8大数据分析模型之——用户模型（一）（用户所见的数据模型为）思维导图

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？

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：

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

三、基于行为数据构建用户模型的优势

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。

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。

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。