交易决策模型？如何透过交易看用户画像

开篇之前先来问几个问题，买一本书，订一个外卖和买一套二手房之间有什么相似之处？为什么买一副耳机不需要交定金，不需要签订合同，不需要中介提供服务，而买一套二手房就需要缴纳定金，签合同，同时还需要中介提供服务？为什么新车不存在中介市场，而二手车就有专门的中介市场？为什么旅游景点的酒店的多年来都是这几家，公司旁边开的饭馆却一年换三个老板？为什么有的公司财报里反复强调DAU,MAU，有些公司却只谈利润？
本篇做一个最基本的，交易层面的对比。交易的定义是买卖双方进行的价值交换。这个价值的载体通常是产品，服务和货币。简单来说我们的每一次购买都是一次交易，一次通过货币交换商品或服务。购买一本书是一次交易，购买一套房也是一次交易，看场电影是一次交易，点一个外卖也是一次交易。而所有零售业态的公司，无论是售卖实体商品，还是提供无形服务，无论是餐饮行业，还是百货行业，本质上也都是在进行着各种形式的价值交换，也就是交易。因此这些公司都可以在交易层面上进行横向对比。
在开始对比之前，先要对交易进行建模。我们分别从参与交易的两方，也就是供给和需求方各提取一个特征。供给方是商品的特点，分为专用性商品，和标准化商品。需求方是频率，分为高频需求和低频需求。使用供给双方的两组特征可以将交易分为标准的四个类别。例如，酒店尤其是景区周边的旅游酒店就属于专用性的低频交易。而airbnb这种民宿就属于标准化的低频交易。普通的快递服务属于标准化的高频交易，而冷链物流就属于专业性的高频交易。共享单车属于标准化的高频交易，而滴滴的礼橙专车和豪华车型属于专用性的低频交易。美团的外卖送餐服务属于标准化的高频交易，而旅行，酒店属于专业性的低频交易。

专用，高频交易

酒店属于专用性的低频交易，但景区周边的酒店则属于专用性的高频交易。这类酒店从功能和位置上都具有很强的专用性。甚至完全依赖于景区。最明显的例子是乐高和迪士尼的度假酒店，从位置到内部装饰都是完全专用的。这类专用性高的商品供需和价格不受市场的影响，也不需要通过广告来实现增长。当交易频率较高时，为了实现更高的效率，这类交易就会被向后垂直整合。用一个专业一点的词来说，就是通过“看得见的手”进行高效的组织。专用高频交易由于产品的专用性，具有很高的沉没成本，因此，按照波特的竞争理论来看，这类市场对新进入者的壁垒较高，因为专用性资本的前期投入造成的潜在沉没成本。而市场内已经存在的公司间竞争也不会很激烈，因为高昂的退出成本导致任何一方都不会轻易退出。专用高频交易的市场会随着产品专用性和频率的增加而逐渐缩小，并被整合到上下游的产业链中。最典型的例子是通用汽车收购船舶制造公司。
1919年通用汽车与船舶制造公司签订提供封闭型汽车车身的合作协议。在流行开放性车身的市场中，封闭车身是专用性非常强的产品，并且只有通用汽车在使用。因此，为了规避未来的不确定性，在协议中规定通用汽车必须购买生成的所有封闭车身。通用汽车希望固定车身的价格，而面对需求和生产条件在未来可能发生的变化，船舶公司只同意在变化的成本上增加17.6%利润的动态价格。几年后，市场发生变化，使用封闭车身的汽车需求开始激增，船舶公司开始给车身提价，并且拒绝将车身的制造工厂搬迁到通用汽车装配工厂附近。1924年通用汽车无法忍受与船舶公司的合作，1926年通过谈判吞并了船舶制造公司，实现了一体化。
专用，低频交易

专用性较高，但低频交易的商品，通常不会被向后垂直整合。例如普通的市区酒店或二手房买卖服务，还有豪华网约车服务，留学服务，二手车(新车是标准化的，但通过使用和磨损，相同型号的二手车每一辆都变成了独特的商品)。这些商品都具有很高的独特性或专用性，但由于交易频率低，用户在进行这种交易的过程中，通常需要搜集和学习很多非常专业的信息，并且面对很多没有经历过的风险。这些都有很高的成本。这时，能以低成本获得这些专业信息，并且能规避风险的机构就是中介公司。例如：留学，房屋，婚姻中介服务等。对比来看，这类专业的中介公司通过人效管理，专业度，规模化等方法可以比你个人获取信息有更低的成本和更高的效率。因此这类专用产品的低频交易会产生很大的专业化中间市场，即中介服务。但由于交易频率低，比高频具有更多的不确定性。因此专用低频市场必须做到很高的市占率，甚至寡头垄断以保证降低风险。
标准，高频交易

标准性商品具有较高的同质性，在较高的交易频率之下商品在不同的用户间轻易切换。这正是由于同质性和高频，这类交易的价格通常由市场供需决定，同样用一个专业一点的词来说，就是通过“看不见的手”进行高效的组织。这类交易所形成的的市场对新进入者来说进入壁垒低，并且市场内已经存在的公司间竞争也会很激烈，因为退出成本低，市场中的公司会不断的轮换更新。在这类市场中通常只有做到规模化才能盈利，因此不断的横向扩张扩大规模和增加市场占有率是百试不爽的竞争手段和永恒的主题。例如共享单车，外卖送餐，物流服务。标准高频市场最终会从自由竞争变成多寡头垄断的市场。
当然，一个交易不会自始至终都固定在一种模式中。专用性商品在某些特殊时期或者场景下，为了降低风险和扩大市场会放弃一些独特性，成为标准化商品进入更大的市场。从专用性的交易变为标准化的交易。比如，之前我们曾提到的COVID-19疫情期间五星级酒店和高档酒店加入配送流程，进入外卖市场。滴滴APP更新后将之前分开的出租车，快车，礼橙专车和豪华合并到了同一个打车功能下面。而标准化的商品也会因为向下游垂直扩张，捆绑客户以减少竞争及风险在标准产品上增加独特性，从标准化的商品变成专用性商品。例如：iPhone的耳机插孔从3.5mm变成Lightning接口。
推动交易形式不断变化的驱动因素就是竞争，或者说是交易的不确定性。专用性商品往往有专业化较高的技术，和人力成本，这些成本很难被转移到其他商品上。同时专业化的商品客户群固定，范围较小。为了避免这些较高的沉没成本，有时候需要通过标准化转向更大的市场以便能灵活转移之前的成本。例如租房市场，每一间房子都是独特的，有不同地段，商圈，楼层，朝向和户型。而通过对户型的分割和标准化的统一装修，降低了其中一部分的独特性，使大部分房源都更加标准化，也更容易出租。
而标准化商品正好与专业化商品相反，虽然也需要有技术，和人力成本的投入，但这些都不是专业性的。由于产品是标准化的，因此很容易在不同的买家之间切换，反过来买家也可以很容易在不同的卖家间选择和切换。正是由于这种原因标准化的产品往往会面对激烈的竞争。为了摆脱竞争，捆绑住用户标准化商品有动力长期交易中增加商品的独特性。
如何从交易的角度看用户画像？
如果你问一个数据分析师，或者浏览数据分析工具或服务提供商对用户画像的描述。大概率会看到这些关键词：性别，年龄，收入，兴趣标签，行为数据等等。然后可能就会直接转到这些数据的来源，获取数据的方法，不同的埋点方法，甚至是数据清洗及处理这些技术细节。此时，如果你继续问用户画像能为我的公司做什么时，大概率会听到：赋能业务，精准营销，生命周期管理，精细化运营等等这些关键词。
当你继续问这两者之间如何发生联系时，也就是说在我有了用户数据，知道用户的性别，年龄，收入，兴趣以后，怎么就赋能业务了，怎么就精准营销了，怎么就实现精细化运营了以后。大概率会听到一些运营模型，算法和方法论，例如RFM模型，AARRR模型，AIDA模型等等。
在没有触及到最核心问题之前，这些答案都是正确且合理的。换句话说，这些数据和模型对于优化核心问题之前的流程确实是有效果的。比如，DAU，留存率等等。但如果以最终的成交作为最核心的问题来看，这些答案则未必有价值，或者说这些用户画像数据及算法模型与最终的成交之间，可能只是相关，而没有必然的因果联系。用户增长不代表收入增长，留存率增加不能表示复购率也会增加。因为不同指标背后的驱动因素是完全不一样的，我们经常犯的错误是抛开背后的原因，把结果放在一起并从理论上寻找其中的逻辑。因此无论是用户画像中的属性标签和行为数据，还是各种模型和方法论都无法实质性的促进最终的成交。换句话说，成交并不单单是基于精准，更重要的是基于这项交易所获得的价值(交易的价值=获得的价值-付出的价值)，交易价值是两者之差，这个差值可以是你真金白银的补贴，也可以是通过广告宣传或鼓吹制造的概念，还可以是对一些潜在的危险或损失的保险。价值可以通过任何方式，在任何场景中产生和传递。对于忙碌的上班族来说，闲暇的时间是价值。对于住的比较偏远的人来说，快捷的移动性是价值。对于高风险的商品来说，可信赖的保证及保险是价值。社交场景中，人们的关注度是价值。
结合到具体的场景比如，当你想买一副耳机的时候，不会直接选择给你精准推送商品信息的电商下单。而是会综合对比商家的规模，耳机的价格，运费，物流快递，以及退换货时的成本，比如是否有运费险等等。当然，我们这里的交易成本不单指微观的价格因素，而是指使用产品或服务过程中的所有成本。这里有些是在交易过程中非常直观可以感受到的，有些则是在事后才发生和感受到的成本。比如，自己开车和网约车，在交易过程中能直接感受到的是支付的货币价格，而隐藏的和事后感受到的是安全性，停车费，车辆磨损及折旧成本，和精力及被占用的时间价值。

只有当人们意识到他们得到价值高于付出的价值时，他们才会进行交易(俗称占便宜)。这里付出的价值通常是钱，而获得的价值通常是商品或服务。当获得的价值远远高于付出的价值时，比如1分钱购买一瓶饮料。人们会有非常强的交易动力，这也是很多产品在最初阶段采取疯狂补贴的一个原因，通过补贴人为的在短时间内拉低交易成本，让用户在交易中获得更多的价值(占便宜)，从而形成较强的交易动力。而当付出的价值与获得的价值趋于平衡时，人们进行交易的动力也会逐渐减弱，忠诚度也会开始下降。而当获得的价值开始低于付出的价值时，人们就会停止交易，并毫不犹豫的离开。从运营的角度来看，此时用户开始流失了。这时候，无论你有多么精准的用户画像，多么详细的行为数据，也无法唤醒或召回用户。因为所有这些数据都无法改变用户在交换过程中对价值的主观感受。依靠结果指标拼接的理论逻辑失效了，所有的运营模型，算法和方法论都失灵了。

在杰弗里摩尔的《跨越鸿沟》(Crossing the chasm)中有一个市场扩散模型，从最早期的革新者到早期使用者，再到早期大众，后期大众和落后者。交易成本可以从另一个角度解释从早期使用者和到期大众间的鸿沟，此时的鸿沟就变成了如何持续的为不同阶段的用户创造交易中的顺差。我们还是以网约车为例，每天开车上下班的汽车重度使用者会首先意识到通过网约车获得的价值，包括燃油费，停车费，车辆磨损，睡眠和堵车的时间价值。而汽车的轻度使用者由于使用频率低对于价值没有那么敏感。而极少开车的人或不开车的大众消费者在衡量付出和得到的价值时由于参照物不同交易的动力会下降，甚至放弃交易。而跨越这道鸿沟的方法就是进一步降低交易的成本，提高不同阶段用户(创新者，早期使用者，早期大众，后期大众)的价值感知(货币价值，服务价值，时间价值，品牌价值)。让用户在交易过程中持续获得价值。

Uber的高管曾表示：
Uber价格昂贵的原因是因为你不只是为这辆车付钱 - 你要为车上的另一个人支付费用，对出租车做个简单的成本拆解。可以看出，维修养护、车辆本身以及驾驶成本是眼下所有车辆无法回避的。而比例最大的一块，恰恰存在不小的可优化空间。当车内没有其他人时，在任何地方乘坐优步的成本都比拥有车辆便宜。
那么，如何衡量用户在交易中获得的价值呢，或者说，如何建立以交易为基础的用户画像呢？答案是获取尽可能多的用户在替代性产品或服务使用中的频率及成本数据。而不是泛泛的获取很多通用数据。比如，在对比自驾与网约车的成本数据时，用户年龄，收入，家庭结构，车辆型号，油耗，平均通勤距离，用户职业，住址和公司地址(停车位状况)等数据就比用户性别，爱好，籍贯，教育背景这些更有价值。通过数据给用户创造价值，而不是简单的积累用户的数据和标签。建立基于自身业务及交易的用户画像，而不是基于人口统计学的用户画像。

期权匿名回答 · 2022-3-19 23:54:24

很有启发！首先应该只适用于交易端的业务分析，想了下内容端如抖音b站不是很适合这个框架
然后数据成本看，比如单车的数据，如果覆盖足够广，应该能判断用户的出行范围和成本，竞品策略也比较透明，数据成本较低。但如电商平台其实要获得类似数据成本应该会偏高？
最后疑惑的是，光从付出成本和获得价值看，在标准高频商品使用过程高度统一的现在，能优化的就是费用优惠这种了。。很多部门也就是锦上添花

交易决策模型？如何透过交易看用户画像

1 个回复