用户增长-用户需求匹配模型搭建（基础篇）
用户增长（User Growth）是指用户相关指标的增长，前面文章我们分析过如何寻找北极星指标，那么找到北极星指标，确定增长指标后接下来就要分用户的需求匹配模型。
良性的“用户增长”是产品满足用户需求且与市场想匹配，在产品触达用户存阻塞点，增长的主要工作就是找到增长阻塞点，寻找流失最大的漏斗因子，减少增长阻碍，降低用户交易决策成本（认知、信任、冲动、满足），产品需求满足如何评估？因此就要有一套需求满足量化评估体系，需求满足量化评估体系的基础就是用户需求匹配模型搭建。
需求满足度量化前置条件是判断需求匹配满足度，如何判断需求满足度？那么就要搭建一套用户需求画像模型，用户画像核心工作是为用户打标签，打标签目的是为了分类统计、精准获取，所以用户画像是个通用性的概念，用户画像基础模型适用于大多数行业、场景，为了让不同背景的人进一步了解用户画像，我举个“企业培训”行业的案例。
案例:HR模块里有个概念叫“胜任力模型”，“胜任力模型”是人力资源“选、育、用、留”各项工作的基础，是基于内部管理概念产生的，是企业培训发展研究而制定的目标标杆，是招聘岗位的量尺，那么“胜任力模型”就是就等于“用户画像”么，我个人认为“胜任力模型”只是人才画像的部分，是静态部分，而“用户画像”是不断精进和发展的构建过程。
拿HR模块的“胜任力模型”来讲，是我接下来用企业培训的“用户画像”搭建案例来阐述。
那么企业培训的目标是什么？企业培训的目标是基于公司发展、岗位人才需求制定的培训计划。面向不同层级、不同岗位、制定不同的学习计划和学习模式。
- 比如针对中高管培训更多以沙盘、案例、启发式为主；
- 针对基层员工，以基础能力A、B、C知识点为主。
以上都是公司管理的需求，那么“被培训者”用户的需求是什么样的？这些培训内容是否会满足用户的需求？用户是否还有个性化的需求？如何获取用户的需求？管理需求与用户需求是否匹配？如果不去做用户画像分析，那么这种培训计划多半是以失败告终。
一、构建用户画像：通过多维度指标构建客户画像
我们来分析下，如何搭建企业培训的用户画像？
- 首先要分析岗位、职位的胜任力模型，然后将“胜任力模型”进行结构化拆解，建立岗位、职位应知应会、晋级发展能力匹配学习地图。
- 梳理用户基础画像模型，性别、年龄、学历等人口学属性。
- 评估“用户”的学习力（知识图谱知识点匹配度），手段可以是测评、考试、问卷等。
建立用户动态数据行为埋点，跟踪用户的学习行为。
二、建立标签体系：建立体系化的客户标签和内容标签体系
以上是建立用户画像的基础，那么需求匹配是一个“供需关系”，已经有了需求基础，那么供给端还要搭配满足用户需求的产品，培训的核心需求匹配的产品是课程、知识点。
- 梳理各岗位、职位的技能树和知识点结构，建立知识图谱，拆解到“元素-知识点”（比如货品陈列是一门课，那么堆头摆放就是一个知识点）级别。
- 建立用户个性化学习计划，基于用户的培训学习目标、个人的学习力水平、爱好、学习行为建立清晰的岗位知识、兴趣的个性化知识图谱。
- 搭建学习养成及反馈机制，用户在学习过程中通过养成体系、价值评估体系（勋章、证书）量化学习过程，通过可量化的目标，驱动用户和成长，在提升专业技能同时，也可以对自己有个清晰的认知，让学习不再是填鸭式枯燥无味，将外驱转化为内驱。
总结：用户画像的核心是建立标签体系、精准客户分层、构建用户画像。
- 建立标签体系：建立体系化的客户标签和内容标签体系
- 精准客户分层：通过客户画像背后的多级维度，对用户进行分组分层
- 构建用户画像：通过多维度指标构建客户画像
用户画像的维度：
- 用户来源：用户数据来源可以精确到来源平台、媒体、创意、广告位、内容等渠道；
- 用户属性：用户的人口学属性和具有唯一性的可识别属性(性别、年龄、人生阶段等)；
- 用户身份：身份信息、微信OpenID、手机IMEI、DeviceID、Email地址和第三方ID；
- 用户标签：标签是最核心的部分，建立客户标签、内容、行业标签库；
- 内容标签：用户所触达的营销及内容偏好的标记，实现对相同偏好人群的分层；
- 用户行为：可自定义的用户事件，如浏览点击、注册、交互、交易购买等行为。
注：
1、本文中所列的示例如”用户画像模型”“需求匹配模型”均为原创，如需转载请注明
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
