标签：目标 版本 规律 设备 -o 改善 次数 长度 事先
一、行为事件分析
1.什么是行为事件分析
企业追踪或记录的用户行为或业务过程，如用户注册、浏览产品详情页、成功投资、提现等，通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。
2.行为事件分析的特点与价值
行为事件分析法一般经过事件定义与选择、下钻分析、解释与结论等环节。
事件定义与选择
事件描述的是，一个用户在某个时间点、某个地方、以某种方式完成了某个具体的事情。Who、When、Where、What、How 是定义一个事件的关键因素。
Who 是参与事件的主体，对于未登陆用户，可以是 Cookie、设备 ID 等匿名 ID ;对于登录用户，可以使用后台配置的实际用户 ID;
When 是事件发生的实际时间，应该记录精确到毫秒的事件发生时间;
Where 即事件发生的地点，可以通过 IP 来解析用户所在省市;也可以根据 GPS 定位方式获取地理位置信息。
How 即用户从事这个事件的方式。用户使用的设备、浏览器、 APP 版本、渠道来源等等;
What 描述用户所做的这个事件的所有具体内容。比如对于“购买”类型的事件，则可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、付款方式等。
多维度下钻分析
变化趋势、维度对比等等各种细分问题
解释与结论
对分析结果进行合理的理论解释，判断数据分析结果是否与预期相符，如判断产品的细节优化是否提升了触发用户数。如果相悖，则应该针对不足的部分进行再分析与实证。
3.案例分析（源于人人都是产品经理，神策-张乔）
某互联网金融客户运营人员发现，4月10日号来自新浪渠道的 PV 数异常标高，因此需要快速排查原因：是异常流量还是虚假流量？
企业可以先定义事件，通过“筛选条件”限定广告系列来源为“新浪”。再从其它多个维度进行细分下钻，比如“地理位置”、“时间”、“广告系列媒介”、“操作系统”、“浏览器”等。当进行细分筛查时，虚假流量无处遁形。下图为来源为“新浪”的各城市浏览页面的总次数。
图1.1 来源新浪的各城市浏览页面的总次数
在剔除虚假流量后，运营人员可进行其他用户行为分析。通过“投资成功”事件，查看各个时段的投资金额。若想知道每个产品类型的投资金额，此时再按照“产品类型”进行分组查看即可。如图2。
图1.2 不同产品投资成功的支付金额的总和
当用户投资到期后，后续行为可能是提现或继续投资，运营人员可以实时关注“提现率”的变化趋势。
图1.3 用户投资到期后提现率的变化情况
值得强调的是，行为事件分析方法是多种数据分析模型之一，它与其他分析模型存在无法割裂的关系。只有各分析模型实现科学互动和配合，能够科学揭示出用户个人／群体行为的内部规律，并据此做出理论推导，不断在工作实践中优化商业决策和产品智能。
二、用户留存分析
1.什么是留存分析
留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。
留存分析可以帮助回答以下问题
· 一个新客户在未来的一段时间内是否会完成您期许用户完成的行为？如支付订单等；
·某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？
·想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？
2.活跃用户百分比能代替留存分析吗
不行，如果产品目前处于快速增长阶段，很有可能新用户中的活跃用户数增长掩盖了老用户活跃度的变化。
3.留存分析模型特点与价值
特点
科学的留存分析模型具有灵活条件配置——根据具体需求筛选初始行为或后续行为的细分维度，针对用户属性筛选合适的分析对象的特点。
价值
① 留存率是判断产品价值最重要的标准，揭示了产品保留用户的能力
留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程。随着统计数字的变化，可以看到不同时期用户的变化情况，从而判断产品对客户的吸引力。
② 宏观上把握用户生命周期长度以及定位产品可改善至之处
通过留存分析，可以查看新功能上线之后，对不同群体的留存是否带来不同效果? 可以判断产品新功能或某活动是否提高了用户的留存率？结合版本更新、市场推广等诸多因素结合，砍掉使用频率低的功能，实现快速迭代验证，制定相应的策略。
4.案例分析（源于人人都是产品经理，神策-张乔）
游戏行业提升活跃、留存——如何精准找到玩家“流失点”？
游戏的生命周期的时长差异、玩家的游戏粘度，直接体现了游戏的竞争能力和盈利能力。玩家对游戏的直观感受、游戏难度曲线、游戏节奏的松弛、游戏福利等游戏内涵都能够导致游戏玩家流失。正确找到玩家流失原因，是促进玩家、活跃挽留玩家的第一步。下面为《迷城物语》在删档测试期间的相关应用情景。（注：以下配图所涉及的数据，均为模拟真实应用场景下的虚拟数据）
图2.1统计出了流失玩家的等级分布，判断玩家流失与关卡设置的相关性。
图2.1 了解玩家在首次登陆游戏之后的8周流失情况分析（图片来源：神策数据产品）
上图显示，100～110级、80～90级是玩家流失较多的关卡。为精准导致玩家流失的关键因素，需要每个环节、具体场景进行深入追踪与分析，余略。
三、漏斗分析
1.什么是漏斗分析
漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营与数据分析的工作中。漏斗能够展现出流程中各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。
2.漏斗分析模型的特点与价值
监控用户在各个层级的转化情况，聚焦用户选购全流程中最有效转化路径，同时通过不同层级的转情况，迅速定位流失环节，找到可优化的短板，提升用户体验。
多维度切分与呈现用户转化情况，成单瓶颈无处遁形。
通过观察不同属性的用户群体各环节转化率，各流程步骤转化率的差异对比，了解转化率最高的用户群体，分析漏斗合理性，并针对转化率异常环节进行调整。
3.在漏斗分析模型中，科学归因、属性关联的重要性
归因
在科学的漏斗分析中，需要科学归因设置。每一次转化节点应根据事件功劳差异（事件对转化的功劳大小）而科学设置。
以市场营销为例，市场活动、线上运营、邮件营销都可能触发用户购买。A 欲选购一款化妆品，通过市场活动了解 M 产品，后来在百度贴吧了解更多信息，但是始终没有下定决心购买。后来收到 M 公司的营销邮件，A 被打折信息及详实的客户评价所吸引，直接邮件内跳转至网站购买了该商品。
那么，在漏斗设置时，转化归因应该“归”哪一个渠道呢？在这个案例中，运营人员愿意以实际转化的事件的属性为准。邮件营销的渠道在用户购买决策的全流程中对用户影响的“功劳”最大、权重较大，直接促进用户转化。在科学的漏斗分析模型中，用户群体筛选和分组时，以实际转化事件——邮件营销来源的用户群体的属性为准，则大大增大了漏斗分析的科学性。
属性关联
定义“转化”时，要求漏斗转化的前后步骤有相同的属性值。比如同一 ID（包括品类 ID、商品 ID）才能作为转化条件——浏览 iphone6，购买同一款 iphone6 才能被定义为一次转化。
4.案例分析（源于人人都是产品经理，神策-张乔）
某电商企业客户根据客户的消费能力，将客户划分为普通会员、黄金会员、钻石会员。为加强对用户的转化引导，F 欲针对不同用户群体采用不同的运营方式。
图3.1 普通会员与钻石会员的漏斗转化情况对比（图片来源：神策数据产品）
通过对比，可明显看出，普通会员从“提交订单”到“支付订单”的转化率明显低于钻石会员。为找到“支付订单”阶段转化率变低的原因，F公司运营人员应深度分析普通会员转化率情况，如对比不同付费渠道（PC 端、手机端等）的转化情况，找到优化的短板。另外，可以尝试支付订单流程的新手引导，帮助新手顺利完成购买。
四、用户行为路径分析
1.什么是用户行为路径分析
对用户在APP或网站中的访问行为路径进行的分析。
为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。
2.用户行为路径分析的价值
用户典型路径识别与用户特征分析
通过用户整体行为路径找到不同行为间的关系，挖掘规律并找到瓶颈。
产品设计的优化与改进
了解用户整体行为的主路径和次路径，根据用户路径中各个环节的转化率，发现用户的行为规律和偏好，发现哪些操作过于冗长繁琐，这样可以帮助我们针对性地改进剪辑操作模块，优化用户体验。
也可以用于监测和定位用户路径走向中存在的问题，判断影响转化的主要因素和次要因素，也可以发现某些冷僻的功能点。
产品运营过程的监控
产品关键模块的转化率本身即是一项很重要的产品运营指标，通过路径分析来监测与验证相应的运营活动结果，可以方便相关人员认识了解运营活动效果。
3.用户行为分析模型和漏斗模型
漏斗模型通常是对用户在网站或App中一系列关键节点的转化率的描述，这些关键节点往往是我们人为指定的。
路径分析通常是对每一个用户的每一个行为路径进行跟踪与记录，在此基础上分析挖掘用户路径行为特点，涉及到每一步的来源与去向、每一步的转化率。
可以说，漏斗模型是事先的、人为的、主动的设定了若干个关键事件节点路径，而路径分析是探索性的去挖掘整体的行为路径，找出用户的主流路径，甚至可能发现某些事先不为人知的有趣的模式路径。
4.案例分析（源于人人都是产品经理，神策-张乔）
中商惠民是中国最大的社区O2O服务平台。在一次评估客户总体转化率过程中，通过漏斗分析发现，从登录惠配通APP后，提交订单的商超客户仅有 30 %，接下来可以通过用户路径客户流失的原因所在。通过用户路径分析模型，清晰展示了商超客户的动作走向，为判断客户流失原因重要方式之一。
图4.1 来源：神策数据产品
中商惠民运营人员选取若干事件对客户购买路径进行深度分析。图中显示，用户登录APP后，约有40 %的客户会点击Banner，30 %的客户会直接进行商品搜索，约10%的用户会浏览商品列表，约 5 %的客户直接退出APP。
运营人员进一步看4类用户的提交订单的情况，直接进行“搜索商品”的用户进行提交订单比例最高，超过 90 % ；与其形成鲜明对比的是，尽管“点击Banner”是更多客户登录APP后的首选动作（约占总客户的40 %）但是这部分用户群体在浏览商品列表后，仅仅30%的用户提交订单，说明Banner内容布局有着比较糟糕的用户体验，则将此作为首选优化与改进的方向。
五、用户分群
1.什么是用户分群
用户分群数据分析方法是进行用户画像的关键数据分析模型，这是企业进行数据分析、精细化运营的第一步。用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。
2.用户分群关注点
他们是谁？
行为特点有哪些？
偏好是什么？
潜在需求和行为喜好是什么？
六、点击分析
1.点击分析和热力图的区别
热力图：热力图是以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。
图6.1
点击图：在用户行为分析领域，点击分析被应用于显示页面或页面组（结构相同的页面，如商品详情页、官网博客等）区域中不同元素点击密度的图示。包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史内容等因素。
图6.2
2.点击分析的作用
了解用户和页面上各元素的交互情况，判断哪些元素对客户最有吸引力，为优化和调整网页设计提供了科学依据
3.点击分析要分析什么？
① 精准评估用户与网站交互背后的深层关系
按照事件属性和用户属性进行筛选，查看页面元素点击背后的用户列表，对特定环境下特定用户群体对特定元素的点击进行精细化分析。
② 网页内跳转点击分析，抽丝剥茧般完成网页深层次的点击分析
③ 与其他分析模型配合，以全面视角探索数据价值，能够深度感知用户体验，实现科学决策。
改版后，如何评估新版本对用户体验的影响？一处修改，是否影响其他元素的点击……等等。再如 A/B 测试，反复验证优化效果选择最优方案等
4.案例分析（源于人人都是产品经理，神策-张乔）
点击分析应用场景：电商界面的优化与改进；企业官网改版
电商界面的优化与改进——配合实时多维分析，验证方案科学与否
以商品详情页的优化为例，电商产品人员可以 URL 规则建立了一个页面组，并选择任意一个商品详情页作为背景展示点击情况，“点击分析”对于相同结构的网页，如商品详情页、购物页面、博客文章等，提供了统一、便捷的点击分析方式。
该网站中商品详情页的点击图情况如图6.2
通过该图我们可以看到：
用户在该页面频繁地点击商品的图片，和已购买的人数。
显然，用户在购买前希望了解更多的商品信息，尤其是图片、已购买用户的评价，进而决定是否下单。然而，在更深入分析页面时发现，商品图片只有 1 张且不支持查看大图，又无法查看用户评价。通过查看网站的历史数据，每天大约有 50% 的用户来浏览的都是这样的商品详情页。因此为了优化目标页的用户体验，可以：
·要求商家发布商品时必须上传不少于 3 张照片；
·支持所有类型的商品详情页都有已购买者的评价露出。
从商品详情页的点击图中，右侧边栏中“我的心愿单”这个按钮被用户，尤其老用户点击率很高。以此为参考，为页面改版找到一些方向：在合适的位置新增“加入心愿单”按钮。
改版后，产品人员再次通过点击分析工具评估效果时发现，“加入心愿单”按钮的点击率达到 30%，而“立即购买”按钮的点击率只下降了 1%，图略。说明这次改版对“立即购买”按钮的点击率的冲击程度不大，并不会影响页面的最终转化。
“加入心愿单”是否对用户转化造成影响？产品人员可通过用户路径“加入心愿单”操作的频率和人数，或者通过留存率判断用户黏性的强弱变化……
【数据分析学习笔记】用户行为分析模型
标签：目标 版本 规律 设备 -o 改善 次数 长度 事先
原文地址：https://www.cnblogs.com/sssonia/p/9057414.html
