内容摘要：去年秋天，我盯着一个电商平台的用户行为日志看了整整三天。几万条记录里，有一条路径反复出现：用户先搜“降噪耳机”，点进某品牌旗舰店，浏览两款产品，退出，再搜“降噪耳机 平价替代”，最后下单了一个我根本没

去年秋天，渗透建模我盯着一个电商平台的渗透建模用户行为日志看了整整三天。几万条记录里，渗透建模有一条路径反复出现：用户先搜“降噪耳机”，渗透建模点进某品牌旗舰店，渗透建模浏览两款产品，渗透建模退出，渗透建模再搜“降噪耳机 平价替代”，渗透建模最后下单了一个我根本没听说过的渗透建模牌子。这条路径不是渗透建模个例。它背后藏着一个很朴素的渗透建模问题——用户不是直接“买”了东西，而是渗透建模被一系列信息触点推着走完了决策链。渗透建模要干的渗透建模，就是渗透建模把这条链拆开，看每个环节到底发生了什么。渗透建模

很多人把渗透建模和用户画像混为一谈。画像告诉你“这个人是谁”，渗透模型告诉你“这个人怎么变成客户的”。差别很大。画像像一张身份证，渗透模型更像一段行车记录仪。你光知道车主是30岁男性没用，你得知道他为什么在第三个路口右转，而不是直行。

我最早接触渗透建模是在一个社交产品的增长团队。当时我们有个假设：新用户注册后如果48小时内加了3个好友，留存率会翻倍。这个假设听起来合理，但建模之后发现，真正起作用的不是“加3个好友”这个动作本身，而是“被至少一个人主动关注”这个事件。加好友是主动行为，被关注是被动体验。后者带来的留存提升是前者的两倍多。你看，直觉和模型经常打架，而模型赢了。

渗透建模的核心操作其实不复杂。把用户从第一次接触到最终转化之间的所有关键节点列出来，给每个节点赋一个权重，然后算每条路径的总渗透值。权重怎么定？不是拍脑袋。用历史数据做逻辑回归，或者干脆用简单的转化率差值。比如从“浏览商品页”到“加入购物车”的转化率是12%，从“加入购物车”到“支付”是45%，那前者的权重就更大，因为它是更稀缺的跃迁。

但这里有个坑。很多人建完模型就把它当真理供着，忘了模型是活的。我见过一个工具类产品，渗透模型跑了半年都很准，突然某个月完全失效。查了半天，原因是竞品上线了一个免费功能，把用户决策路径直接截断了。模型没变，环境变了。所以渗透建模必须带时间窗口，最好每周重算一次权重。别偷懒。

还有一个容易被忽略的点：负向渗透。不是所有触点都在推着用户往前走。有些环节在赶人。比如一个强制注册弹窗，可能让30%的用户直接退出。你在模型里得给这种节点负权重，否则算出来的渗透值会虚高。我习惯把负向节点单独标红，每次看模型先看红色区域。那里往往藏着最大的优化空间。

说个具体的。某在线教育平台用渗透模型发现，试听课结束后的“立即购买”按钮点击率只有8%，但如果在试听过程中插入一个“领取优惠券”的浮层，点击率能到22%。更关键的是，领了券的用户最终付费率是没领券用户的3.4倍。这个浮层就是一个高渗透节点。后来他们把浮层从试听第10分钟提前到第3分钟，整体转化又涨了一截。你看，渗透建模不只是分析工具，它直接告诉你该动哪里。

最后说句实在的。渗透建模不需要多高深的技术，Excel都能跑。难的是你愿不愿意花时间把用户路径一条条捋清楚，愿不愿意承认自己之前的判断可能是错的。模型不会说谎，说谎的是那些只看平均数不看分布的人。把路径拆开，把权重算准，把负向节点盯住。剩下的，就是反复调、反复验。没有捷径。