2.3 用戶行為預測

前面介紹了用戶分層模型，每一個層級都有對應的用戶行為。這四個用戶行為場景，主要針對用戶分層中的注冊未轉化用戶、有效用戶部分。

（1）預測潛在用戶：收集整理銷售數據，研究與企業接觸過的用戶群體，利用預測分析等技術，預測出用戶購買的概率，輸出潛在用戶清單及各自的購買潛力。

（2）用戶分類：針對與企業發生過交易的用戶，進行用戶分群、分類，對不同類別的用戶制定不同的營銷策略，使用戶能持續進行復購，并減少用戶的流失。在具體工作中有很多分類方法，有RFM（最簡易的用戶分群模型，后面章節會有詳細介紹）等傳統方法，還有預測性分類等方法。基于用戶的分類，其實還可以衍生出很多更深入的模型，如用戶復購模型、運營優化模型、卡券分析等。

（3）用戶流失預測：對于有過購買行為的用戶，利用流失預測模型，研究并找出未來可能流失的用戶群體，針對可能流失的用戶群體，采用有針對性的策略，打造相應的運營服務模式，減少用戶的流失。

（4）Look-alike拉新：針對有穩定、持續購買行為的用戶群體，研究其用戶特征，根據這些特征，使用Look-alike模型在外部找到更多類似的用戶。該模型被廣泛應用于廣告投放領域，廣告投放領域的Look-alike模型指企業利用一些聚類分析（Cluster）相關的模型，通過自身沉淀的用戶相關數據，勾勒出企業用戶畫像。