模型是指對(duì)于某個(gè)實(shí)際問(wèn)題或客觀事物、規(guī)律進(jìn)行抽象后的一種形式化表達(dá)方式。任何模型都有三個(gè)部分組成：目標(biāo)、變量和關(guān)系。明確變量，改變變量，即可直接呈現(xiàn)結(jié)果，實(shí)現(xiàn)目標(biāo)。在日常的數(shù)據(jù)分析中，我們常用的有8大模型（用戶(hù)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(hù)分群模型），從今天起，我們?yōu)榇蠹抑鹨唤庾x這八大模型，本文先從用戶(hù)模型說(shuō)起。

一、什么是用戶(hù)模型？

先用3句話來(lái)說(shuō)明為什么用戶(hù)模型是基礎(chǔ)的分析模型，重要到要第一個(gè)來(lái)分析：因?yàn)槿绻悴恢雷约旱挠脩?hù)是誰(shuí)，就不知道該提供什么服務(wù)；不清楚用戶(hù)與你“交往”到哪個(gè)階段了，就不可能知道優(yōu)先提供什么樣的服務(wù)；營(yíng)銷(xiāo)戰(zhàn)略無(wú)法聚焦，服務(wù)沒(méi)有系統(tǒng)性和持續(xù)性。

因此，我們先從定義開(kāi)始，科普下什么是用戶(hù)模型以及傳統(tǒng)方式如何構(gòu)建用戶(hù)模型。

用戶(hù)模型（Persona）是Alan Cooper在《About Face：交互設(shè)計(jì)精髓》一書(shū)中提到的研究用戶(hù)的系統(tǒng)化方法。它是產(chǎn)品經(jīng)理、交互設(shè)計(jì)師了解用戶(hù)目標(biāo)和需求、與開(kāi)發(fā)團(tuán)隊(duì)及相關(guān)人交流、避免設(shè)計(jì)陷阱的重要工具。

傳統(tǒng)的用戶(hù)模型構(gòu)建方式：

Alan Cooper提出了兩種構(gòu)建用戶(hù)模型的方法：

• 用戶(hù)模型：基于對(duì)用戶(hù)的訪談和觀察等研究結(jié)果建立，嚴(yán)謹(jǐn)可靠但費(fèi)時(shí)；
• 臨時(shí)用戶(hù)模型：基于行業(yè)專(zhuān)家或市場(chǎng)調(diào)查數(shù)據(jù)對(duì)用戶(hù)的理解建立，快速但容易有偏頗。

1. 基于訪談和觀察的構(gòu)建用戶(hù)模型（正統(tǒng)方法）

在Alan Cooper的方法中，對(duì)用戶(hù)的訪談和觀察是構(gòu)建用戶(hù)模型的重要基礎(chǔ)。完整步驟如下：

2. 構(gòu)建臨時(shí)用戶(hù)模型（ad hoc persona）

在缺乏時(shí)間、資源不能做對(duì)用戶(hù)的訪談和觀察時(shí)，可以基于行業(yè)專(zhuān)家對(duì)用戶(hù)的理解、或市場(chǎng)研究中獲得的人口統(tǒng)計(jì)數(shù)據(jù)，建立「臨時(shí)用戶(hù)模型」。

「臨時(shí)用戶(hù)模型」的構(gòu)建過(guò)程與「用戶(hù)模型」的構(gòu)建過(guò)程很像，只是「用戶(hù)模型」的數(shù)據(jù)基礎(chǔ)來(lái)自對(duì)真實(shí)用戶(hù)的訪談和觀察，「臨時(shí)用戶(hù)模型」則來(lái)自對(duì)用戶(hù)的理解。二者的準(zhǔn)確度和精度都有差別。

二、基于行為數(shù)據(jù)構(gòu)建用戶(hù)模型

距離Alan Cooper首次提出用戶(hù)模型（Persona）概念已過(guò)去近20年，在這期間，軟件產(chǎn)品開(kāi)發(fā)的過(guò)程方法以及公司的運(yùn)作方式都發(fā)生了很大改變：以快速迭代為特點(diǎn)的敏捷開(kāi)發(fā)方法取代了傳統(tǒng)的瀑布模型，以「開(kāi)發(fā)→測(cè)量→認(rèn)知」反饋循環(huán)為核心的精益創(chuàng)業(yè)方法在逐步影響和改變公司的運(yùn)作方式。

而傳統(tǒng)的用戶(hù)模型構(gòu)建方法，從誕生之日起并未發(fā)生特別大的變化。對(duì)于已經(jīng)習(xí)慣了敏捷、快速的產(chǎn)品經(jīng)理和交互設(shè)計(jì)師來(lái)說(shuō)，如果花很長(zhǎng)時(shí)間去研究用戶(hù)構(gòu)建用戶(hù)模型需要下相當(dāng)大的決心、更需要下很大力氣才能爭(zhēng)取到所需的時(shí)間和資源，而且互聯(lián)網(wǎng)產(chǎn)品冷啟動(dòng)耗費(fèi)的時(shí)間越來(lái)越短，為了降低成本和風(fēng)險(xiǎn)，產(chǎn)品團(tuán)隊(duì)在啟動(dòng)期往往會(huì)選擇盡快將產(chǎn)品推向用戶(hù)，盡快獲得反饋以「快速試錯(cuò)」，現(xiàn)實(shí)和壓力迫使大多數(shù)新產(chǎn)品的PM不敢投入大量時(shí)間精力深入的進(jìn)行用戶(hù)研究。

這就很容易理解，為什么大家都覺(jué)得用戶(hù)模型很好，卻鮮有人在工作中真正運(yùn)用它。為了解決時(shí)間緊迫與精力不足的矛盾，我們提出了一種基于用戶(hù)行為數(shù)據(jù)的快速、迭代構(gòu)建用戶(hù)模型的輕量方法。

首先，整理和收集已經(jīng)獲得的任何可認(rèn)知用戶(hù)的經(jīng)驗(yàn)和數(shù)據(jù)，包括：您和所在團(tuán)隊(duì)對(duì)用戶(hù)的理解；產(chǎn)品的業(yè)務(wù)數(shù)據(jù)庫(kù)中記錄的用戶(hù)相關(guān)信息（比如用戶(hù)的性別、年齡、等級(jí)等屬性），用戶(hù)（在產(chǎn)品內(nèi)外）填寫(xiě)的任何表單或留下來(lái)的信息（比如用戶(hù)填寫(xiě)的調(diào)查問(wèn)卷、留下的微信賬號(hào)等）。

我們將這些信息映射成為用戶(hù)的描述信息（屬性）或用戶(hù)的行為信息，并存儲(chǔ)起來(lái)形成用戶(hù)檔案（如下圖所示）。

諸葛io新零售DEMO之用戶(hù)檔案（虛擬數(shù)據(jù)）

如上圖所示，從用戶(hù)檔案中我們可以清楚的了解到用戶(hù)的屬性信息、行為數(shù)據(jù)、環(huán)境數(shù)據(jù)。

三、基于行為數(shù)據(jù)構(gòu)建用戶(hù)模型的優(yōu)勢(shì)

1．高效實(shí)時(shí) 洞察先機(jī)

在數(shù)據(jù)世界里，準(zhǔn)確性就是一切，速度更是至關(guān)重要，分析系統(tǒng)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(yè)務(wù)狀況，幫助企業(yè)更早的做出決策判斷，比如我們的客戶(hù)——某共享單車(chē)，正是因?yàn)榘l(fā)現(xiàn)了實(shí)時(shí)數(shù)據(jù)指標(biāo)中的異常波動(dòng)：次日留存用戶(hù)數(shù)出現(xiàn)了“斷崖式”下跌，經(jīng)緊急調(diào)查發(fā)現(xiàn)是競(jìng)爭(zhēng)對(duì)手在低價(jià)拉新，因此，運(yùn)營(yíng)團(tuán)隊(duì)第一時(shí)間采取積極應(yīng)對(duì)，從而保住了該城市的市場(chǎng)占有率。

同樣的，市場(chǎng)變幻風(fēng)起云涌，運(yùn)營(yíng)人、決策者都需要實(shí)時(shí)關(guān)注自身數(shù)據(jù)的波動(dòng)，因?yàn)槭⊥紒?lái)自一個(gè)微小的疏忽。

2．記錄歷史而不只是結(jié)果

行為即標(biāo)簽，過(guò)去我們常常通過(guò)給用戶(hù)打標(biāo)簽的方式進(jìn)行用戶(hù)洞察。事實(shí)上，行為數(shù)據(jù)本身已變得越來(lái)越有價(jià)值，基于用戶(hù)行為數(shù)據(jù)的用戶(hù)模型，記錄了每個(gè)用戶(hù)的每一次行為，客觀真實(shí)的還原了用戶(hù)與產(chǎn)品的交互過(guò)程，與單純的標(biāo)記“用戶(hù)標(biāo)簽”相比，記錄下來(lái)的用戶(hù)行為數(shù)據(jù)更具有多維交叉分析的價(jià)值，構(gòu)建出來(lái)的單個(gè)用戶(hù)畫(huà)像更完整科學(xué)。

3．360°覆蓋用戶(hù)全生命周期的用戶(hù)檔案

基于用戶(hù)行為數(shù)據(jù)的用戶(hù)模型是實(shí)時(shí)動(dòng)態(tài)變化的，隨著用戶(hù)在產(chǎn)品中的成長(zhǎng)，從訪客到陌生人最后成為高價(jià)值用戶(hù)，用戶(hù)的每一步成長(zhǎng)都通過(guò)行為記錄下來(lái)，基于用戶(hù)所在生命周期的不同階段，針對(duì)新用戶(hù)、流失用戶(hù)、活躍用戶(hù)、沉默用戶(hù)分別采取有針對(duì)性的拉新、轉(zhuǎn)化、留存等運(yùn)營(yíng)策略。

為延長(zhǎng)用戶(hù)的生命周期價(jià)值（LTV），就必須采集到用戶(hù)全生命周期的數(shù)據(jù)，打通CRM數(shù)據(jù)、歷史數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、第三方數(shù)據(jù)，將用戶(hù)的屬性信息（性別、年齡、國(guó)家等）與用戶(hù)的行為數(shù)據(jù)關(guān)聯(lián)到一起；打通外部推廣平臺(tái)的數(shù)據(jù)，解決用戶(hù)從哪兒來(lái)的問(wèn)題；打通不同產(chǎn)品平臺(tái)的數(shù)據(jù)，將用戶(hù)在app\小程序\微站\官網(wǎng)上的行為實(shí)時(shí)同步，如此方可實(shí)現(xiàn)真正的以用戶(hù)為中心的統(tǒng)計(jì)和分析。

這種借助行為數(shù)據(jù)和工具快速、迭代的構(gòu)建用戶(hù)模型（Persona）的方法更適合今天的互聯(lián)網(wǎng)團(tuán)隊(duì)的工作方式和節(jié)奏，基于用戶(hù)行為數(shù)據(jù)的用戶(hù)模型，一方面對(duì)傳統(tǒng)方式進(jìn)行了簡(jiǎn)化，降低了數(shù)據(jù)分析的門(mén)檻；另一方面，讓數(shù)據(jù)分析更科學(xué)更高效更全面，更直接地應(yīng)用于業(yè)務(wù)增長(zhǎng)，指導(dǎo)運(yùn)營(yíng)決策。

作者：諸葛君，公眾號(hào)：諸葛io數(shù)據(jù)教練

本文由 @諸葛君 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 Pexels ，基于 CC0 協(xié)議