2023年基于“福格行為模型”的用戶分層實踐

基于“福格行為模型”的用戶分層實踐背景

福格行為模型（B=MAP）理論的含義是當動機（Motivation）、力量（Ability）和提示（Prompt）三者同時消失的時候，行為就會發(fā)生。

信任不少產(chǎn)品同學已經(jīng)聽說過福格行為模型（BJFoogsBehaviourModel）或者微習慣的概念。

該模型的初衷其實并不是說用來分析用戶商業(yè)行為的分析，而主要是用來關心培育個人習慣的，但我在閱讀過程中會發(fā)覺，用這個模型來分析用戶動機也很好用，并且我也勝利將這個模型應用在了業(yè)務的量化分析中，這是福格博士在書中也沒有詳細進行的實踐，本文后面會有應用步驟的共享?？紤]到有伴侶可能不了解這個模型，這里先對模型做一個簡潔介紹。

一、模型簡介

B=MAP（行為=動機+力量+提示）

其實可以簡潔理解為，只有當用戶有動力、有力量且收到提示這三者同時存在時，行為才會發(fā)生。

下圖是模型的一個示例圖，橫坐標代表做某件事的力量，越靠右代表越簡單做到；縱坐標是動機，越往上代表動力越強。在行動線的右上方區(qū)域，假如有合適的提示，那么行為就會發(fā)生（也就是動機足夠強或難度足夠低）。

B=MAP雖然簡單理解，但是由該公式衍生出的一系列策略（如何促使行為發(fā)生/不發(fā)生），才是福格行為模式的精髓。拿讀書舉例：對于想培育閱讀習慣的人而言，可能完整閱讀一本書很困難，行動難以發(fā)生。但假如只是讓你每天讀下書封或者一頁書，難度便很低，該行為到了行動線的右上方，則簡單達成，如下圖：

當然，我身邊有一位給自己定每天讀一頁書的同事，結(jié)果依舊無法堅持，這又如何解釋？當動機和力量都具備時，缺乏的則是提示——總是遺忘要看書。這時候則可以對自己增加一些提示：設定鬧鐘或在特定的時間，例如睡覺前在床頭柜上放著書籍，這樣可能就會更簡單堅持了。

并且隨著你做一件事情的次數(shù)越來越多，事情的難度通常也會更低，習慣變會更簡單地養(yǎng)成。

此外，B=MAP也可以用于分析用戶行為。例如，假如你負責某電商產(chǎn)品的用戶轉(zhuǎn)化，那么針對不轉(zhuǎn)化的用戶，你也可以從MAP三個維度進行分析：

用戶是否有足夠的動機：商品卡片和詳情頁能否更有吸引力？增加熱銷、熱評是否能提升購買意愿？用戶是不是沒有力量購買：優(yōu)化購物鏈路、供應一鍵登錄、快速購買、分期付款？用戶是否收到了足夠的提示：我們的優(yōu)質(zhì)商品用戶看到了嗎？我們的促銷信息用戶了解了嗎？這三個角度是一個很好的思索框架，簡潔且易于理解，不過在實際產(chǎn)品分析過程中難以定量評估“程度”，所以通常是作為簡潔定性分析的工具幫助產(chǎn)品推斷。但我個人認為，只要有足夠的數(shù)據(jù)化思維，依舊是能夠利用該模型對用戶進行分層的，我以共享業(yè)務為例做了一個實踐，與大家共享我是如何將該模型“定量”的運用在用戶分層和增長業(yè)務中的。

二、模型應用：以共享業(yè)務為例

1.別只聚焦在漏斗增長上

共享業(yè)務通常以“拉新人數(shù)”為目標，在簡單度不高的產(chǎn)品中，拉新活動通常比較簡潔，基本是“邀請好友有禮”的形式，即用戶邀請到一個好友注冊或轉(zhuǎn)化，則可以獲得特定的嘉獎（優(yōu)待券或會員）等。

在做這類業(yè)務的增長時，不少增長產(chǎn)品會陷入到活動漏斗優(yōu)化上，拿電商類產(chǎn)品舉例：

發(fā)起人漏斗：進入活動頁-點擊共享-共享勝利；參加人漏斗：新用戶參加-點擊注冊-完成注冊-完成下單?；谏鲜雎┒窋?shù)據(jù)，觀看哪個環(huán)節(jié)流失較多，再去想如何優(yōu)化鏈路、增加嘉獎等等方法來提升漏斗轉(zhuǎn)化。但這類的增長天花板不高，且很簡單遇到瓶頸，同時這種方式往往也很難取得大的增長效果。

漏斗增長當然要做，但假如業(yè)務的目標是取得100%的增長，光靠這個漏斗的優(yōu)化是很難達成的。許多人會忽視這個漏斗上方其實還有很重要的一環(huán)，往往也是流失最多，也就是：大盤活躍用戶-進入活動頁。根據(jù)以往閱歷，在各個業(yè)務中，這個環(huán)節(jié)將會流失90%+的用戶。大量的用戶并沒有參加共享！

為什么要用對用戶分層？

有的同學到這一步，可能就直接開頭提方案了：“簡潔，不共享的話，我們可以通過增大曝光，來讓更多用戶知道活動，例如下單后彈窗、首屏廣告等等方案?！?/p>

但請別焦急拍腦袋下結(jié)論和提方案，雖然我信任還有不少產(chǎn)品會直接這么做的。但更好的做法是：我們需要對不共享的緣由進行了解和劃分。用戶不共享的緣由肯定是各式各樣的，例如：老年人不懂如何操作、有人對嘉獎不感愛好、有的人愛面子不情愿共享、或者沒有留意到活動、還有人身處生疏城市四周沒伴侶等等，這些都不是簡潔通過曝光就能解決的。

但這么去排列緣由也不是好方法，一方面那難以窮盡，另一方面也可能會導致可能緣由之間有重復的關系，說不清晰。這時候，福格行為模型就能派上用場了。

2.第一步：畫出草圖，對MAP進行“業(yè)務定義”

我們可以通過動機M、力量A、提示P三個維度，對用戶進行劃分，如下圖（有點類似RFM分層）。

依據(jù)福格行為模型，用戶只有同時滿意M+A+P時。行為才會發(fā)生，也就是三個圓圈的交集越多，說明共享行為也越多。所以，從這個角度，業(yè)務增長也可以理解為：讓MAP重合面積放大。

這里以裂變業(yè)務為例，我們需要對公式先進行業(yè)務定義，也許如下表。通過業(yè)務定義，我們至少對沒有達到MAP的用戶緣由，做出了初略的劃分，但我們還不知道這些人詳細是誰，也沒法做相應的動作，因此需要進行下一步操作，對人群進行“數(shù)據(jù)定義”。

3.其次步：對MAP進行“數(shù)據(jù)定義”，推斷占比和空間

這一步是最難的地方，由于福格行為模型本身偏向于是一個定性分析，福格在書中也沒有說對這些維度進行詳細的量化。但在互聯(lián)網(wǎng)業(yè)務中，不進行肯定程度的量化，就會導致：

1）無法推斷優(yōu)先級

2）無法鎖定對應人群，從而無法運用

在對數(shù)據(jù)進行定義的環(huán)節(jié)，沒有標準答案，這里通常需要各位結(jié)合業(yè)務閱歷和數(shù)據(jù)分析。

例如，對于動力（Motivation），我們可以首先假設：假如用戶是平臺忠有用戶且對優(yōu)待券很感愛好，則代表其有動力共享。

M=歷史訂單數(shù)5且歷史領券數(shù)5

當然詳細數(shù)字并不是任憑拍腦袋定的，而是我們可以先把用戶歷史訂單數(shù)或領券數(shù)量與共享行為的數(shù)據(jù)表取出，分析這兩者的關聯(lián)性，以及拐點位置，再確定數(shù)值。）

再說力量（Ability），我通過業(yè)務閱歷，先假設新城市的用戶拉新力量強（四周新人較多，因此用戶拉新難度不大），另一方面，我們可能認為假如一個用戶已經(jīng)邀請了許多人，四周沒什么伴侶了，可能就會難以拉新，力量也會變?nèi)酢?/p>

基于這兩個假設，我們可以分別取數(shù)分析：不同城市和不同歷史拉新人數(shù)對拉新行為的影響，依舊是找到拐點位置來確定數(shù)值（假如找不到拐點，或并不是強相關，可能說明初始假設出錯了）。

A=新城市且歷史拉新人數(shù)小于5

最終對提示（Prompt）進行定義，我們認為近7天只要訪問過活動頁面，就表明有提示。（當然，這里也可以活動入口曝光來區(qū)分，核心是結(jié)合業(yè)務，以及該數(shù)據(jù)與關鍵行為的關聯(lián)性來進行推斷。）

P=近7天訪問過活動頁面

有了數(shù)據(jù)定義后，人群占比基本也就搞定了，當然這個環(huán)節(jié)我們可能會拉上數(shù)據(jù)分析師，對指標進行來回的調(diào)整，最終我們可以得出類似下圖的表格：

到這里，我們對不同不共享人群的緣由定義和人群劃分基本就結(jié)束了。

對于比例較大的人群，我們后續(xù)還可以連續(xù)細分，例猶如樣是有動力的人群，我們可以劃分為“動力強”、“動力中”、“動力弱”三檔?；蛘咭罁?jù)用戶其他不同的行為來劃分，但本質(zhì)都是為了將不同特征的用戶區(qū)分出來。

4.第三步：針對不同人群，安排Owner并推動后續(xù)動作

到了這一步，人群類型和比例都確定之后，就可以開頭盤詳細的戰(zhàn)術了。

由于針對每個環(huán)節(jié)的緣由，其實都還有許多深化分析的空間，例如針對MA的用戶，可能還可以依據(jù)渠道、依據(jù)訂單金額、頁面訪問狀況等各方面進行進一步的劃分和分析，總之是定位的問題越詳細，也就越簡單解決。

所以這里通常還需要花不少的精力，資源充裕的狀況下，可以將不同類型的問題分工給不同的產(chǎn)品同學來單獨負責，連續(xù)下探。

在每周的會議上，則可以針對不同同學負責的內(nèi)容，提出的策略進行爭論。策略不限于產(chǎn)品方案、運營手段乃至假如展現(xiàn)還不夠明確的話，這里的動作也可以是后續(xù)的數(shù)據(jù)分析或用戶調(diào)研，總之每個模塊都需要有相關事項及詳細的方案，符合SMART原則即可。

另外，對于這類效果不確定性較強的策略，建議可以通過ICE打分來進行需求優(yōu)先級的排序，再往后就是項目管理的范疇了。

結(jié)語

福格模型相對來說是一個萬能