正打算看這篇文章的小伙伴。本文適合0-3歲的產(chǎn)品/運(yùn)營/數(shù)據(jù)新人閱讀，寫在我作為新人入職3個月左右的時間。我相信新人的視角會讓我的文字更加通俗易懂，也希望能給你一些幫助。

用戶行為分析是指對用戶的一系列行為進(jìn)行分析，以改善產(chǎn)品設(shè)計(jì)和運(yùn)營策略。隨著互聯(lián)網(wǎng)從粗放到精細(xì)化的發(fā)展，用戶行為分析可以幫助產(chǎn)品設(shè)計(jì)和運(yùn)營策略制定從“憑感覺”轉(zhuǎn)向“科學(xué)化、定量化”。

簡單來說，如果把互聯(lián)網(wǎng)C端產(chǎn)品比作一個大游樂園，產(chǎn)品經(jīng)理與前后端研發(fā)分別是這個游樂園的建筑設(shè)計(jì)師和工程師，打造這個游樂園的基本框架。運(yùn)營是游樂園的活動策劃，在游樂園內(nèi)不定期舉辦各種各樣的活動。而用戶行為分析可以對游客的行為進(jìn)行定量分析，以改善游樂園的建筑設(shè)計(jì)和活動質(zhì)量。

一、基本思路：以終為始，層層拆分

從工程的角度來看，想要對用戶行為進(jìn)行分析，需要經(jīng)過以下步驟：

1. 采集用戶行為數(shù)據(jù)（埋點(diǎn)+數(shù)據(jù)存儲）
2. 清洗和加工這些數(shù)據(jù)
3. 對數(shù)據(jù)進(jìn)行分析

在一家大型互聯(lián)網(wǎng)公司，數(shù)據(jù)往往像是流水線上的商品，從生產(chǎn)到加工到最終被利用，會經(jīng)歷層層步驟，并最終輸送向不同的應(yīng)用部門。這使得數(shù)據(jù)鏈路上的不同角色容易只見樹木、不見森林。

但數(shù)據(jù)最終是為了業(yè)務(wù)目標(biāo)服務(wù)，理解數(shù)據(jù)分析也需要一個更完整的思路，我在現(xiàn)階段把它總結(jié)為：以終為始，層層拆分。

1. 以終為始：一方面，從數(shù)據(jù)生產(chǎn)的角度，先有埋點(diǎn)才能進(jìn)行數(shù)據(jù)分析，最終得到結(jié)論。但實(shí)際往往需要以終為始：先思考數(shù)據(jù)分析的最終目的，再確定數(shù)據(jù)分析的思路，最終確定埋點(diǎn)方案。另一方面，在數(shù)據(jù)分析過程中，也需要先思考終極指標(biāo)，再反推過程指標(biāo)。

2. 層層拆分：下文我會具體介紹，數(shù)據(jù)分析的過程也是一個將大目標(biāo)拆解為小目標(biāo)的過程。

二、數(shù)據(jù)分析：指標(biāo)、維度、口徑

用戶行為分析的基本思路是：確定衡量產(chǎn)品成功與否的量化指標(biāo) -> 思考哪些維度會影響指標(biāo)的變化 -> 確定統(tǒng)一的口徑，計(jì)算出不同維度下不同指標(biāo)的變化。

以下，是對指標(biāo)、維度、口徑更進(jìn)一步地解釋。

1. 指標(biāo)

指標(biāo)是一種可量化的業(yè)務(wù)目標(biāo)。對電商來說，終極指標(biāo)是GMV；對廣告來說，終極指標(biāo)是轉(zhuǎn)化率、ROI；對游戲來說，終極指標(biāo)是DAU、ARPU值。

為達(dá)成最終的指標(biāo)，還可以細(xì)拆為多個過程指標(biāo)。比如對電商來說，用戶支付前的鏈路可以拆解為：進(jìn)入app->搜索（推薦/直播等等）->進(jìn)入商品詳情頁->加入購物車->結(jié)算->支付。每個環(huán)節(jié)都可以設(shè)定一個指標(biāo)。

2. 維度

維度是分析指標(biāo)變化的一種視角，也是影響指標(biāo)變化的一種因素。微信之父張小龍?jiān)?jīng)說過：產(chǎn)品設(shè)計(jì)就是做分類。維度也可以理解為做分類的一種角度。

怎么理解呢？如果DAU變高了，是男用戶上漲得更多，還是女用戶？用戶性別就是影響DAU的因素，也是可以用來分析DAU變化的一種維度。同理，商品的價格、品類，也是用來分析GMV的維度。

3. 口徑

口徑是指標(biāo)計(jì)算的一種標(biāo)準(zhǔn)。

在互聯(lián)網(wǎng)，同一個指標(biāo)往往有多種計(jì)算方式。比如，計(jì)算DAU，可以用用戶設(shè)備號去重得到，也可以用用戶唯一的賬號去重得到，每一種計(jì)算方式（或標(biāo)準(zhǔn)）就是一種口徑。

三、數(shù)據(jù)采集：事件、時機(jī)、參數(shù)

在數(shù)據(jù)分析的目標(biāo)明確的基礎(chǔ)上，我們需要考慮如何獲取需要的數(shù)據(jù)，來滿足分析的目標(biāo)。

從上文已經(jīng)可以知道，數(shù)據(jù)分析的思路是先確定指標(biāo)，再考慮維度，最終統(tǒng)一口徑。而數(shù)據(jù)指標(biāo)需要通過采集對應(yīng)的用戶行為事件統(tǒng)計(jì)得到，分析維度需要我們在采集事件的同時也記錄下和這個事件相關(guān)的參數(shù)，統(tǒng)一口徑中重要的一部分是在采集事件時明確規(guī)范這個事件發(fā)生的時機(jī)。

以下，是對事件、時機(jī)、參數(shù)更進(jìn)一步地解釋。

1. 事件

用戶的每一個行為被稱為一個事件。一般來說，互聯(lián)網(wǎng)上用戶的行為主要分為三大類：

1. 瀏覽：用戶進(jìn)入產(chǎn)品的某個頁面

2. 曝光：產(chǎn)品頁面上某個元素/信息被展示在用戶面前

3. 點(diǎn)擊：用戶主動點(diǎn)擊了頁面上的可交互元素

在埋點(diǎn)時，每一種事件都會有一個獨(dú)立的id（通常被稱為事件id）——比如點(diǎn)擊首頁焦點(diǎn)圖（Home_FirstFocus_Click)。

2. 時機(jī)

時機(jī)是每個行為被記錄的準(zhǔn)確時刻。正如計(jì)算指標(biāo)時需要口徑一樣，時機(jī)也是對埋點(diǎn)事件更精準(zhǔn)的定義，是埋點(diǎn)的一種口徑。

1. 瀏覽時機(jī)：進(jìn)入某個頁面接口返回前/接口返回后

2. 曝光時機(jī)：某個元素露出xx%、用戶停留xx秒時

3. 點(diǎn)擊時機(jī)：用戶點(diǎn)擊后立刻觸發(fā)

3. 參數(shù)

有了對事件與時機(jī)的定義，就需要明確在這個事件發(fā)生時需要采集哪些具體的信息。

采集用戶的行為就像是在寫記敘文，需要記錄下：人物、時間、地點(diǎn)、具體事件。除了事件id外，其他需要被記錄的信息被抽象為這個事件的參數(shù)。事件的參數(shù)類似執(zhí)行某個事件的情境、條件。有人將埋點(diǎn)需要記錄的信息抽象為4W1H：

1. Who：用戶是誰——即用戶id、設(shè)備號等

2. When：在什么時間——發(fā)生這件事的具體時間

3. Where: 在什么地點(diǎn)——有兩層理解，一是用戶的實(shí)際IP地址，二是發(fā)生這個事件的頁面

4. What：做了什么事——即事件的類型（瀏覽、曝光、點(diǎn)擊等）

5. How：如何做這件事——即做這件事時的業(yè)務(wù)屬性，比如點(diǎn)擊商品時商品的價格、折扣信息

對于每一種事件（如點(diǎn)擊首頁焦點(diǎn)圖），不同的人、在不同的時間、不同的情景下會做出這個行為，每一個被記錄下的具體行為被稱為一條日志。如此，用戶的每一個行為都被詳細(xì)地記錄。

四、一個具體的case：電商數(shù)據(jù)分析與埋點(diǎn)的思路

有了上述的概念，理解數(shù)據(jù)埋點(diǎn)與用戶行為分析還是有些抽象。下面從一個典型的電商case出發(fā)，理解如何一步步對電商用戶行為進(jìn)行分析。

Step1. 思考用戶旅程

一個用戶通過聯(lián)盟廣告進(jìn)入某個電商app后可能會有以下用戶旅程：

點(diǎn)擊聯(lián)盟廣告 -> 進(jìn)入app -> 商品卡片曝光 -> 點(diǎn)擊商品卡片 -> 進(jìn)入商品詳情頁 -> 點(diǎn)擊加入購物車 -> 點(diǎn)擊結(jié)算 -> 進(jìn)入結(jié)算頁面 -> 點(diǎn)擊支付 -> 進(jìn)入支付完成頁面

Step2. 確定核心指標(biāo)與重要維度

電商產(chǎn)品是否成功最核心的指標(biāo)是最終的GMV，但達(dá)成GMV的目標(biāo)需要用戶經(jīng)過一系列的用戶旅程，最終為某個商品支付。因此，我們可以針對用戶旅程中的每一步設(shè)立過程指標(biāo)。

GMV = 支付PV * 客單價

支付PV = 曝光PV * 曝光點(diǎn)擊率（PV） * 點(diǎn)擊加購率 （PV） * 加購結(jié)算率（PV） * 結(jié)算支付率（PV）

曝光點(diǎn)擊率（PV） = 點(diǎn)擊PV/曝光PV

…

依次細(xì)拆以后，我們就可以得到所有的非復(fù)合指標(biāo)，這些指標(biāo)也對應(yīng)著需要采集的事件。

除此之外，電商往往會從人、貨、場的角度對指標(biāo)進(jìn)行多維度分析，這也對應(yīng)著每個事件需要采集的參數(shù)。

Step3. 埋點(diǎn)設(shè)計(jì)

根據(jù)需要計(jì)算的指標(biāo)與分析的維度，定義需要進(jìn)行埋點(diǎn)的事件與參數(shù)，并確定上報時機(jī)的規(guī)范。我們可以用一個表格來明確需要采集的所有信息。

Step4. 數(shù)據(jù)回收與分析

理解了用戶旅程，確定了核心指標(biāo)與分析思路，埋點(diǎn)設(shè)計(jì)并回收到數(shù)據(jù)后，最終開始進(jìn)行數(shù)據(jù)分析。

在這個環(huán)節(jié)，我們依據(jù)剛剛確定好的思路，利用已經(jīng)采集到的數(shù)據(jù)進(jìn)行計(jì)算，并對計(jì)算得到的結(jié)果進(jìn)行分析。

1. 先計(jì)算最終的數(shù)據(jù)指標(biāo)GMV，得到GMV是上升還是下降

2. 觀察這個最終結(jié)果，是由哪些中間指標(biāo)引起的

3. 思考影響這些中間指標(biāo)的主要維度是什么，通過分析得到哪些維度引起了指標(biāo)的變化

4. 最終得到相對科學(xué)的結(jié)論

在數(shù)據(jù)分析環(huán)節(jié)，還有很多需要注意的細(xì)節(jié)，本文僅介紹進(jìn)行數(shù)據(jù)埋點(diǎn)與分析的整體思路。

五、總結(jié)

所謂數(shù)據(jù)導(dǎo)向，其實(shí)是圍繞一種以終為始的思考方式，確立最終目標(biāo)并將大的目標(biāo)拆分為過程指標(biāo)和不同維度，用數(shù)據(jù)量化并呈現(xiàn)。

除此之外，盡管每類產(chǎn)品都會有一個終極的北極星指標(biāo)（比如電商的GMV），但如果要建立一個健康完整的生態(tài)，我們需要搭建一個好的指標(biāo)體系，多方面地衡量一件事的好壞。比如對于電商平臺來說，商家的供給數(shù)量、用戶畫像、用戶停留時長等等，都是完整刻畫一個平臺健康程度的指標(biāo)。

對于個人來說也是一樣，我們的終極目標(biāo)是什么，達(dá)成這個目標(biāo)需要經(jīng)過哪些過程，除了終極目標(biāo)以外，我們還有哪些不同的目標(biāo)來讓人生更加精彩，這些都是值得深思的問題。當(dāng)然，人生有更多的靈活性，就像某一類產(chǎn)品的用戶路徑也有可能因?yàn)橐淮纬晒Φ膭?chuàng)新徹底被顛覆。跳脫出既有的數(shù)據(jù)框架去思考產(chǎn)品，才有可能創(chuàng)造更大的可能性。