行為數據構建用戶模型

距離Alan Cooper首次提出用戶模型(Persona)概念已過去近20年,在這期間,軟體產品開發的過程方法以及公司的運作方式都發生了很大改變:以快速迭代為特點的敏捷開發方法取代了傳統的瀑布模型,以「開發→測量→認知」反饋循環為核心的精益創業方法在逐步影響和改變公司的運作方式。

而傳統的用戶模型構建方法,從誕生之日起並未發生特別大的變化。對於已經習慣了敏捷、快速的產品經理和交互設計師來說,如果花很長時間去研究用戶構建用戶模型需要下相當大的決心、更需要下很大力氣才能爭取到所需的時間和資源,而且互聯網產品冷啟動耗費的時間越來越短,為了降低成本和風險,產品團隊在啟動期往往會選擇儘快將產品推向用戶,儘快獲得反饋以「快速試錯」,現實和壓力迫使大多數新產品的PM不敢投入大量時間精力深入的進行用戶研究。

這就很容易理解,為什麼大家都覺得用戶模型很好,卻鮮有人在工作中真正運用它。為了解決時間緊迫與精力不足的矛盾,我們提出了一種基於用戶行為數據的快速、迭代構建用戶模型的輕量方法。

八大數據分析模型之——用戶模型(一)

首先,整理和收集已經獲得的任何可認知用戶的經驗和數據,包括:您和所在團隊對用戶的理解;產品的業務資料庫中記錄的用戶相關信息(比如用戶的性別、年齡、等級等屬性),用戶(在產品內外)填寫的任何錶單或留下來的信息(比如用戶填寫的調查問卷、留下的微信賬號等)。

八大數據分析模型之——用戶模型(一)

我們將這些信息映射成為用戶的描述信息(屬性)或用戶的行為信息,並存儲起來形成用戶檔案(如下圖所示)。

八大數據分析模型之——用戶模型(一)

諸葛io新零售DEMO之用戶檔案(虛擬數據)

如上圖所示,從用戶檔案中我們可以清楚的了解到用戶的屬性信息、行為數據、環境數據。

三、基於行為數據構建用戶模型的優勢

1、高效實時 洞察先機

在數據世界里,準確性就是一切,速度更是至關重要,分析系統處理和解釋這些信息的速度越快,就能更快地且清晰掌握業務狀況,幫助企業更早的做出決策判斷,比如我們的客戶——某共享單車,正是因為發現了實時數據指標中的異常波動:次日留存用戶數出現了「斷崖式」下跌,經緊急調查發現是競爭對手在低價拉新,因此,運營團隊第一時間採取積極應對,從而保住了該城市的市場佔有率。同樣的,市場變幻風起雲湧,運營人、決策者都需要實時關注自身數據的波動,因為失敗往往都來自一個微小的疏忽。

2、記錄歷史而不只是結果

行為即標籤,過去我們常常通過給用戶打標籤的方式進行用戶洞察。事實上,行為數據本身已變得越來越有價值,基於用戶行為數據的用戶模型,記錄了每個用戶的每一次行為,客觀真實的還原了用戶與產品的交互過程,與單純的標記「用戶標籤」相比,記錄下來的用戶行為數據更具有多維交叉分析的價值,構建出來的單個用戶畫像更完整科學。

3、360°覆蓋用戶全生命周期的用戶檔案

基於用戶行為數據的用戶模型是實時動態變化的,隨著用戶在產品中的成長,從訪客到陌生人最後成為高價值用戶,用戶的每一步成長都通過行為記錄下來,基於用戶所在生命周期的不同階段,針對新用戶、流失用戶、活躍用戶、沉默用戶分別採取有針對性的拉新、轉化、留存等運營策略。

八大數據分析模型之——用戶模型(一)

為延長用戶的生命周期價值(LTV),就必須採集到用戶全生命周期的數據,打通CRM數據、歷史數據、業務數據、第三方數據,將用戶的屬性信息(性別、年齡、國家等)與用戶的行為數據關聯到一起;打通外部推廣平台的數據,解決用戶從哪兒來的問題;打通不同產品平台的數據,將用戶在app/小程序/微站/官網上的行為實時同步,如此方可實現真正的以用戶為中心的統計和分析。

本文提供了一種藉助行為數據和工具快速、迭代的構建用戶模型(Persona)的方法更適合今天的互聯網團隊的工作方式和節奏,基於用戶行為數據的用戶模型,一方面對傳統方式進行了簡化,降低了數據分析的門檻;另一方面,讓數據分析更科學更高效更全面,更直接地應用於業務增長,指導運營決策。

PS:要了解更多數據分析具體的技巧、方法論及實戰案例,可下載由諸葛學院出品的最新增長手冊,點我領取

本文首發微信公眾號 諸葛io(ID:zhugeio1)

諸葛io,你身邊的數據驅動教練

歡迎添加微信:zhugeio2016一起探討交流