很多運營同學無法在較短的時間內(nèi)完成對用戶的洞察，解決不了用戶轉化率低的問題。那么，用用戶洞察模型實際上就很容易解決。本文總結了關于用戶洞察體系如何搭建的相關思路，希望對你有所啟發(fā)。

做用戶洞察搭建體系，我們會搭建四個分析體系給用戶打標簽，分別是動機洞察、價值偏好洞察、行為特征洞察、生命周期洞察。

我們往往會站在用戶立場上問自己四個問題：

第一個：用戶為何選擇在你的平臺購物？這里我們要洞察的就是用戶購物動機，一般給用戶打上兩個標簽：優(yōu)惠驅動型、商品服務驅動型

第二個：用戶在你平臺連續(xù)購物的特點是什么？這里我們要洞察的就是用戶的價值和偏好，連續(xù)復購不一定是好用戶，為什么，可能你天天發(fā)大額券我才來消費，你不發(fā)我就不消費了，用戶價值特征標簽一般有羊毛型、風險型、高凈值等；偏好標簽有渠道偏好、品類偏好、時機偏好，價格偏好。

第三個：用戶回購的行為特點是什么？這里我們洞察的是用戶行為特征，用戶到底是直奔主題買了就走還是樂于比價，我們的標簽是搜索型、比價型、逛街型。

第四個：用戶生命周期處于什么階段？這里我們可以重點分析平臺的整體銷售是拉新驅動還是熟客驅動還是成長階段用戶在驅動。標簽就是新客、成長、成熟

具體會解決什么業(yè)務場景問題，我們舉幾個例子：

1、用戶復購率低，到底是用戶不行還是商品不行，怎么定位原因？

2、怎么提升用戶留存度

3、怎么提升用戶頻次

解決用戶復購率低，我見過很多運營同學簡單粗暴的發(fā)券，認為沒有優(yōu)惠用戶就不會復購，實際上我們用洞察模型很容易能解決這個問題。

第一個分析模型，回購特征、生命周期特征和價值特征的交叉分析模型，我們用氣泡圖描繪出來，橫軸是用戶生命周期，縱軸是優(yōu)惠敏感度，氣泡大小用用戶量來表現(xiàn)、氣泡顏色用價值分層來表現(xiàn)，我們來觀察，如果一次性羊毛用戶的氣泡特別大，這就解釋你的拉新質量不高，我們再把氣泡圖劃到四個象限里，左上方象限氣泡比較集中，則代表高敏感新客期或成長期用戶大量未能實現(xiàn)遷移，需要在用戶的成長路徑體系方面努力。

第二種分析模型，偏好特征、行為特征、時機交叉分析模型，這個模型我們用條形堆積圖來表現(xiàn)，橫軸是復購間隔周期，堆積圖每個塊是用戶回購行為特征，回購行為特征有哪些，需求明確型、比價型、逛街型、社交型，然后不同柱子代表品類，這個模型可以讓我們直觀看到各品類用戶回購是什么類型用戶，占比是多少，復購周期集中在哪塊，然后再去重點探查臨近回購周期用戶的復購情況，并去溯源有沒有再做針對品類復購提醒的動作。

解決留存度提升這個問題，我們見過最多的解決方案是發(fā)積分、發(fā)券、push等等，但實質都沒有深入分析用戶留存背后的動機是什么，我的解決方案就是對用戶行為進行深入分析，做不同行為留存對照的AB測試。

我們先可以回顧獲客場景下用戶是通過什么行為完成的首單，比如地推活動掃碼來的，參加拼團被邀請來的，領新人禮包自主來的；接下來重點研究的是每一種場景的新用戶，在發(fā)生初始行為時觸發(fā)一個什么動作能夠激發(fā)用戶的下一次留存行為？

比如我們以地推場景來舉例，我們來施加四種影響行為進行對照實驗。

1. 第一種觸發(fā)多買優(yōu)惠，讓用戶由買一個商品變?yōu)橘I多個商品；
2. 第二種支付完成后觸發(fā)邀請有禮；
3. 第三種支付完成后觸發(fā)新人任務；
4. 第四種支付完成后觸發(fā)返券。

這四種動作作為實驗組，對照組就是沒有激發(fā)任何動作的用戶，發(fā)現(xiàn)用戶再做了這幾個動作后次月留存率比沒有任何動作影響的用戶高出5-10個點，然后如法炮制，不同特征分層用戶在后續(xù)回到平臺被監(jiān)控到回訪行為后，一個什么樣的彈窗動作或引導提醒能讓用戶的停留時間加長，瀏覽深度加深，這就是重點研究的內(nèi)容。

提頻這個業(yè)務問題和提留存基本是一個前后的因果關系，留存意味著回訪，留存和頻次之間就差了一個轉化，這樣其實就是把問題做了一個轉化，如何在提升留存率后繼續(xù)提升轉化率，我們在提留存環(huán)節(jié)沒有深入講用戶動機洞察這塊，實際上提頻和用戶動機的關聯(lián)比較大，一個用戶常購理由很簡單，要不是價格便宜，要不就是體驗好，我們歸類為兩類標簽，優(yōu)惠驅動型和商品服務驅動型，優(yōu)惠驅動型用戶提頻就很簡單了，我們做了一個提頻商品池，動不動做個券或價格給這批用戶推送，商品服務驅動型不用推券，就是推高凈值會員權益服務，想方設法增加服務體驗。

以上是做用戶洞察體系的一個思路方法，解決場景痛點問題，還需要從動機、價值、特征等維度對用戶進行深入研究，從而找到更好的解決方案。