用户模型是最重要的分析模型之一。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。
下面是一则关于台湾首富王永庆早年卖米的故事：
王永庆每次给新顾客送米，都要打听这家有多少人吃饭，每人饭量如何，看似拉家常其实是有别的神医的，他根据饭量估计这家下次买米的大概时间，记在本子上。到时候，不等顾客上门，他就主动将米送过去。
由于多数家庭，少有闲钱，主动送米上门，如果马上收钱，碰上顾客手头紧，会弄得双方都很尴尬。因此，每次送米，王永庆并不急于收钱。他把全体顾客按发薪日期分门别类，登记在册，等顾客领了薪水，再去一拨儿一拨儿地收米款，每次都十分顺利，从无拖欠现象。
从用户模型的角度来看，王永庆懂得建立用户档案，并根据用户的历史行为预测其可能的购买的行为，并制定方案满足用户的需求。
鉴于以上事实，本文提出一种基于用户属性和行为的事实描述和未来预测的全生命周期用户模型。事实描述包括：用户属性和行为数据。在不确定的世界里，预测的实质是在一系列事实、证据、信息、数据里找到强相关性，用概率来判断预测对象的未来走向。该模型建立分三步：1、建立用户档案；2、数据分析形成新的维度；3、数据预测用户潜在需求。如下图
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：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属性。
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。我们将这些信息映射成为用户的行为信息。我们将用户属性和行为存储起来形成用户档案（事实描述）。如下图
为延长用户的生命周期价值，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。
其次，当拥有完整的用户档案数据的时候，我们就可以进行均值比较和检验、方差分析、相关分析、回归分析、聚类分析、主成分分析、生存分析等，充分利用数学知识和分析工具，对用户数据进行再处理，将用户按新维度进行分类。
最后，数据最大的价值不是事后分析，而是事前预测。利用已有数据进行探索式分析，预测用户需求和行为就显得越发重要，比如基于用户行为的内容推荐，商品销量预测，客户消费行为预测等。预测的终极目标是实现“我们比用户自己都了解自己”。
网友评论