购买决策的基本模型：经典EKB模型、AIDA模型、霍华德-谢思模型
消费者购买决策并非一个瞬间的“买/不买”二元选择，而是一条从信息刺激到购后评价的完整心理链路。在用户增长与转化率优化的实践中，理解这条链路的结构化工具，就是经典的购买决策模型。本章聚焦三个最具代表性的理论框架——EKB模型（恩格尔-科莱特-布莱克韦尔模型）、AIDA模型（注意-兴趣-欲望-行动模型）与霍华德-谢思模型，通过对比它们的结构逻辑、适用边界与实战用法，帮助你建立“选对模型、用对场景”的诊断能力。
2.1 EKB模型：全流程信息处理框架
核心原理
EKB模型由恩格尔（Engel）、科莱特（Kollat）和布莱克韦尔（Blackwell）于1968年提出，后经多次修订。它将消费者决策视为一个五阶段连续过程：需求认知 → 信息搜索 → 方案评估 → 购买决策 → 购后行为。该模型的核心贡献在于强调信息流在决策中的中枢作用——消费者从外部环境（营销刺激、社会影响）和内部记忆（经验、信念）中获取信息，经过知觉过滤、记忆加工后形成态度与意图。
EKB模型特别关注环境变量（文化、社会阶层、家庭）和个体变量（动机、价值观、生活方式）对决策的调节作用。它不是一个线性“漏斗”，而是一个带有反馈回路的动态系统——购后评价会反过来影响下一次决策的信息搜索与评估标准。
判断方法：何时优先使用EKB模型
- 决策卷入度高：产品单价高、功能复杂、试错成本大（如汽车、企业软件、医疗方案）。
- 信息搜索行为明显：用户会主动比较多个品牌、阅读评测、咨询他人。
- 需要诊断“卡点”：当转化率低但原因不明时，EKB能帮你定位是需求唤醒不足、信息触达不够、还是评估标准未被满足。
- 购后管理重要：复购、口碑传播、退换货率是业务关键指标时。
案例拆解：某企业级SaaS产品的决策诊断
某B2B SaaS公司（年客单价30万元）发现销售线索量大但签约率仅8%。团队最初只优化了官网文案和销售话术，效果甚微。引入EKB模型后，他们按五阶段拆解用户行为数据：
| 阶段 | 用户行为指标 | 诊断发现 |
|---|---|---|
| 需求认知 | 试用注册率 | 45%的访客来自“效率提升”关键词，但产品首页未突出“降本”价值，需求唤醒错位 |
| 信息搜索 | 资料下载/案例查看 | 用户平均查看3.2个案例，但缺少同行业案例，搜索效率低 |
| 方案评估 | 对比页停留/询价 | 对比页仅列出功能参数，未提供ROI计算器，评估标准未被满足 |
| 购买决策 | 合同谈判周期 | 法务审核平均耗时14天，流程繁琐导致流失 |
| 购后行为 | 续费率/NPS | 首年续费率72%，但用户反映上线培训不足，影响口碑推荐 |
基于诊断，团队重新设计了首页价值主张（突出“降本”）、新增行业案例库、上线ROI计算器、简化合同流程并强化培训体系。6个月后签约率提升至15%，续费率升至85%。复盘要点：EKB的价值不在于“预测谁会买”，而在于定位决策链路上的结构性瓶颈。
2.2 AIDA模型：传播漏斗与内容转化利器
核心原理
AIDA模型由广告学家E. St. Elmo Lewis于1898年提出，是最经典的传播效果阶梯模型。它将消费者从接触信息到完成购买划分为四个递进层级：注意（Attention）→ 兴趣（Interest）→ 欲望（Desire）→ 行动（Action）。每一层级对应不同的用户心理状态和营销任务：注意靠“抓眼球”，兴趣靠“讲价值”，欲望靠“造渴望”，行动靠“降门槛”。
与EKB的“全流程信息处理”不同，AIDA本质上是单次传播触达的转化路径。它假设用户从“不知道”到“购买”是一个可被内容驱动的线性过程，因此特别适合广告文案、落地页设计、短视频脚本、邮件营销等场景。
操作流程：用AIDA设计高转化落地页
- A（注意）：主标题+首屏视觉，3秒内说清“你是谁、为谁解决什么问题”。避免抽象口号，用具体数字或痛点场景。
- I（兴趣）：用“为什么你需要关注”来建立关联。展示产品原理、使用场景、用户证言，让用户觉得“这跟我有关”。
- D（欲望）：强化“拥有后的好处”与“失去的代价”。使用对比（Before/After）、稀缺性（限时优惠）、社会证明（销量/大牌客户）。
- A（行动）：CTA按钮清晰可见，文案使用命令式（“立即领取”“马上预约”），并降低行动成本（免注册、免费试用、无风险退款）。
案例拆解：某在线教育课程的信息流广告优化
某职业教育平台投放信息流广告推广“数据分析实战课”（客单价2999元），初始点击率1.2%，但落地页转化率仅0.8%。按AIDA逐层审计：
- A层问题：广告标题为“数据分析课程招生”，过于平淡。改为“3个月从Excel小白到SQL取数高手，薪资涨幅超40%学员占比67%”后，点击率升至2.1%。
- I层问题：落地页首屏是课程大纲，用户无感。改为“3个真实学员转型案例+薪资对比图”，停留时长从25秒提升至58秒。
- D层问题：未制造紧迫感。增加“本期仅招50人，剩余12席”的实时名额提示，欲望层转化率提升35%。
- A层问题：CTA按钮为“了解更多”，指向模糊。改为“立即抢占试听名额”，并支持微信一键登录，行动层转化率提升22%。
优化后整体转化率从0.8%升至2.4%，单条广告ROI提升3倍。复盘经验：AIDA的每一层都需要可量化的过程指标（点击率、停留时长、加购率、提交率），否则无法定位漏斗漏点。
2.3 霍华德-谢思模型：刺激-反应与长期关系视角
核心原理
霍华德-谢思模型（Howard-Sheth Model）由John Howard和Jagdish Sheth于1969年提出，是消费者行为学中体系最完整的模型之一。它整合了输入变量（刺激）、知觉建构、学习建构、输出变量四大模块，强调购买决策是外部刺激（产品信息、社会影响）与内部心理状态（动机、态度、信心）交互作用的结果。
该模型将决策分为三类：广泛性问题解决（EPS）（全新品类，信息需求大）、有限性问题解决（LPS）（熟悉品类，适度比较）、例行反应行为（RRB）（习惯性购买，几乎不思考）。这一分类比EKB的“卷入度”更精细，因为它同时考虑了品牌熟悉度和品类经验两个维度。
判断方法：霍华德-谢思模型的适用信号
- B2B采购决策：涉及多个决策角色（使用者、影响者、采购者、决策者），需要分析不同角色的态度与信心。
- 品牌忠诚度研究：当你想理解“为什么用户持续复购”或“为什么用户转向竞品”时，该模型能拆解态度、信心、满意度之间的动态关系。
- 市场细分与定位：通过输入变量（价格、质量、服务、社会影响）对购买意向的影响权重，识别不同细分市场的驱动因素。
- 新产品上市策略：判断目标用户处于EPS（需要大量教育）还是LPS（需要差异化对比）状态，从而配置营销资源。
案例拆解：某工业设备制造商的客户忠诚度危机
某工业设备制造商（客单价200万元，客户为大型工厂）发现老客户流失率从5%升至12%，而竞品价格仅低8%。团队最初认为“价格是唯一原因”，但霍华德-谢思模型分析显示：
| 模型变量 | 诊断发现 | 干预动作 |
|---|---|---|
| 输入变量（产品/服务） | 客户对售后响应速度不满（平均48小时），但竞品为12小时 | 建立区域备件库+驻场工程师，响应时间降至8小时 |
| 知觉建构（品牌形象） | 客户认为“老品牌技术保守”，与数字化转型趋势脱节 | 发布IoT远程运维系统，举办技术开放日 |
| 学习建构（态度/信心） | 采购决策者对老品牌有信心，但使用者（车间主任）抱怨操作复杂 | 升级人机交互界面，提供免费操作培训 |
| 输出变量（购买意向） | 意向下降集中在“设备更新换代”场景，而非日常补货 | 推出“以旧换新+金融租赁”方案，降低换代门槛 |
12个月后，老客户流失率降至6%，且“换代场景”的意向份额回升至行业第一。复盘要点：霍华德-谢思模型的价值在于区分“态度”与“行为”之间的差距——客户嘴上说“满意”但行为上流失，往往是因为知觉建构或学习建构中的某个变量未被满足。
2.4 三模型对比与选型决策表
| 对比维度 | EKB模型 | AIDA模型 | 霍华德-谢思模型 |
|---|---|---|---|
| 核心视角 | 信息处理全流程 | 传播效果阶梯 | 刺激-反应+心理建构 |
| 决策类型 | 高卷入度、复杂决策 | 低卷入度、冲动/短决策 | EPS/LPS/RRB全覆盖，偏长期关系 |
| 时间跨度 | 单次决策全周期（含购后） | 单次触达至转化 | 多次购买、品牌关系周期 |
| 关键变量 | 环境变量、个体变量、信息流 | 注意力、兴趣、欲望、行动 | 输入刺激、知觉、学习、态度、信心 |
| 典型应用 | 用户旅程地图、转化瓶颈诊断 | 广告文案、落地页、内容营销 | B2B采购、品牌忠诚度、市场细分 |
| 数据需求 | 行为数据+态度数据+环境数据 | 点击率、停留、转化率等过程指标 | 多角色调研+行为数据+长期追踪 |
| 局限 | 模型复杂，执行成本高 | 线性假设，忽略购后与复购 | 变量间关系难以量化验证 |
选型决策清单
- 先问决策复杂度：用户需要比较几个品牌？信息搜索成本高吗？——高则选EKB或霍华德-谢思，低则选AIDA。
- 再问营销目标：是“让更多人知道并尝试”（AIDA），还是“优化整体转化链路”（EKB），还是“提升复购与忠诚”（霍华德-谢思）？
- 三问数据条件：只有广告点击数据？用AIDA。有用户行为日志+调研问卷？用EKB。有长期客户关系数据+多角色访谈？用霍华德-谢思。
- 最后考虑资源：EKB和霍华德-谢思需要跨部门协作（市场、销售、客服、产品），AIDA可由增长团队独立执行。
总结复盘：模型选择的“场景-问题”匹配表
| 业务场景 | 典型问题 | 首选模型 | 辅助模型 |
|---|---|---|---|
| 信息流广告优化 | 点击率低、转化率低 | AIDA | EKB（定位需求认知偏差） |
| SaaS产品试用转化 | 注册多但付费少 | EKB | 霍华德-谢思（分析态度-行为差距） |
| B2B大客户流失 | 满意度高但流失 | 霍华德-谢思 | EKB（购后行为分析） |
| 新品上市教育 | 用户不熟悉品类 | 霍华德-谢思（EPS） | AIDA（首波传播内容） |
| 快消品促销活动 | 短期销量冲刺 | AIDA | EKB（活动后复购评估） |
在实际应用中，建议团队先建立最小可行数据看板：至少覆盖“触达→兴趣→意向→行动→复购”五个环节的过程指标，再根据业务问题选择模型进行深度诊断。模型是思维的脚手架，最终要落到“哪个环节、哪个变量、什么动作”的具体优化上。