谈谈精细化运营中的用户模型建立

　　精细化运营在未来会被越来越被看重，尤其是对于大中型产品来说（日活10万+）来说。与之而来的就是用户模型这个概念了。

　　一、用户模型的必要性

　　当产品变得越来越复杂，用户量的不断提升，新用户和老用户的产品行为不同，用户行为、目的不同等等一系列原因，导致很多时候你的某部分功能更多是为了吸引新用户而设立的，而一些的进阶的功能是为了成熟型用户设立的，还有小部分的功能是为了你的核心用户群体去设立的。

　　然而如何去区分这部分用户呢？通过用户的注册时间，用户行为，访问频率等等一系列数据去区分你的用户。把用户划分到一个个圈子之中，然后通过针对性的一系列产品机制、运营手段去促进新用户转化为成熟用户，成熟用户转化为核心用户。

　　二、用户模型如何建立

　　接下来主要就拿知乎来举例吧。电商（淘宝）、社交媒体（知乎、微博）、游戏类是最需要，也是用户建模玩的最溜的。

　　1. 产品分析

　　首先对产品的功能的梳理，一个内容社交平台的最基本的新用户行为是：用户注册→选择偏好→推荐内容→浏览内容→点赞、关注、评论→分享内容→搜索内容→回答问题等。

　　此时问题就来了，一个用户来了一次以后，如何观察这个用户的行为，从而做到针对性的推荐等行为，让用户想要第二次来呢？数据可以告诉你一切。

　　2. 数据分析

　　知乎的一些关键性数据可以分为：

　　uv／pv：用户访问次数的多寡；

　　浏览内容偏好：通过对内容的搜索，我们可以通过后台给这个用户打标签：科技、教育、金融等；

　　浏览内容数量：通过某个关键词搜索相关内容以后，浏览过多少具体内容；

　　页面停留时间：某个话题停留时间长短；

　　页面访问深度：访问了多少个问题；

　　点赞、关注、回答问题数量：用户之间的交互行为；

　　此时我们通过这些数据就可以基本了解出这个用户的很多基本信息，以及他是属于潜水用户，还是活跃用户，还是意见领袖。

　　3. 建立用户模型

　　根据不同的目的可以建立不同的用户模型。例如：

　　根据用户的自身属性来说可以简单的分为：科技内容爱好者、体育内容爱好者、影视内容爱好者等等。

　　根据用户的产品行为来说可以简单的分为：喜欢点赞的、喜欢回答的、喜欢评论的、无任何行为的。

　　根据用户的社交行为来说可以简单的分为：热衷于自我寻找者、热衷于关注kol的内容。

　　此时，你就可以通过你的数据，去建立相应的数据模型。当然这些用户模型之间都有着高度重合的部分，此时根据你的产品阶段性目标去重点维护某一或者几个用户模型之内的用户。

　　三、建立用户模型后如何运营？

　　1. 追热点：

　　假设雄安新区建设前，任何平台都没有相关的问题及解答，知乎为了追这个热点的话，必须在第一时间建立此话题，然后用户模型就有用处了，去找谁来回答此问题呢？

　　首先我们可以根据用户的自身属性来说：关注房地产方面、解读国家政策方面、保定地区、回答超过x个问题以上，获得点赞量大于y，粉丝量超过z等等一系列属性。我们就可以从海量的用户中筛选符合条件的用户，邀请他们第一时间来回答雄安相关问题。

　　2. 挖掘优质用户：

　　假设知乎的优质用户是连续x天登陆知乎，每周回答y个问题，累计获得点赞z个。此时如果知乎通过建立这个用户模型，通过数据监测，符合这个模型的用户，知乎系统可以给他推送一条消息，认证某领域的的优秀回答者。此时通过成就感的获取，激发这个用户产生更多的优质内容。

　　3. 精准化推荐：

　　给一个建筑行业的人推送一条互联网运营的热点问题，想必他多半不会感兴趣。

　　那么通过对某一模型的用户行为追踪，我们可以根据数据来扩大相关的内容边界，最终形成类似于今日头条与快手那强大的推荐算法。

　　4. 其它

　　根据产品的性质不同、时期不同、目的不同，导致需要多种多样的用户模型，可能过了这段时间，某个用户模型就会弃之不用了，所以根据不同的用户模型，做出不同的运营手段也不尽相同，这里就不多做赘述。

　　四、总结

　　精细化运营必然是接下来互联网运营要走的路，尤其在人工智能技术越加强大的明天，通过用户模型的建立，再交由人工智能去学习这个用户模型下的用户行为，从而增强对用户的了解以及针对性，增强用户的黏性。

　　本文由 @命里 原创发布。

　　运营推荐：