用戶行為路徑分析同樣是重要的數據分析模型，它為企業實現理想的數據驅動與布局調整提供科學指導，對精準勾勒用戶畫像也有重要參考價值。用戶訪問APP／網絡，如同參觀畫展，觀眾是感受和傳達畫展參展方和展品的目的受眾體，圖畫的展現布局不同，每一位觀眾根據自身喜好形成特有的參觀順序。為讓觀眾沿著最優訪問路徑前進，需要策展者結合觀眾需求進行布局調整。這種自主式的數據分析方法，讓業務人員都能科學進行數據分析。

什么是用戶行為路徑？

用戶路徑分析，顧名思義，用戶在APP或網站中的訪問行為路徑。為了衡量網站優化的效果或營銷推廣的效果，以及了解用戶行為偏好，時常要對訪問路徑的轉換數據進行分析。

以電商為例，買家從登錄網站／APP到支付成功要經過首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等過程。而在用戶真實的選購過程是一個交纏反復的過程，例如提交訂單后，用戶可能會返回首頁繼續搜索商品，也可能去取消訂單，每一個路徑背后都有不同的動機。與其他分析模型配合進行深入分析后，能為找到快速用戶動機，從而引領用戶走向最優路徑或者期望中的路徑。

用戶路徑分析模型的價值

用戶路徑的分析結果通常以?；鶊D形式展現，以目標事件為起點／終點，詳細查看后續／前置路徑，可以詳細查看某個節點事件的流向，總的來說，科學的用戶路徑分析能夠帶來以下價值：

第一，可視化用戶流，全面了解用戶整體行為路徑；

通過用戶路徑分析，可以將一個事件的上下游進行可視化展示。用戶即可查看當前節點事件的相關信息，包括事件名、分組屬性值、后續事件統計、流失、后續事件列表等。運營人員可通過用戶整體行為路徑找到不同行為間的關系，挖掘規律并找到瓶頸。

第二，定位影響轉化的主次因素，產品設計的優化與改進有的放矢。

路徑分析對產品設計的優化與改進有著很大的幫助，了解用戶從登錄到購買整體行為的主路徑和次路徑，根據用戶路徑中各個環節的轉化率，發現用戶的行為規律和偏好，也可以用于監測和定位用戶路徑走向中存在的問題，判斷影響轉化的主要因素和次要因素，也可以發現某些冷僻的功能點。

用戶路徑應用場景

談到用戶路徑的真實應用場景，許多企業通過第三方數據分析平臺來實現，下面結合筆者實際工作中，所接觸的企業案例的數據分析場景為例來介紹。

（注：因涉嫌商業機密，以下場景模擬真實應用場景而設，數據均為虛擬。）

中商惠民：啟動APP后，為何只有 30 % 商超客戶交易成功？

中商惠民是中國最大的社區O2O服務平臺。在一次評估客戶總體轉化率過程中，通過漏斗分析發現，從登錄惠配通APP后，提交訂單的商超客戶僅有 30 %，接下來可以通過用戶路徑客戶流失的原因所在。通過用戶路徑分析模型，清晰展示了商超客戶的動作走向，為判斷客戶流失原因重要方式之一。

圖片來源：神策數據產品

中商惠民運營人員選取若干事件對客戶購買路徑進行深度分析。圖中顯示，用戶登錄APP后，約有40 %的客戶會點擊Banner，30 %的客戶會直接進行商品搜索，約10%的用戶會瀏覽商品列表，約 5 %的客戶直接退出APP。

運營人員進一步看4類用戶的提交訂單的情況，直接進行“搜索商品”的用戶進行提交訂單比例最高，超過 90 % ；與其形成鮮明對比的是，盡管“點擊Banner”是更多客戶登錄APP后的首選動作（約占總客戶的40 %）但是這部分用戶群體在瀏覽商品列表后，僅僅30%的用戶提交訂單，說明Banner內容布局有著比較糟糕的用戶體驗，則將此作為首選優化與改進的方向。

某電商：“未支付訂單”超過30分鐘自動取消，刺激用戶支付

除了零售行業以外，用戶行為路徑在電商行業分析也應用廣泛。某電商網站客戶通過用戶路徑分析，看出有兩條主要的路徑：（圖略，與上圖效果類似。）

• 一是啟動App-搜索商品-提交訂單-支付訂單；
• 二是啟動App-未支付訂單-搜索相似商品-取消訂單。

通過第一條用戶路徑相關數值顯示，客戶提交訂單后，大約75%的用戶會支付，而高達25%的用戶沒有支付訂單；第二條用戶路徑顯然是一條有明確目的——為未最終敲定的商品而來的用戶，因為在打開app后直奔“未支付訂單”，但是路徑中顯示此用戶再次“搜索相似商品”，這一行為可以判斷客戶可能存在比價行為，表明價格一定程度上影響了這部分用戶的支付欲望，這是一批“價格導向”的客戶。

對此，該電商運營人員采取針對性措施：

1. “未支付訂單”超過30分鐘則自動取消；
2. 將支付頁面附近放置優惠券領取。

當該電商新版本上線后，再次通過用戶路徑分析模型，發現客戶在提交訂單后，由于30分鐘的時間限制，有更多的客戶愿意立即支付訂單；同時未支付訂單大大降低，說明在支付支付頁面附近放置優惠券的方式刺激到對價格敏感的客戶。因此這也是一次很成功的改版。

總之，用戶真實的選購過程是一個交纏反復的過程，每一個路徑背后都有不同的動機。通過用戶行為路徑能夠清晰看到用戶行為特點與背后原因。若與其他分析模型配合，會產生更佳效果，通過數據分析能夠快速找到用戶動機，從而引領用戶走向最優路徑或者期望中的路徑。

相關鏈接：

常見用戶行為分析模型解析（1）——行為事件分析

常見用戶行為分析模型解析（2）——用戶留存分析

常見用戶行為分析模型解析（3）——漏斗分析

作者：張喬，神策數據內容營銷負責人。公眾號：神策數據

本文由@張喬-神策 原創發布于人人都是產品經理，未經許可，禁止轉載。