本文作者從實(shí)際項(xiàng)目出發(fā)，結(jié)合自己的所思所想，從定義、數(shù)據(jù)、指標(biāo)、分析視角和應(yīng)用場景5個方面對用戶行為數(shù)據(jù)分析方法展開了詳細(xì)闡述，與大家分享。

最近，由于公司開發(fā)新產(chǎn)品，需要設(shè)計(jì)一個數(shù)字化運(yùn)營的平臺，主要目標(biāo)是：

1. 收集多源用戶數(shù)據(jù)；
2. 數(shù)據(jù)分析；
3. 用戶分群；
4. 用戶畫像

所以現(xiàn)在想根據(jù)自己閱讀過的資料，以及市面上已有的大數(shù)據(jù)用戶行為分析產(chǎn)品（主要體驗(yàn)了GrowingIO和神策數(shù)據(jù)），并結(jié)合自己的理解和想法，重思路輕技術(shù)的角度進(jìn)行一個學(xué)習(xí)分享，希望自己也有更多的收獲和反思。本文主要闡述數(shù)據(jù)分析模塊的內(nèi)容，后續(xù)等自己研究好用戶畫像資料后再來分享。

寫在前面

互聯(lián)網(wǎng)時代背景下，用戶每天都會在日常使用的app上留下自己的行為，例如淘寶上搜索、瀏覽、購買商品；抖音上收藏、點(diǎn)贊、評論視頻等等，而每個產(chǎn)品背后不僅記錄了用戶行為這樣的實(shí)時動態(tài)數(shù)據(jù)，還記錄了用戶一些靜態(tài)數(shù)據(jù)（個人信息、或用戶屬性）。

數(shù)據(jù)源不只有app，還有小程序、web、H5、第三方。至于第三方來源的數(shù)據(jù)，我理解的就是利用用戶的靜態(tài)數(shù)據(jù)來做關(guān)聯(lián)，一方面可以打通多個產(chǎn)品之間的信息，這樣可以更多維度的去理解用戶，也可以創(chuàng)造更多機(jī)會的營銷觸達(dá)；另一方面，就是便于新產(chǎn)品的冷啟動。

將多源的用戶數(shù)據(jù)收集到平臺，最重要的是如何處理和分析數(shù)據(jù)，使得數(shù)據(jù)能夠驅(qū)動產(chǎn)品，達(dá)到公司戰(zhàn)略目的。數(shù)據(jù)分析需要更多的關(guān)注用戶表現(xiàn)，為各團(tuán)隊(duì)的決策提供數(shù)據(jù)支撐，并以用戶表現(xiàn)來反觀決策效果，這樣數(shù)據(jù)分析就有了精細(xì)化的應(yīng)用場景。

具體有：

1. 對于設(shè)計(jì)團(tuán)隊(duì)，數(shù)據(jù)分析可以幫助他們?nèi)绾翁岣哂脩趔w驗(yàn)、功能增減和優(yōu)化等；
2. 對于運(yùn)營團(tuán)隊(duì)，數(shù)據(jù)分析可以幫助他們?nèi)绾尉珳?zhǔn)投放文案、活動、廣告等；
3. 對于BD團(tuán)隊(duì)，可以幫助他們篩選推廣渠道、把握目標(biāo)客戶等；
4. 對于公司，深度理解業(yè)務(wù)、快速更進(jìn)方案和洞察問題所在等。
5. 更多……

下面進(jìn)入數(shù)據(jù)分析模塊的內(nèi)容分享，用戶行為數(shù)據(jù)分析方法常見的主要有5種，我將從五個方面結(jié)合自己的理解來闡述。如下圖所示：

01 事件分析

1. 定義/概念

事件分析是對用戶觸發(fā)的行為事件進(jìn)行多角度分析。

按照小學(xué)時代的日記寫作方法理解，敘述一件事情重要的元素是時間、地點(diǎn)、人物、做了什么、怎么做的、為什么做、做了多少，也就等同于5W2H模型（when、where、who、why、what、how、how much）。

對事件分析普遍采集的數(shù)據(jù)進(jìn)行歸納研究后，我發(fā)現(xiàn)可以用一個公式進(jìn)行理解：

一個用戶行為事件=時間when+地點(diǎn)where+人物who（單個用戶、用戶群）+行為what（動作+動作對象）+工具h(yuǎn)ow（設(shè)備、操作系統(tǒng)、語言等）+指標(biāo)how much（統(tǒng)計(jì)事件的計(jì)量方式）。

2. 需要記錄的數(shù)據(jù)

根據(jù)上述的公式，需要記錄的數(shù)據(jù)如下：

3. 計(jì)量方式/統(tǒng)計(jì)指標(biāo)

• 事件觸發(fā)次數(shù)，例如點(diǎn)擊【立即購買】按鈕元素多少次；
• 事件觸發(fā)人數(shù)，例如點(diǎn)擊【收藏】按鈕人數(shù)；
• 事件觸發(fā)金額，例如點(diǎn)擊【支付】總金額、人均、次均；
• 事件觸發(fā)的頁面數(shù)，例如瀏覽了產(chǎn)品多少個頁面，才滿足了自己的需求；
• 事件發(fā)生時長，例如瀏覽商品列表頁、詳情頁的時長，瀏覽短視頻時長等。

4. 分析視角

通過分層、分組、和過濾的方式進(jìn)行分析，根據(jù)上述公式的元素總結(jié)分層、分組和過濾的維度。

（1）時間

（2）用戶

（3）行為

其實(shí)在很多資料上都把行為和事件都當(dāng)作一樣的概念，但是我自己覺得行為是事件的一個元素。用《數(shù)據(jù)結(jié)構(gòu)》課本上的知識，確切的來說：事件就是一個數(shù)據(jù)元素，行為是事件的一個項(xiàng)。所以我在本文將把行為和事件劃為2個概念，所以【事件屬性】這個詞我覺得用【行為屬性】來表示更貼切。

我從用戶和產(chǎn)品兩個角度對行為屬性進(jìn)行分類和歸納。其一，在上述的那個公式中，按照用戶視角下的用戶在屏幕前的動作和動作對象（這里我是結(jié)合主謂賓結(jié)構(gòu)來思考的，有了用戶（主語），行為的話應(yīng)當(dāng)包括動作（謂語），動作對象（賓語），這樣就是完整的結(jié)構(gòu)），然后我自己還根據(jù)用戶視角下用戶態(tài)度來對行為屬性進(jìn)行分類。其二，站在產(chǎn)品角度，或者是公司角度，用戶行為中最關(guān)心的是，用戶的轉(zhuǎn)化行為、購買行為、社交行為等。具體如下圖所示：

（4）工具

（5）地點(diǎn)

（6）事件結(jié)果

事件的結(jié)果分層、分組和過濾就是對統(tǒng)計(jì)指標(biāo)進(jìn)行劃分。

5. 應(yīng)用場景

由于用戶行為是動態(tài)，所以在前端事件分析的結(jié)果會展示過去、實(shí)時現(xiàn)在、趨勢未來。例如實(shí)時在線人數(shù)、實(shí)時交易額等；用曲線圖展示事件的發(fā)展的趨勢，以預(yù)測未來的變化方向；也能夠統(tǒng)計(jì)事件總體情況。經(jīng)過細(xì)化的分層，又能夠?qū)τ脩暨M(jìn)行精細(xì)化的分組，以便于精準(zhǔn)的用戶運(yùn)營。

經(jīng)過對事件分析的總結(jié)，個人發(fā)現(xiàn)事件分析是所有分析方法的前提，捋清楚了事件分析的思路和各維度參數(shù)的含義，才能進(jìn)一步的去了解其他的分析方法，特別是對用戶行為和用戶屬性的理解，如何能夠全量地進(jìn)行分類和局部關(guān)鍵行為的概括。

02 分布分析

1. 定義/概念

分布分析主要分析兩種情況：

1. 洞察用戶行為分布規(guī)律；
2. 觀察不同維度（渠道、地區(qū)等）用戶分布情況。

說到底分布分析就是事件分析中分層和分組的過程，是一種非連續(xù)性變量的統(tǒng)計(jì)分析方法，其目的就是為了進(jìn)行層間和組間對比分析，以找到產(chǎn)品優(yōu)化方向、甄別核心用戶群、實(shí)時調(diào)整運(yùn)營策略。

2. 需要記錄的數(shù)據(jù)

同事件分析

3. 計(jì)量方式/統(tǒng)計(jì)指標(biāo)

行為次數(shù)、用戶數(shù)

4. 分析視角

分布分析的思路與事件分析的分層、分組分析的過程一致。但是分布分析更側(cè)重對比分析，事件分析主要是呈現(xiàn)層間和組間的數(shù)據(jù)信息。

5. 應(yīng)用場景

對比分析，可以得出topN的列表，及時調(diào)整資源分配。

• 行為分布，可以對產(chǎn)品功能進(jìn)行優(yōu)化，以提升轉(zhuǎn)化和留存。
• 用戶分布，可以獲取ARPU最大的核心用戶群體，以優(yōu)化運(yùn)營策略。

03 留存分析

1. 定義/概念

一種用來分析用戶參與情況/活躍程度的分析模型，考察進(jìn)行初始行為的用戶中，有多少人會進(jìn)行后續(xù)行為，衡量產(chǎn)品對用戶價值高低的重要方法。

留存分析較其他的分析方法，更側(cè)重于分析產(chǎn)品對用戶的意義，只有用戶覺得產(chǎn)品幫助自己解決了某些問題、滿足了自己的需求、或者功能用起來更便捷的時候才會延用下去，否則用戶一定吝嗇自己的時間和手機(jī)內(nèi)存的。這也是驗(yàn)證用戶需求分析是否到位，產(chǎn)品設(shè)計(jì)是否合理的關(guān)鍵指標(biāo)。

2. 需要記錄的數(shù)據(jù)

除了同事件分析外，還需要記錄產(chǎn)品功能信息。

3. 計(jì)量方式/統(tǒng)計(jì)指標(biāo)

n日留存率、n日留存人數(shù)。

4. 分析視角

留存分析主要從兩個角度出發(fā)，用戶的留存情況和產(chǎn)品功能的留存情況。

5. 應(yīng)用場景

留存分析應(yīng)用于需要明確一些問題的場景。

• 用戶是否觸達(dá)產(chǎn)品核心價值（關(guān)鍵事件，轉(zhuǎn)化行為）？
• 留下來的是不是目標(biāo)用戶？
• 用戶活躍程度、質(zhì)量如何？
• 關(guān)鍵事件前后間隔時間是多少？
• 用戶生命周期和產(chǎn)品使用周期是什么樣的？
• 產(chǎn)品是否滿足了用戶需求？
• 用戶為什么留下來、或者沒留下來？
• ……

最終為產(chǎn)品的迭代、產(chǎn)品的設(shè)計(jì)、運(yùn)營策略、資源分配進(jìn)行最佳的調(diào)整。

04 漏斗分析

1. 定義/概念

首先我想通過自己設(shè)計(jì)的漏斗分析舉一個例子，這個例子是關(guān)于【搜索購買】的漏斗。如下圖所示。

從圖中可看出，漏斗分析是對多個行為進(jìn)行分析，并且這些行為不僅有先后次序的，而且是一個完整的復(fù)雜事件，對漏斗的每個行為我們都很關(guān)心（不只是開始和結(jié)束的行為，還有中間的過程，這點(diǎn)似乎是對留存分析的一個細(xì)節(jié)補(bǔ)充）。

漏斗分析是需要先預(yù)設(shè)好漏斗步驟和窗口期，總的來說是設(shè)計(jì)好的轉(zhuǎn)化漏斗和轉(zhuǎn)化周期，一般情況是對核心事件的轉(zhuǎn)化行為的一個衡量方法。一個轉(zhuǎn)化漏斗分析，可以得到許多的信息，如圖右邊的【數(shù)據(jù)細(xì)節(jié)】所示。

需要注意的一點(diǎn)就是，漏斗分析沒有強(qiáng)順序，中間可以重復(fù)步驟內(nèi)的行為，也可以穿插步驟外的行為，只要在窗口期內(nèi)完成漏斗步驟內(nèi)的行為即可。例如：窗口期為1天，漏斗步驟為“A->B->C->D->E”，在用戶觸發(fā)A->B ，又回到A，再回到B或F，那么只會記錄A->B一次，而F行為不在漏斗步驟內(nèi)，則不參與統(tǒng)計(jì)。

2. 需要記錄的數(shù)據(jù)

同事件分析。

3. 計(jì)量方式/統(tǒng)計(jì)指標(biāo)

• 漏斗轉(zhuǎn)化率、轉(zhuǎn)化人數(shù)、轉(zhuǎn)化次數(shù)；
• 漏斗流失率、流失人數(shù)、未轉(zhuǎn)化次數(shù)。

4. 分析視角

1）單個漏斗分析對預(yù)先設(shè)置好的漏斗步驟進(jìn)行分析，漏斗步驟涉及多個行為，每一個行為都會對轉(zhuǎn)化產(chǎn)生重要影響，此方式是對一個轉(zhuǎn)化事件進(jìn)行有順序的行為分層，我們可以從總體來觀察漏斗的數(shù)據(jù)變化，也可以切分行為層進(jìn)行單個或幾個行為來觀察漏斗內(nèi)哪些環(huán)節(jié)出現(xiàn)了問題。

2）多個漏斗分析，就可以進(jìn)行對比研究。如下圖所示：

一方面是我自己更細(xì)化了漏斗步驟內(nèi)的行為，對行為做了一個過濾、或者增加一個副級行為。比如：購買商品的轉(zhuǎn)化漏斗“搜索->瀏覽商品列表頁->點(diǎn)擊商品->瀏覽商品詳情頁->加入購物車->生成訂單->支付訂單->支付成功”，可以對搜索這個行為進(jìn)行過濾和增加，過濾的維度可以是“搜索了多少次”，增加的維度可以是“點(diǎn)擊熱搜”、“搜索詞推薦”等副級行為。細(xì)分的漏斗對比分析后，可以更加精準(zhǔn)的找到用戶在搜索多少次可以找到需要的商品，搜索詞推薦是否有效？

另一方面，可以采用事件分析分層、分組、過濾的方式來對比觀察。

5. 應(yīng)用場景

漏斗分析是衡量流量轉(zhuǎn)化、頁面轉(zhuǎn)化的高頻數(shù)據(jù)分析方法。

可以幫助解決如下場景的問題：

從產(chǎn)品的角度來說：

• 核心轉(zhuǎn)化行為的觸達(dá)在預(yù)設(shè)的步驟中是否科學(xué)合理，是否能夠讓用戶有效觸發(fā)產(chǎn)品的核心功能。
• 產(chǎn)品的核心功能在用戶使用時，是否達(dá)到簡單快捷，從而提高轉(zhuǎn)化效率？如果不是，那么卡在哪個環(huán)節(jié)，對該環(huán)節(jié)進(jìn)行深入分析。
• 獲得轉(zhuǎn)化周期等等

從用戶角度來說：

• 在每個漏斗步驟上，既有進(jìn)入下一個步驟的用戶，也有在這個步驟上流失的用戶，從而對用戶進(jìn)行更細(xì)致的分群，也獲得了忠實(shí)用戶群和潛在用戶群，對于精細(xì)化的用戶運(yùn)營提供了數(shù)據(jù)支撐。

05 路徑分析

1. 定義/概念

路徑分析顧名思義就是用戶在產(chǎn)品上進(jìn)行操作的過程，有些地方會用“用戶旅程”、“用戶動線”詞匯來形容用戶路徑。這好比是一種數(shù)字化方式來跟蹤和監(jiān)控用戶的所有行為，從而可以得到頻繁訪問路徑。和漏斗分析一樣，目標(biāo)還是為了提升關(guān)鍵模塊的轉(zhuǎn)化率。因此，路徑分析需要得出最短路徑、優(yōu)化最低轉(zhuǎn)化環(huán)節(jié)、跟蹤主流路徑。

2. 需要記錄的數(shù)據(jù)

同事件分析。

3. 計(jì)量方式/統(tǒng)計(jì)指標(biāo)

用戶數(shù)：流失、轉(zhuǎn)化、留存。

關(guān)注路徑上每個環(huán)節(jié)的用戶數(shù)的變化。

4. 分析視角

路徑分析主要分為三類：轉(zhuǎn)化漏斗、智能路徑、用戶路徑。

路徑分析呈現(xiàn)的所有路徑，都可以用于構(gòu)建新的漏斗分析，發(fā)現(xiàn)新的主流路徑和轉(zhuǎn)化漏斗。

1）轉(zhuǎn)化漏斗：屬于預(yù)置好用戶路徑的分析。

2）智能路徑：設(shè)定好目標(biāo)行為（終末行為，例如用戶購買商品事件中，目標(biāo)行為就是“支付訂單成功”）之后可以發(fā)現(xiàn)很多條路途可以到達(dá)目的地。

3）用戶路徑：主要為了完整再現(xiàn)用戶整個轉(zhuǎn)化過程，有一種監(jiān)控和跟蹤的意思。例如用戶在購買紙巾的過程中，可能先是搜索紙巾，然后看了商品列表頁，瀏覽了商品詳情頁，但是突然有了生活用品的活動廣告，又去逛了生活用品，逛著逛著可能覺得自己缺牙刷了，又開始看牙刷，退出廣告里的內(nèi)容，發(fā)現(xiàn)產(chǎn)品推薦了一條漂亮的裙子，突然覺得自己缺一條，于是購物車?yán)锟赡苡卸鄠€牌子的紙巾，有牙刷、還有裙子，但是可能最終還是只買了紙巾，也有可能全部支付成功。這樣完整再現(xiàn)用戶購買過程，就可以驗(yàn)證廣告的觸達(dá)效率、產(chǎn)品推薦算法精準(zhǔn)度，用戶標(biāo)簽創(chuàng)建合理性等。

5. 應(yīng)用場景

1）路徑分析需要解決如下問題：

Q1：用戶從進(jìn)入產(chǎn)品到離開的行為是什么？

Q2：用戶是否按照產(chǎn)品設(shè)計(jì)引導(dǎo)的路徑在行進(jìn)？哪些步驟上發(fā)生了流失？

Q3：用戶離開預(yù)想的路徑后，實(shí)際走向是什么？

Q4：不同渠道帶來的用戶，不同特征的用戶行為差異在哪里？

2）多維度進(jìn)行用戶分群

總結(jié)

所有的分析都可用于用戶分群、用戶標(biāo)簽。每種分析是對立統(tǒng)一的，看似目的不同，但是又是相互補(bǔ)充，使得產(chǎn)品的成長獲得全面的營養(yǎng)素。用戶網(wǎng)絡(luò)行為數(shù)據(jù)越來越龐大，充分挖掘數(shù)據(jù)的價值是數(shù)據(jù)分析的目的，不論使用的一般的統(tǒng)計(jì)方法，還是機(jī)器學(xué)習(xí)等模型算法，都是為了《make?sense of?data》。

最近剛翻閱這本書，特別喜歡里面的一句話：“The?challenges of handling and making sense of this information are significant，because of the increasing volume of data, the complexity that arises from the diverse types of information that are collected, and the reliability of the data collected”。大數(shù)據(jù)時代下，數(shù)據(jù)也像石油、煤礦一樣是以一種社會資源，存儲了大量復(fù)雜結(jié)構(gòu)的數(shù)據(jù)，也同時存儲了很多真相。

相信拿著這樣的復(fù)雜龐大、擁有真相的數(shù)據(jù)，會使得對需求的把握、產(chǎn)品運(yùn)營策略、公司戰(zhàn)略部署有著巨大的意義。

寫在最后

以上根據(jù)自己的理解闡述的內(nèi)容可能還不夠深刻、也可能存在錯誤。特別是對于應(yīng)用場景的這塊內(nèi)容，感覺還不是太有深度和廣度。我會繼續(xù)再看看資料，來豐富應(yīng)用場景這方面的感知和見解。

比如：留存分析?！翱蛻羰褂卯a(chǎn)品時間越長，帶來的現(xiàn)金流或者利潤越高，如果再收支平衡前流失，則會造成損失。公司長久盈利需滿足：獲客成本＜1/3客戶生命周期價值”。此方面的知識還不夠，需要繼續(xù)努力。

除了上述常見分析方法外，還有其他分析，接下去也會繼續(xù)探索。

本文由 @果凍 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議