基於“福格行為模型”的使用者分層實踐

相信不少產品或者運營同學都聽過福格行為模型,該模型一開始是用來培養個人習慣的,後來也用來分析使用者商業行為。作者結合其業務,分享如何將福格行為模型應用於業務中,一起來看看吧。

基於“福格行為模型”的使用者分層實踐

背景

福格行為模型(B = MAP) 理論的含義是當動機(Motivation)、能力(Ability)和提示(Prompt)三者同時出現的時候,行為就會發生。

相信不少產品同學已經聽說過福格行為模型(BJ Foog’s Behaviour Model)或者微習慣的概念

該模型的初衷其實並不是說用來分析使用者商業行為的分析,而主要是用來幫助培養個人習慣的,但我在閱讀過程中會發現,用這個模型來分析使用者動機也很好用,並且我也成功將這個模型應用在了業務的量化分析中,這是福格博士在書中也沒有具體進行的實踐,本文後面會有應用步驟的分享。考慮到有朋友可能不瞭解這個模型,這裡先對模型做一個簡單介紹。

一、模型簡介

B=MAP(行為 = 動機 + 能力 + 提示)

其實可以簡單理解為,

只有當用戶有動力、有能力且收到提示這三者同時存在時,行為才會發生。

下圖是模型的一個示例圖,橫座標代表做某件事的能力,越靠右代表越容易做到;縱座標是動機,越往上代表動力越強。在行動線的右上方區域,如果有合適的提示,那麼行為就會發生(也就是動機足夠強或難度足夠低)。

基於“福格行為模型”的使用者分層實踐

B=MAP 雖然容易理解,但是由該公式衍生出的一系列策略(如何促使行為發生/不發生),才是福格行為模式的精髓。拿讀書舉例:對於想培養閱讀習慣的人而言,可能完整閱讀一本書很困難,行動難以發生。但如果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,則容易達成,如下圖:

基於“福格行為模型”的使用者分層實踐

當然,我身邊有一位給自己定每天讀一頁書的同事,結果依然無法堅持,這又如何解釋?當動機和能力都具備時,缺乏的則是提示——總是忘記要看書。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,例如睡覺前在床頭櫃上放著書籍,這樣可能就會更容易堅持了。

並且隨著你做一件事情的次數越來越多,事情的難度通常也會更低,習慣變會更容易地養成。

基於“福格行為模型”的使用者分層實踐

此外,B=MAP也可以用於分析使用者行為。例如,如果你負責某電商產品的使用者轉化,那麼針對不轉化的使用者,你也可以從MAP三個維度進行分析:

使用者是否有足夠的動機: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願?

使用者是不是沒有能力購買:最佳化購物鏈路、提供一鍵登入、快速購買、分期付款?

使用者是否收到了足夠的提示:我們的優質商品使用者看到了嗎?我們的促銷資訊使用者瞭解了嗎?

這三個角度是一個很好的思考框架,簡單且易於理解,不過在實際產品分析過程中難以定量評估“程度”,所以通常是作為簡單定性分析的工具輔助產品判斷。但我個人認為,只要有足夠的資料化思維,依然是能夠利用該模型對使用者進行分層的,我以分享業務為例做了一個實踐,與大家分享我是如何將該模型“定量”的運用在使用者分層和增長業務中的。

二、模型應用:以分享業務為例

1. 別隻聚焦在漏斗增長上

分享業務通常以“拉新人數”為目標,在複雜度不高的產品中,拉新活動通常比較簡單,基本是“邀請好友有禮”的形式,即使用者邀請到一個好友註冊或轉化,則可以獲得特定的獎勵(優惠券或會員)等。

在做這類業務的增長時,不少增長產品會陷入到活動漏斗最佳化上,拿電商類產品舉例:

發起人漏斗:進入活動頁->點選分享->分享成功;

參與人漏斗:新使用者參與->點選註冊->完成註冊->完成下單。

基於上述漏斗資料,觀察哪個環節流失較多,再去想如何最佳化鏈路、增加獎勵等等辦法來提升漏斗轉化。但這類的增長天花板不高,且很容易遇到瓶頸,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,但如果業務的目標是取得100%的增長,光靠這個漏斗的最佳化是很難達成的。很多人會忽略這個漏斗上方其實還有很重要的一環,往往也是流失最多,也就是:大盤活躍使用者->進入活動頁。 按照以往經驗,在各個業務中,這個環節將會流失90%+的使用者。 大量的使用者並沒有參與分享!

為什麼要用對使用者分層?

有的同學到這一步,可能就直接開始提方案了:“簡單,不分享的話,我們可以透過增大曝光,來讓更多使用者知道活動,例如下單後彈窗、首屏廣告等等方案。”

但請彆著急拍腦袋下結論和提方案,雖然我相信還有不少產品會直接這麼做的。但更好的做法是:

我們需要對不分享的原因進行了解和劃分。

使用者不分享的原因一定是各式各樣的,例如:老年人不懂如何操作、有人對獎勵不感興趣、有的人愛面子不願意分享、或者沒有注意到活動、還有人身處陌生城市周圍沒朋友等等,這些都不是簡單透過曝光就能解決的。

但這麼去羅列原因也不是好方法,一方面那難以窮盡,另一方面也可能會導致可能原因之間有重複的關係,說不清楚。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“業務定義”

我們可以透過動機M、能力A、提示P三個維度,對使用者進行劃分,如下圖(有點類似 RFM 分層)。

基於“福格行為模型”的使用者分層實踐

根據福格行為模型,使用者只有同時滿足M+A+P時。行為才會發生,也就是三個圓圈的交集越多,說明分享行為也越多。所以,從這個角度,業務增長也可以理解為:

讓MAP重合面積放大。

基於“福格行為模型”的使用者分層實踐

這裡以裂變業務為例,我們需要對公式先進行業務定義,大概如下表。透過業務定義,我們至少對沒有達到MAP的使用者原因,做出了初略的劃分,但我們還不知道這些人具體是誰,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“資料定義”。

基於“福格行為模型”的使用者分層實踐

3. 第二步:對MAP進行“資料定義”,判斷佔比和空間

這一步是最難的地方,因為福格行為模型本身偏向於是一個定性分析,福格在書中也沒有說對這些維度進行具體的量化。但在網際網路業務中,不進行一定程度的量化,就會導致 :

1)無法判斷優先順序

2)無法鎖定對應人群,從而無法運用

在對資料進行定義的環節,沒有標準答案,這裡通常需要各位結合業務經驗和資料分析。

例如,對於動力(Motivation),我們可以首先假設:如果使用者是平臺忠實使用者且對優惠券很感興趣,則代表其有動力分享。

M = 歷史訂單數>5 且 歷史領券數>5

當然具體數字並不是隨便拍腦袋定的,而是我們可以先把使用者歷史訂單數或領券數量與分享行為的資料表取出,分析這兩者的關聯性,以及拐點位置,再確定數值。)

再說能力(Ability),我透過業務經驗,先假設新城市的使用者拉新能力強(周圍新人較多,因此使用者拉新難度不大),另一方面,我們可能認為如果一個使用者已經邀請了很多人,周圍沒什麼朋友了,可能就會難以拉新,能力也會變弱。

基於這兩個假設,我們可以分別取數分析:不同城市和不同歷史拉新人數對拉新行為的影響,依然是找到拐點位置來確定數值(如果找不到拐點,或並不是強相關,可能說明初始假設出錯了)。

A = 新城市且歷史拉新人數小於5

最後對提示(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,這裡也可以活動入口曝光來區分,核心是結合業務,以及該資料與關鍵行為的關聯性來進行判斷。)

P = 近7天訪問過活動頁面

有了資料定義後,人群佔比基本也就搞定了,當然這個環節我們可能會拉上資料分析師,對指標進行來回的調整,最終我們可以得出類似下圖的表格:

基於“福格行為模型”的使用者分層實踐

到這裡,我們對不同不分享人群的原因定義和人群劃分基本就結束了。

對於比例較大的人群,我們後續還可以繼續細分,例如同樣是有動力的人群,我們可以劃分為“動力強”、“動力中”、“動力弱”三檔。或者根據使用者其他不同的行為來劃分,但本質都是為了將不同特徵的使用者區分出來。

4. 第三步:針對不同人群,分配Owner並推進後續動作

到了這一步,人群型別和比例都確定之後,就可以開始盤具體的戰術了。

由於針對每個環節的原因,其實都還有很多深入分析的空間,例如針對MA的使用者,可能還可以根據渠道、根據訂單金額、頁面訪問情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具體,也就越容易解決。

所以這裡通常還需要花不少的精力,資源充裕的情況下,可以將不同型別的問題分工給不同的產品同學來單獨負責,繼續下探。

基於“福格行為模型”的使用者分層實踐

在每週的會議上,則可以針對不同同學負責的內容,提出的策略進行討論。策略不限於產品方案、運營手段乃至如果展示還不夠明確的話,這裡的動作也可以是後續的資料分析或使用者調研,總之每個模組都需要有相關事項及具體的計劃,符合SMART原則即可。

另外,對於這類效果不確定性較強的策略,建議可以透過ICE打分來進行需求優先順序的排序,再往後就是專案管理的範疇了。

結語

福格模型相對來說是一個萬能公式,透過動機M、能力A、提示P三個維度來對使用者進行劃分。但是,在某些業務場景下,這種劃分方式卻

不一定最“高效”

可能劃分結束後,大部分會集中在一個維度上,這時候其實則需要在單個維度下再不斷的下探,比較考驗各位的業務洞察能力以及資料分析能力。

關於使用者分層的邏輯和思路,我在近半年的工作中也有了更深的體會,後續可能會再單獨寫文章與大家分享。感謝大家的閱讀。

專欄作家

愛學習的Keyda,人人都是產品經理專欄作家。主要專注線上教育和電商類產品增長,擅長遊戲化設計,定期分享產品設計和思考。

本文原創釋出於人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基於CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供資訊儲存空間服務。

頂部