2.3 用户行为预测

前面介绍了用户分层模型，每一个层级都有对应的用户行为。这四个用户行为场景，主要针对用户分层中的注册未转化用户、有效用户部分。

（1）预测潜在用户：收集整理销售数据，研究与企业接触过的用户群体，利用预测分析等技术，预测出用户购买的概率，输出潜在用户清单及各自的购买潜力。

（2）用户分类：针对与企业发生过交易的用户，进行用户分群、分类，对不同类别的用户制定不同的营销策略，使用户能持续进行复购，并减少用户的流失。在具体工作中有很多分类方法，有RFM（最简易的用户分群模型，后面章节会有详细介绍）等传统方法，还有预测性分类等方法。基于用户的分类，其实还可以衍生出很多更深入的模型，如用户复购模型、运营优化模型、卡券分析等。

（3）用户流失预测：对于有过购买行为的用户，利用流失预测模型，研究并找出未来可能流失的用户群体，针对可能流失的用户群体，采用有针对性的策略，打造相应的运营服务模式，减少用户的流失。

（4）Look-alike拉新：针对有稳定、持续购买行为的用户群体，研究其用户特征，根据这些特征，使用Look-alike模型在外部找到更多类似的用户。该模型被广泛应用于广告投放领域，广告投放领域的Look-alike模型指企业利用一些聚类分析（Cluster）相关的模型，通过自身沉淀的用户相关数据，勾勒出企业用户画像。