作為產品經理，領導總讓我們挖掘用戶需求，咋個挖掘法？特別是手頭還沒什麼數據，最多只有一個用戶購貨記錄，感覺挖不出東西。本文對此系統解答一下。做用戶需求挖掘上，有很多很流行的無解，今天也一併澄清。

用戶需求挖掘的錯誤做法

這個段子很多人都聽過：

一個小哥來五金店買釘子
買釘子是因為他想掛一幅畫
掛一幅畫是因為他很孤單
他很孤單因為他很想找女朋友
所以他真正的需求是個女朋友
應該給他介紹個女朋友

故事很好聽，可卻是大錯特錯……從業務上看，一個五金店老闆，如果不想著怎麼賣金屬器械，而是研究牽線搭橋的話，那小店離倒閉也就不遠了。

從數據上看，想不想找女朋友，估計連自己七姑八姨都懶得說，又怎麼會輕易告訴陌生人（況且他還是個賣鋼筋的）。這是個普遍的錯誤：誤以為，用戶需求挖掘，非得挖到別人不知道的八卦奇聞，才算有深度，非得滿足很深層的需求，才算是真需求。

實際上，只有極少數行業能如此深度的了解用戶，能無限度的滿足用戶。比如金融行業，針對極高端客戶的私人服務，或許能做到這一點（分行行長親自開車送大客戶兒子上學也不是啥新鮮事）。但，大部分企業業務範圍有限，面對的是海量用戶。因此，不能脫離業務實際，做太細膩深刻的挖掘。無論是業務上還是數據上，都做不到，也沒有必要做到。

所以，用戶需求挖掘的本質，是：從有限的數據里，篩選關鍵區分維度，提升用戶響應概率。我們要做的，不是搞清楚每個用戶的，每個層次的需求。而是通過區分，提高用戶響應概率，識別核心用戶群體。讓用戶對我們的業務響應率，比閉著眼睛瞎做要高。每高出來一個百分點，都是數據分析師對企業的貢獻。

用戶需求挖掘的五個步驟

第一步：區分核心用戶

還拿五金店老闆舉例。在精力有限的情況下，先抓住大客戶才是關鍵，分類是很必要的。

五金店的用戶分類，可能是：

第一等：物業維修部、裝修隊、工地（B2B類客戶）
第二等：裝修、改水電、維修的客戶（B2C類大客戶）
第三等：偶爾買一個燈泡、插座、釘子的散客（B2C類小客戶）

問題在於，當一個小哥進門，五金店老闆並不知道他到底是哪一類。如果置之不理，可能損失掉一個大生意。但如果每個人都上來問一大堆問題，估計會把客人嚇跑。這裡就開始了第一步的用戶需求挖掘，挖掘的問題很簡單：「您想買點什麼」

第二步：對業務分類

小哥回答：「我想要買釘子」——你聯想到了什麼？這個回答聽起來很簡單，可透露了很多信息。因為，每一類業務，可能有固定的商品組合和消費特點，比如對五金店而言：

工程類業務：大量的鋼筋、各種物料（不會零散採購）
水類改造：水管、扳手，防水膠帶
電類改造：電線、開關、插座
牆體維修：水泥、刷子、油漆
物件維修：釘子、鎚子、鑽機

這叫：業務強相關性。即使不做關聯分析，這些商品也是天生捆綁出現的。並且根據業務規模大小，有固定消費量。做好事先業務分類非常重要。當我們無法採集大量用戶信息的時候，可以通過僅有的一點點購貨記錄，利用業務相關性去推斷用戶需求。

比如這裡老闆聽到小哥需要釘子，可以很快推斷：不是B類用戶，和維修有關。但是老闆仍不知道，小哥到底是C類大客戶還是散客，還需要第二步挖掘。問題也非常簡單：「您買釘子做什麼」。

第三步：抓關鍵信息

小哥回答：「我想要買釘子，在牆上釘一副畫」——聽到這句，你是不是馬上想到要說什麼了！是滴，我們可以看到，做好用戶分群和業務分類以後，再做需求挖掘的時候是非常容易的。

基於前邊的分類，讀者們聽到釘一幅畫，也能立即反映出來：這是個散客，價值不高。釘子和鎚子、鑽機是高度關聯的，有交叉銷售機會。這裡藉助2個簡單的問題，我們已經完成了抓關鍵信息。

當然，實際業務中，傳統企業靠銷售、導購、業務員去抓關鍵信息，互聯網企業靠埋點、推送/反映、問卷、瀏覽頻次等抓關鍵信息。

第四步：推送商品/活動

現在有了假設，我們可以嘗試驗證，推一個商品/活動試驗下。這時候五金店老闆就不會花大力氣去問小哥是不是想談戀愛，而是說：「你需要釘畫的話，用1寸小釘子比3寸的大釘子好看，容易釘還不顯眼。」這樣就能鎖定小哥的需求，比那些不理不睬的老闆成功幾率高。

同時，還能做個交叉推薦：「你有鎚子了嗎？可以買個小鑽機，比鎚子省事，修其他東西也能用」如果推薦成功，就能成功的把客單價從1塊錢提升到200塊，也是小賺一筆。

第五步：驗證推送效果

有推送，就有成功和失敗兩種可能，因此需要驗證效果。需求挖掘，本質上是個概率問題。需要通過數據驗證我們推送，進而驗證我們選擇的挖掘維度，挖掘方向是否正確。對五金店老闆而言，這裡有兩個維度要驗證：

釘牆推薦1寸釘子（假設：基於用戶需求考慮，更容易成交）
釘牆的男性推薦風鑽（假設：男性喜歡機械，有機會成功）

這實際上已經是個小型ABtest了。如果有一個數據可記錄的話，老闆會看到，這兩個假設可能成立，也可能失敗。比如做了200組，發現用戶根本不考慮美觀，都是什麼便宜買什麼，那以後的策略，就是散客來了直接丟最便宜的東西給他。

當然，也有可能發現這個策略可行，10單能交叉賣出3單鑽機。那以後就按這個策略走。到這裡，我們的需求挖掘結束。我們找到了一個區分方向，驗證了一個可提升成交的機會點，從用戶買釘子挖出了鑽機的需求。這麼做，可比天天琢磨小哥到底有沒有女朋友，是喜歡蘿莉還是喜歡御姐要靠譜的多。

雖然只是一個搞笑的例子。（實際上五金店老闆才沒這個耐心，五金店也沒有數據可以記錄）。但是它很形象的展示出了挖掘用戶需求的工作流程：

區分用戶類型
區分業務類型
抓關鍵信息
推送商品/活動
驗證推送效果

這套方法論事可以推廣到各個行業的，特別是數據記錄較少的情況下。注意，這裡先區分用戶還是先區分業務，是有行業差異的。一般傳統企業的業務類型比較固定，傾向於先區分業務。互聯網企業業務比較靈活，甚至能無中生有創造新場景，往往傾向於先區分用戶，甚至有可能針對一個用戶不同場景做文章。

但無論怎麼做，區分用戶與業務都是第一步預動作，也是最重要的一步。通過分類可以清晰後續挖掘的方向，明確挖掘深度，為驗證挖掘是否有用提供標準。

所以這一步下邊會單獨拿出來講。很多同學做用戶需求挖掘毫無頭緒，都是因為缺少分類。而很多同學陷於Abtest，缺少整體判斷，也是因為缺少分類。

用戶/業務區分的注意事項

一提用戶分類，很多文章都扯RFM，這是非常錯誤的。並非所有的業務都需要高頻次消費，也不是所有業務都累積高金額，甚至有可能一個業務同村存在一次消費和高頻消費。

如果從頻次和金額的角度來看，常見的業務可以歸納如下：

傳統企業的業務相對聚焦，在業務分類相對容易。比如房子，分置業、投資。置業再分首次、二次改善，養老。二次改善又有面積改善、環境改善、配套改善、資源改善等若干。家裝、汽車、貸款等等業務都有類似歸類法（文字太多，先不展開了）每一種對應的用戶需求會很聚焦。因此傳統企業的用戶需求挖掘，沒有那麼依賴「大數據」。更多是類似五金店老闆，做好業務分類，在前端銷售、導購、業務員做好關鍵信息採集。

互聯網公司需特別注意：一個平台有可能同時融合多種業務，這些業務看似相似，可實際對應的用戶需求，相關的業務，完全不同。（如上圖紅圈所示）一個訂票平台，對商旅客人，可能就是高頻次高金額頻繁發生的事，這時候可以用RFM來進一步細分。

但對新婚游，可能就是個很低頻的需求，找的關聯業務就是酒店、租車、回程以後休閑地（出趟國，十幾二十天回來真的很累，需要補假）。類似的，電商平台，賣的同時有零食、手機、充值卡、電視等等，在挖需求的時候也要區分常見，而不是一鍋燉了了事。

用戶分群的具體操作內容太多，需要單獨開一篇文章寫，這篇已經3000字了，怕大家讀著累。

推送/驗證的注意事項

做產品經理的同學，往往和做數據的同學一起做ABtest的很多，但做的很被動。往往是業務拿著方案，數據只是機械操作。自己提假設，自己進行驗證的能力差。

這裡關鍵是：提假設。很多同學對著交易數據沒感覺，資料庫里評論、需求、瀏覽數據又太少。這裡舉個簡單的例子。比如我們看到一個購物單，我們可以大膽做假設：

所以你看，不需要特別多數據，也能提假設。當然，不是所有假設都有必要投入ABtest，我們可以先從數據上作區分。比如從一個用戶身上發現的假設點，先看：是否該用戶有強烈的特徵，比如我們假設他是優惠驅動，那麼他參與優惠訂單》n次，優惠力度》50%的活動參與率》X%，總之，他得真的表現出對優惠有特別興趣。再看是否有足夠數量用戶有類似特徵，如果用戶數量太少，那即使是個機會點，也不一定被業務所用。如果符合以上兩點，可以考慮提建議，讓業務做方案，上Abtest了。