数据分析模型(一):用户模型(用户研究模型)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),本文先从用户模型说起。
树图思维导图提供 数据分析模型(一):用户模型(用户研究模型) 在线思维导图免费制作,点击“编辑”按钮,可对 数据分析模型(一):用户模型(用户研究模型) 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:49eef5002cf0bc21fd290689fbb78313
数据分析模型(一):用户模型(用户研究模型)思维导图模板大纲
数据分析模型(一):用户模型(用户研究模型)
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),本文先从用户模型说起。
先用3句话来说明为什么用户模型是基础的分析模型,重要到要第一个来分析: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。
因此,我们先从定义开始,科普下什么是用户模型以及传统方式如何构建用户模型。
用户模型(Persona)是Alan Cooper在《About Face:交互设计精髓》一书中提到的研究用户的系统化方法。它是产品经理、交互设计师了解用户目标和需求、与开发团队及相关人交流、避免设计陷阱的重要工具。
传统的用户模型构建方式:
Alan Cooper提出了两种构建用户模型的方法:
用户模型:基于对用户的访谈和观察等研究结果建立,严谨可靠但费时;临时用户模型:基于行业专家或市场调查数据对用户的理解建立,快速但容易有偏颇。
1. 基于访谈和观察的构建用户模型(正统方法)
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:
2. 构建临时用户模型(ad hoc persona)
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。
距离Alan Cooper首次提出用户模型(Persona)概念已过去近20年,在这期间,软件产品开发的过程方法以及公司的运作方式都发生了很大改变:以快速迭代为特点的敏捷开发方法取代了传统的瀑布模型,以「开发→测量→认知」反馈循环为核心的精益创业方法在逐步影响和改变公司的运作方式。
而传统的用户模型构建方法,从诞生之日起并未发生特别大的变化。对于已经习惯了敏捷、快速的产品经理和交互设计师来说,如果花很长时间去研究用户构建用户模型需要下相当大的决心、更需要下很大力气才能争取到所需的时间和资源,而且互联网产品冷启动耗费的时间越来越短,为了降低成本和风险,产品团队在启动期往往会选择尽快将产品推向用户,尽快获得反馈以「快速试错」,现实和压力迫使大多数新产品的PM不敢投入大量时间精力深入的进行用户研究。
这就很容易理解,为什么大家都觉得用户模型很好,却鲜有人在工作中真正运用它。为了解决时间紧迫与精力不足的矛盾,我们提出了一种基于用户行为数据的快速、迭代构建用户模型的轻量方法。
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:您和所在团队对用户的理解;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的描述信息(属性)或用户的行为信息,并存储起来形成用户档案(如下图所示)。
诸葛io新零售DEMO之用户档案(虚拟数据)
如上图所示,从用户档案中我们可以清楚的了解到用户的属性信息、行为数据、环境数据。
1.高效实时 洞察先机
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。
2.记录历史而不只是结果
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。
3.360°覆盖用户全生命周期的用户档案
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。
这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。
树图思维导图提供 一、研究内容 在线思维导图免费制作,点击“编辑”按钮,可对 一、研究内容 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:4f21797dd3e8b08f1951dfc24e7be94f
树图思维导图提供 904名中国成年人第三磨牙相关知识、态度、行为和病史的横断面调查 在线思维导图免费制作,点击“编辑”按钮,可对 904名中国成年人第三磨牙相关知识、态度、行为和病史的横断面调查 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:10b9a8a2dd2fb4593f8130ef16c320fc