抖音号交易出售资讯采用UTAUT模型来做精准推荐模型因子分析

在需多大厂的产品经理中经常采用UTAUT模型来做精准推荐模型因子分析。因为每一个网络用户的生活轨迹都被互联网忠实地记录着，网络服务商抓取与挖掘了这些轨迹，形成“数据痕迹”，堪称“大数据”。

根据这些大数据，产品运营可以对消费者的兴趣爱好、购买行为进行科学的分析和预测，透过大数据找到商业价值，从而向消费者进行精准定向推荐。虽然产品运营利用大数据实施精准推荐后，大幅提升了营销效果，改变了企业“知晓浪费了50%的广告费，却不知晓哪50%被浪费”的尴尬局面，但运营的精准推荐不仅给用户带来了“确实想要的东西”，也带来了垃圾信息、无用信息，既给用户带来了便利又造成了困扰。

因此，产品运营用大数据精准推荐信息推送的结果是，并不是所有接触到精准推荐信息的用户都会接受并采取购买产品的行动。消费者对大数据精准推荐的接受意愿的影响因素有哪些？UTAUT模型回答了一部分，但是也不充足。

原来的UTAUT模型在时下的产品运营需求中问题如下：

• 其一，UTAUT模型对便利条件依赖占据1/4这是无必要的，因为产品运营用大数据精准推荐是通过手机短信、电子邮件广告、搜索引擎、个性化引擎推荐、门户网站、微信、微博、竞价排名搜索、关键词搜索广告、点告、窄告等工具向消费者进行精准信息推送的，而当今社会，智能手机和 PC机已经进入千家万户，所以消费者可以借助智能手机和 PC机接收企业向自己推送的精准营销信息，便利性不存在问题。
• 其二，过于依赖年龄结构因素，我国网民的年龄结构依然偏向年轻，以10~39岁群体为主，占整体的72.1%。因此，产品的大数据精准营销的主要对象以年轻人为主。
• 其三，给予性别因子的比重过高，在我的新AI-UTAUT模型中是权重降低的，原因是由于产品运营大数据精准推荐的特点是在合适的时间、合适的地点，凭借合适的媒介，通过合适的渠道，将合适的商品销售给合适的消费者，因此，只要企业大数据推送的信息是精准的，无论男女，皆能接受。