阿里巴巴消费者行为模型梳理

1. 全息数据消费行为分析：

消费行为、消费场景等消费行为相关记录数据在时间维度上可回溯、可追溯。全息大数据的关键点：全链路、时光可逆、地理位置、全网、跨屏

2. 消费者行为分析：

信息维度1【行为观测、行为客观归类】：

目的、动机、态度、选择、评价、购物行为、决策过程……

信息维度2【个人喜好】：

喜欢什么、喜欢这个还喜欢什么、不喜欢什么、想什么、关注什么

信息维度3【购买行为】

关注、查询、判断、发生地、发生时间、购买渠道（电脑、pad、手机）

信息维度4【上游品牌商】

天猫、淘宝、支付宝、聚划算、高德、虾米、UC、优酷、保洁、联想、电筒、第二方代理商、第三方数据开发商

信息维度5【消费者网络轨迹】

看、挑、查、买、享

全网、跨屏的网状结构行为，营销全面改为主动、定制化、长期、碎片化营销方式

信息维度6【交叉分析数据维度】

地理信息、消费者特征、产品型号、产品属性、购买特征、城市级别（一线、二线等）

概念及模型（后续查询）：AIDMA；AISAS

3. 产品分析：

竞品分析：销量、消费者竞争力、产品标签化、细分化产品等关联的竞争网络整体分析

趋势分析：品牌、型号趋势变化分析、挖掘趋势变化的原因，观察市场切入点、消费者的消费偏好。

4. 分析模型：

1.G-Aliba消费者行为全网出点及行为全链路模型

【流程】：大数据采集【？数据源锁定，仔细考虑模型考虑的维度及变量】—锁定目标人群【聚类分析、标签化体系】—关注点锁定【1.分析切入点：产品导向、趋势导向、市场结构导向、细分市场导向、战略导向等；2.分析维度确认：行为特征、消费过程】—回溯行为特征及消费流程【看（意向）-挑（品牌比对）-查（购买考虑）-买（购买及重复购买）-享（额外信息价值：消费行为习惯、个人偏好、信息维度4整合）】

2.关注内容的语义模型

【流程】：数据源整理【数据采集前提及需求—信息维度4】—用户行为抓取【“关注”内容抓取：网页、文章等；行为抓取可以多步骤，定义不同的用户行为，做判断】—用

户标签赋值【语义分析、聚类等方法—用户的偏好、真实认知】—用户所处信息环境比对【关注内容本身的语义对比，定位未来诉求的方向，挖掘用户的关注点、关注点之间的关联性、对品牌认知的影响】

两个维度分析结合：用户自身行为与对应内容的匹配判断；用户选择信息环境与用户自身行为间的匹配，从两步匹配的结果整体判断用户的关注点、关注点之间的联系、关注点和关注点间联系与品牌标签、认知、宣传、渠道等维度信息之间的匹配程度。

3.品牌竞争定位模型（Perceptual Map）

【流程】：目标人群选取【标签化所有用户，整合选取】—提取目标人群对特定品牌的认知【根据不同的用户行为（信息维度1、2、5），分析在不同消费行为阶段用户对特定品牌的认知信息源、关注点、态度等】—竞品关联度分析【根据用户认知比较用户认知中分析品牌与其竞争品牌在用户认知中的关联度（还是用过语义分析中的两个步骤，用户自身认知与信息之间的匹配以及用户行为与信息环境的选择之间的匹配）】—认知关键词的差异性分析【提取品牌关键词，并通过用户认知分析用户对品牌关键词之间差异性的判断（显著性、有效性—判断导致的消费行为（关注？购买？还是什么））】—品牌竞品分析【结合用户对竞争品牌的关联度、品牌关键词之间的差异性从用户认知角度分析如何定位被分析品牌与竞品品牌之间的关系。通过分析结果产生品牌、产品等的市场定位策略】

【输出】：竞争关系图谱：1.距离越近，品牌竞争关系越强；2.品牌差异点标识，标识越靠近某个品牌，表明该品牌的该特点越明显（特征图谱与竞争关系图谱的结合体）

/BDI的品牌和产品的区域性竞争分析模型、没体检用户路径及流向关系模型等

程序化购买（Programmatic Buy）{关注阿里妈妈—前沿}

总结：

从阿里的整套模型梳理结构，可以看出来阿里的模型是基于其对用户肖像而做的。阿里的数据源以及数据结构核心点就在于他提出的全息大数据。全息大数据的核心在于：全链路、时光可逆、地理位置、全网、跨屏。对应到我们自身的业务需求来说就是做到企业行为的全链路、时光可逆、地理位置、全网、跨屏（APP+PC）。全息数据对数据源的要求非常的高，所以需要因时、因地制宜，也没法强求。但是从我们之前一直强调的结构化的工作方式上来看，我们自身对数据源的需求可以结构化的从这几方面下手：供应链、时间、地理位置、交易平台、交易形式等。

抛开数据源与数据结构存在的问题，我们能借鉴的核心内容就是用户画像以及对应的分析模型。上述总结的信息维度我认为只是阿里对用户信息梳理的部分维度，但是从分类上来看强调链路、时光可回溯、用户行为、用户偏好、交叉口径等等通过结构化的交叉分析能够产生很多有价值的销售导向或宣传导向的结论。

在所有信息维度当中，最核心的信息维度还是信息为度5：消费者网络轨迹，或者说是消费者消费行为轨迹。定义核心维度需要考虑的问题是用户画像的具体使用场景以及业务模式。在阿里的消费平台当中，需要解决的业务场景是消费行为以及推送，但是推送的最终目的是促成消费行为的产生，因此整个业务场景当中最核心的就是用户的消费行为。在确定核心维度之后，需要从业务场景定义核心维度下用户的所有行为，案例中阿里对消费者行为的定义非常的细致：看、挑、查、买、享。从数据源的角度来说，

用户的目标商品在商品比对的过程当中很难确定某一件商品是用户的目标购买商品，因此“看”和“挑”的过程其实是很难区分的，但是从实际用户行为的角度出发，购买商品的流程确实会经历这样的流程，因此就需要准确的在数据源前提条件下定义用户行为，者也是核心维度梳理中最重要的部分，即在数据源、数据收集手段条件下准确的定义用户针对业务的所有行为。例如案例中的“看”和“挑”，在不同商品之间如何区别用户的行为是处于哪个阶段，直观的操作方式可以通过用户的页面停留时间以及重复访问页面的次数，做数据统计，根据分布区分“看”商品和“挑”商品之间的行为差异。

在定义完信息核心维度之后，其他的交叉分析维度可以分为两类：1.根据全息大数据整理的用户上下游相关信息维度；2.根据交叉分析（业务导向）价值产生的信息维度。在上述案例中信息维度1（行为观测、行为客观归类）、信息维度2（个人喜好）属于第一类信息维度；信息维度3（购买行为）、信息维度6（交叉分析数据维度）属于第二类信息维度；信息维度4（上游品牌商）则是从数据源以及保证第一类和第二类信息维度实现的角度设计的信息维度。当然，在文章中提到的信息维度可能还是不全面的，因此我们在设计信息维度的时候需要更细致的考虑，在某个业务场景下，定义过企业业务行为条件下，什么维度能够在交叉分析中对产生业务带来实际有效价值。（从数据储存结构以及数据文档积累的角度考虑，我也建议组内的开发文档也从以上三个角度整理和积累。可积累的文档除了框架、信息维度、数据结构之外还包括下述模型分析当中涉及到的模型以及变量字典的积累）

在对数据源、数据结构、分析对象、业务场景等内容有初步梳理和定位之后，可以通过模型组的方式结构化描述业务场景以及需要分析的需求。从阿里的这一套模型（不完整）是针对用户画像、语义分析、竞品分析等一系列在销售和宣传场景下的分析模型。虽然业务场景不同，但是模型对信息维度的使用以及对变量定义的细致，是需要我们学习的。模型组中对语义分析的模型也有涉及，我认为关注点可以放在对用户核心行为的定义、用户在业务场景下的行为定义以及交叉分析口径和分析结论几个方面。

G-Aliba消费者行为全网出点及行为全链路模型

图1 G-Aliba消费者行为全网出点及行为全链路模型

G-Aliba消费者行为全网出点及行为全链路模型。是描述核心信息维度的模型，也是整体模型组中的核心模型。从核心模型的流程中可以看出，核心模型的目的信息维度的关联，也是利益相关方在数据中的关联。在以销售或媒体宣传为标的的业务场景中，利益相关方包括：1.大数据采集—阿里巴巴（服务提供者）；2.锁定目标人群—用户；3.关注点锁定—服务采购者。而最后一步回溯行为特征及消费流程则是将所有利益相关方关注点（对服务提供者来说即是服务价值提供和挖掘）与核心信息维度关联在一起，保证服务的核心价值链能够有效的输出价值。关联核心信息维度能够将实际业务价值增值与用户行为、用户的历史信息以及用户的其他相关信息维度之间的关系进行初步的关联，保证输出模型、输出口径能够跟价值增值模型间直接联系（输出口径的唯一关联信息维度也是核心信息维度，即输出口径以及输出模型的自变量核心为核心信息维度）【个人观点】

关注内容的语义模型

图2 关注内容的语义模型

关注内容的语义模型相较于核心的消费者行为模型来说，就是一个输出模型，通过核心模型对业务场景的定义结合用户的消费行为，能够分析出在哪些消费环节中会出现服务采购方咨询的业务场景，能够筛选出目标用户的标的核心行为。而输出模型则是以实际业务场景中服务采购方的业务操作行为因变量的模型【个人观点】。在上述模型中，语义分析针对的事目标客户的关注点，利益相关方还是核心模型描述的三者，服务提供者、服务采购者以及目标用户，区别在于核心模型是将三方利益以用户行为作为标的进行关联的，而上述语义模型则是以服务采购者与其竞争者在实际业务环境中的业务行为为标的对目标用户信息进行关联的。

但从语义角度分析，可以仔细的关注该模型关联信息时对目标人群的分析（什么叫做理解数据—在我们的角度上来说就是如何理解信用数据）。从信息以及服务的角度出发，服务采购方关注的是用户对特定内容的认知，并以此改变自身提供内容的渠道以及内容本身来影响用户对其品牌、产品、服务等等方面的认知。而从用户行为角度出发来说，用户在产生认知前会有两个维度的信息在发生作用，即用户选择信息环境与用户产生认知。而模型最终对用户行为的关联也是通过两个维度同时作用且区分分析来实现的。通过用户选择信息环境与用户自身行为间的匹配与用户认知（用户行为）与对应内容的

匹配两个层面进行分析充分分析了业务场景下用户的行为，因此模型结果能够为服务采购方提供信息价值。

品牌竞争定位模型（Perceptual Map）

品牌竞争定位模型关注的点也是用户对品牌定位的认知结果，与上述的语义分析区别在于，在基础的输出模型基础上，品牌竞争定位模型还包括了“认知关键词的差异性分析”。从模型的构成角度分析，出去上述的利益相关方的关联分析、用户行为的关联性分析以及语义分析的两个层面之外，品牌竞争定位模型是一个独立的价值输出模型，因此，她具有了核心模型与输出模型两个模型的流程。包括了用户行为的关联分析以及服务采购者的业务行为关联分析，同时在业务场景为媒体宣传条件下，业务场景需求语义分析，因此该款独立产品包含了以上三个模型的全部流程。

而区别点的“认知关键词的差异性分析”，之所以独立于语义分析模型（在上述个人观点的基础上）是因为这个分析步骤的匹配与关联仅限于用用户某个行为的不同取值与业务环境中不同信息之间的匹配，分析导向既不是用户行为也不是业务操作。可以理解为是核心模型与输出模型之间通过聚焦用户行为以及业务场景从信息角度而做的不同信息与用户行为间的匹配。

品牌竞争定位模型与语义分析模型和消费者行为模型所不同的点在于品牌竞争定位模型是一个独立的产品模型，而不是后台调用的分析模型，它包含了对后台储存的核心模型、输出模型的调用和组合，也包含了分解业务（产品逻辑）的思路因此从流程上如何结构化的梳理产生新的产品、调用模型的结构以及与实际业务需求之间的关系可以仔细的思考。

产品分析

产品生成逻辑分析：从上述的产品分析得到的信息分析，阿里的数据分析产品线主要还是针对消费领域的，服务的业务场景也主要是消费领域的两大核心：市场和宣传。

竞品分析序列产品（模型产品）主要是针对销售领域，即服务采购者的业务场景为产品销售或与产品销售相关的产品类场景。分析模型在输出模型上对应从对象来看也是相应的：销量、消费者竞争力、产品标签化、细分产品等均是开发销售、开发需求、引导需求均是以最终产生销售为标的市场或产品行为。

趋势分析序列产品（模型产品）则是针对企业宣传、定位、产品区别化、战略、潜在需求分析、目标客户偏好分析等等与企业宣传、战略有关的服务。

从两个序列产品的开发逻辑出发，数据模型服务的核心点出了定义服务采购方业务环境下用户的行为之外，还有一点就是定义服务采购方核心业务的着眼点。具体的需求可以根据服务采购方对目标客户的行为与实际业务场景作出修正，但是标准化的模型开发也可以依据服务采购方的核心业务或核心行为（分行业）。

例如消费领域或者流通领域领域的核心业务基本是以市场、宣传为主，平台性质的服务行业可能还会关注用户的存量、活跃度等。而工业产品生产领域的企业关注的往往是生产和销售环节的成本，例如生产流程优化、渠道资源的优化、也包括企业的行业定位以及竞品区分度等等产品导向的相关需求。还有部分企业是以政策导向为主的企业，例如金融行业，这些具体的产品设计可以随着对行业认知的不断细化而进行。

参考图1 结构化框架图（二级分类间的结构化与每列信息见的链接结构化可以挖掘）

参考图2：语义分析流程结构1