中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

在當(dāng)前的數(shù)字化時(shí)代，用戶行為分析成為了產(chǎn)品設(shè)計(jì)和商業(yè)轉(zhuǎn)化中的關(guān)鍵環(huán)節(jié)。這篇文章將帶你深入了解用戶行為分析的方法和實(shí)踐，包括如何構(gòu)建分析模型、如何通過數(shù)據(jù)加工處理來提煉有價(jià)值的信息，以及如何將這些分析應(yīng)用到實(shí)際的業(yè)務(wù)場景中。

上篇聊了用戶行為分析的構(gòu)建，此篇繼續(xù)聊聊一些常見的分析方法與實(shí)踐，不會(huì)太深?yuàn)W，主要是面向產(chǎn)品設(shè)計(jì)或初中級(jí)用研這些群體，目的是更好服務(wù)“用戶體驗(yàn)”與“商業(yè)轉(zhuǎn)化”，期望能幫助大家更好達(dá)成分析訴求推進(jìn)業(yè)務(wù)，或是與數(shù)據(jù)相關(guān)崗位的同事更好交流。

期望是：不止會(huì)看報(bào)表，還能搞定報(bào)表跟業(yè)務(wù)分析（不做只會(huì)張嘴，還要會(huì)自己動(dòng)手）

一、非數(shù)據(jù)分析師的我們能做些什么？

答：

【需求是什么】

知道業(yè)務(wù)需求是什么？需要什么樣的行為數(shù)據(jù)支撐？即能夠根據(jù)業(yè)務(wù)提出行為分析訴求，來輔助實(shí)現(xiàn)業(yè)務(wù)改進(jìn)或驗(yàn)證。

【指標(biāo)怎么算】

清晰字段參數(shù)的含義與數(shù)據(jù)口徑，知道用哪些數(shù)據(jù)可以獲取目標(biāo)指標(biāo)，例如通過哪些數(shù)據(jù)可以視用戶為活躍用戶？哪些數(shù)據(jù)可以視為用戶有高價(jià)值，既然上一篇有人不關(guān)心如何構(gòu)建用戶行為數(shù)據(jù)集，那么作為產(chǎn)研設(shè)計(jì)人員，你要什么數(shù)據(jù)和什么口徑你總得說清楚吧。

【報(bào)表報(bào)什么】

期望匯報(bào)哪些指標(biāo)數(shù)據(jù)，用什么圖表形式表達(dá)更合適，或許很多同學(xué)沒有上手執(zhí)行過這些，甚至認(rèn)為都是BI或開發(fā)的事情，不然，實(shí)際上不同職能角色的報(bào)表的訴求是不一樣的，即然你提出了需求，那么需求落地的規(guī)格肯定是要參與啊，要是你有能力使用BI工具自己執(zhí)行，那還不是得心應(yīng)手？

二、用戶行為分析的構(gòu)建工作有什么？

整個(gè)構(gòu)建流程或概念參考下圖，或前往上一篇的，此處不贅述；

三、用戶行為分析一般分析些什么？

通常我們做用戶行為分析時(shí)會(huì)分析哪些東西？能解決或反映什么問題？適合哪些產(chǎn)品或業(yè)務(wù)場景？

事實(shí)上概念很簡單，請(qǐng)看下圖；

如果只是聊用戶什么時(shí)候在什么場景做了什么事件，實(shí)際對(duì)業(yè)務(wù)意義不大，所以這里結(jié)合一些典型的用戶行為分析方法的模型，聊聊一般分析些什么，起到些什么作用。

但此前請(qǐng)讓我再補(bǔ)充一個(gè)后文經(jīng)常出現(xiàn)的基礎(chǔ)概念，即“度量指標(biāo)”是什么？這是一個(gè)用戶行為分析中常見的基本概念，度量指標(biāo)通常就是一個(gè)數(shù)值，可以用作衡量業(yè)務(wù)的好壞或高低，它就像是試卷的分?jǐn)?shù)通過每道題的得分統(tǒng)計(jì)得到，也可以像是體溫，數(shù)值即指標(biāo)結(jié)果。

常見的用戶行為分析工作基本上就圍繞拉新、促活、轉(zhuǎn)化、留存開展，根據(jù)不同的業(yè)務(wù)訴求會(huì)配合各類分析方法來找問題或改問題，以下表中羅列了主流的行為分析工作與說明，以幫助你了解和匹配業(yè)務(wù)訴求。

四、如何搭建用戶行為分析報(bào)表【案例實(shí)踐】

以下會(huì)用到神策的Demo演示如何實(shí)操，以幫助大家更快上手和理解，用其他產(chǎn)品來構(gòu)建分析報(bào)表也是大同小異的，Excel也能勝任，熟悉數(shù)據(jù)庫操作與寫代碼腳本分析的大佬可以保持硬核的分析手段哈；

首先再幫助大家回顧一下數(shù)據(jù)報(bào)表的生產(chǎn)過程，后續(xù)會(huì)圍繞這個(gè)過程的節(jié)點(diǎn)來講怎么搭建分析；

1、采集數(shù)據(jù)

主要是通過數(shù)據(jù)埋點(diǎn)、傳感器采集或是后臺(tái)日志等方式獲取用戶操作的行為數(shù)據(jù)，即每一個(gè)功能按鈕發(fā)生操作行為時(shí)的事件日志，這些日志會(huì)包含多個(gè)維度的數(shù)據(jù)，例如頁面場景信息、動(dòng)作類型信息、用戶角色信息，為分析出更完整有效的結(jié)論，業(yè)務(wù)上也會(huì)盡可能的收集到更多業(yè)務(wù)或用戶信息，然后將不同類型的數(shù)據(jù)表進(jìn)行關(guān)聯(lián)以產(chǎn)生更完整的數(shù)據(jù)集，這種關(guān)聯(lián)也被叫做數(shù)據(jù)表的血緣關(guān)系。

例如一張用戶行為數(shù)據(jù)表+用戶屬性表，其中通過相同且唯一的數(shù)據(jù)進(jìn)行綁定，如果你做分析時(shí)發(fā)現(xiàn)缺少數(shù)據(jù)就可以詢問有無相關(guān)數(shù)據(jù)表可以綁定，最終你會(huì)看見一個(gè)更完整的行為事件的數(shù)據(jù)，這也是為什么用戶數(shù)據(jù)會(huì)被拿來交易的原因之一；

2、清洗數(shù)據(jù)

2.1 數(shù)據(jù)口徑校驗(yàn)

數(shù)據(jù)源準(zhǔn)備好以后，就可以接入到數(shù)據(jù)分析平臺(tái)或工具之中，當(dāng)我們發(fā)覺數(shù)據(jù)源里的數(shù)據(jù)特征有異?；虿环蠘I(yè)務(wù)場景，那么就需要將數(shù)據(jù)清理或糾正，以保證用作分析的數(shù)據(jù)是有效的，因此在產(chǎn)品開發(fā)前，作為產(chǎn)品或是交互，定義好這些信息規(guī)格很重要，常見的數(shù)據(jù)格式可參考下表，先從熟悉業(yè)務(wù)數(shù)據(jù)特征開始吧，如果業(yè)務(wù)數(shù)據(jù)特征都不熟悉，還談什么數(shù)據(jù)敏感

2.2 異常數(shù)據(jù)識(shí)別

清洗數(shù)據(jù)簡單概括就是在應(yīng)用或構(gòu)建指標(biāo)及報(bào)表前，對(duì)行為數(shù)據(jù)查缺補(bǔ)漏，去除無效以及糾正錯(cuò)誤，通常這些工作都是由開發(fā)或數(shù)據(jù)BI去進(jìn)行，但我們需要能夠識(shí)別出缺少什么數(shù)據(jù)、哪些數(shù)據(jù)有異常、哪些數(shù)據(jù)不符合規(guī)范、哪些數(shù)據(jù)口徑對(duì)不上，這些就需要通過熟悉業(yè)務(wù)場景或產(chǎn)品需求設(shè)定來進(jìn)行識(shí)別了。

如果說數(shù)據(jù)基本是符合預(yù)期的，那么在下一階段的指標(biāo)度量工作中，剩余的清洗工作主要就是條件過濾，幫助篩選出符合預(yù)期或有效的數(shù)據(jù)進(jìn)行分析應(yīng)用，這種頭疼的清洗或過濾需求我時(shí)常碰到，我來給你們舉個(gè)例子；

3、構(gòu)建指標(biāo)度量

3.1 常見指標(biāo)度量怎么來的

當(dāng)我們清楚數(shù)據(jù)的含義與特征后，其實(shí)就應(yīng)該發(fā)現(xiàn)很多數(shù)據(jù)是可以直接拿來統(tǒng)計(jì)后作基礎(chǔ)指標(biāo)的，如常見的人數(shù)、某事件的操作次數(shù)、人均操作次數(shù)等，并且有些指標(biāo)結(jié)合時(shí)間分布、動(dòng)作類型、用戶去重統(tǒng)計(jì)等就可以產(chǎn)生更多其他的基礎(chǔ)指標(biāo)，這些經(jīng)過簡單加工的基礎(chǔ)指標(biāo)還可能會(huì)被其他指標(biāo)計(jì)算時(shí)用上。

例如將常見的【用戶ID】【首頁訪問】【充值金額】結(jié)合【時(shí)間維度】就可以得到以下各種指標(biāo)；

當(dāng)然，不同的行業(yè)會(huì)有不同的基礎(chǔ)指標(biāo)，在上一篇的《用戶行為分析構(gòu)建篇》中已經(jīng)為大家羅列了一份常見的通用指標(biāo)構(gòu)建表，大家可以回顧一下，這里也提供了一個(gè)神策的指標(biāo)拆解工具作為構(gòu)建基礎(chǔ)指標(biāo)的參考；

3.2 指標(biāo)構(gòu)建常用的算法

當(dāng)我們需要一些特別的或定制化的指標(biāo)時(shí)，就需要對(duì)數(shù)據(jù)表的參數(shù)截取、分組、計(jì)算等，一般會(huì)用到數(shù)據(jù)庫的函數(shù)運(yùn)算或條件判斷，最常見的就是加減乘除、是否、等于、排除、且、或這些，對(duì)于這些運(yùn)算函數(shù)，相信學(xué)過Excel統(tǒng)計(jì)的同學(xué)并不會(huì)很陌生，以下是一份SQL常見的函數(shù)整理，因?yàn)椴煌脚_(tái)的函數(shù)應(yīng)用格式會(huì)有差異，這里就不展開應(yīng)用案例了，大家先了解下常見算法的函數(shù)類型與用途，有些BI平臺(tái)甚至把這些函數(shù)做成了特定選項(xiàng)或模版了，實(shí)際需要運(yùn)算時(shí)，查閱資料或找客服即可；

3.3 數(shù)據(jù)到業(yè)務(wù)指標(biāo)構(gòu)建

為了更好的聚焦“用戶行為”，那么以下是一份游戲行業(yè)的用戶行為數(shù)據(jù)源，這份數(shù)據(jù)表具備了主要的業(yè)務(wù)字段或參數(shù)，通常每一個(gè)用戶行為事件的數(shù)據(jù)都會(huì)包攬這些信息，便于我們根據(jù)指標(biāo)對(duì)數(shù)據(jù)進(jìn)行計(jì)算或加工成指標(biāo)度量。

為了方便大家理解，這里我撈取了部分字段參數(shù)做成了表格說明，以便于大家消化理解每個(gè)字段數(shù)據(jù)背后代表了什么信息或指標(biāo)，后半截則會(huì)通過這些原始數(shù)據(jù)演示如何構(gòu)建基礎(chǔ)指標(biāo)的計(jì)算列或是度量參數(shù)；

如上，我們對(duì)一些數(shù)據(jù)進(jìn)行組合加工時(shí)會(huì)用到“計(jì)算列”，實(shí)際上它的概念很簡單，這里我用Excel的數(shù)據(jù)表格舉個(gè)例子；

如圖下，每個(gè)大寫字母開頭的數(shù)據(jù)組為列，編號(hào)開頭的則為行，計(jì)算列則是在已有數(shù)據(jù)列的基礎(chǔ)上進(jìn)行計(jì)算或條件判斷加工得出的新數(shù)據(jù)列。

Excel表格通常是創(chuàng)建完成目標(biāo)列以后，在表格上方的輸入框中填寫對(duì)應(yīng)的計(jì)算函數(shù)或公式，在數(shù)據(jù)庫或其他BI工具中，也都相應(yīng)的會(huì)提供計(jì)算列的新增編輯窗口，以滿足數(shù)據(jù)的加工。

相信看到這里，你已經(jīng)知道數(shù)據(jù)是怎么加工成基礎(chǔ)指標(biāo)的了，如果這些數(shù)據(jù)加工你不熟悉甚至不會(huì)，你依舊可以找數(shù)據(jù)的同事輔助或是找開發(fā)在數(shù)據(jù)表里預(yù)處理好目標(biāo)計(jì)算列或度量。

那么基于這份游戲行為數(shù)據(jù)表，我們繼續(xù)開展行為分析案例。

4、分析方法應(yīng)用【案例演示】

前面枯燥的行為數(shù)據(jù)構(gòu)成End了，基于完成采集和加工的數(shù)據(jù)集，就可以開始著手用戶行為的數(shù)據(jù)分析與報(bào)表構(gòu)建了，興奮的搓搓小手～～

數(shù)據(jù)選用

從用戶行為數(shù)據(jù)構(gòu)建篇到此篇，前面鋪墊了這么多是為了幫助我們弄清楚三點(diǎn)，即數(shù)據(jù)的范圍、數(shù)據(jù)的含義、數(shù)據(jù)的特征，怎么理解呢？

1. 數(shù)據(jù)的范圍：哪些業(yè)務(wù)場景的用戶行為數(shù)據(jù)是可以采集到的，結(jié)合業(yè)務(wù)指標(biāo)與分析，是否需要完善數(shù)據(jù)采集。
2. 數(shù)據(jù)的含義：數(shù)據(jù)表中的各個(gè)行為事件有什么含義，結(jié)合到業(yè)務(wù)場景中，能代表什么指標(biāo)或是關(guān)鍵事件？
3. 數(shù)據(jù)的特征：即行為事件中記錄了哪些業(yè)務(wù)擴(kuò)參、用戶資料、行為類型等，這些信息在行為事件分析或過濾判斷時(shí)都會(huì)用到，這些特征信息不僅可以幫助我們鎖定指定的數(shù)據(jù)，還可以通過配合其他產(chǎn)生一些新的業(yè)務(wù)指標(biāo)，詳細(xì)可參考前面【構(gòu)建指標(biāo)度量/常見指標(biāo)度量怎么來的】部分。

OK～那么當(dāng)我們明確了業(yè)務(wù)分析的目標(biāo)和這些行為數(shù)據(jù)后，數(shù)據(jù)選用無非就是以下幾點(diǎn)；

1. 我要分析什么：分析什么行為事件？分析哪兒出問題了？分析哪個(gè)場景熱鬧？分析用戶在逛啥等？（注：第三部分“用戶行為分析一般分析些什么有講到”）
2. 用什么分析模型：對(duì)應(yīng)到分析目標(biāo)，找到合適的分析方法或模型，如事件分析、漏斗分析、行為路徑分析等。
3. 用到哪些行為數(shù)據(jù)：結(jié)合分析方法或模型的構(gòu)成特征，準(zhǔn)備好相應(yīng)的數(shù)據(jù)，如各個(gè)核心頁面的訪問、關(guān)鍵信息或模塊的曝光、下單等核心的行為事件日志等。
4. 用到哪些參數(shù)屬性加工：通過參數(shù)進(jìn)行條件過濾或是統(tǒng)計(jì)計(jì)算等，例如通過性別參數(shù)只看女性行為數(shù)據(jù)，通過用戶類型過濾掉內(nèi)部員工數(shù)據(jù)，總是使得分析結(jié)果能夠滿足分析訴求！

————————————————— 廢話END —————————————————

那么說完了數(shù)據(jù)選用，這里我用神策RPG游戲的Demo數(shù)據(jù)開始演示如何開始用戶行為分析。

Demo地址：https://www.sensorsdata.cn/demo/game.html

事件分析

這都叫啥事兒！分析單個(gè)或多個(gè)行為指標(biāo)的數(shù)據(jù)情況，可以觀察出行為指標(biāo)的趨勢(shì)變化，不通條件下的數(shù)據(jù)體量、多個(gè)行為指標(biāo)的趨勢(shì)關(guān)系等。

漏斗分析

哪兒出了問題？常用作消費(fèi)決策場景、渠道增長、任務(wù)流程的轉(zhuǎn)化分析，以了解轉(zhuǎn)化流失的情況和原因深入分析。

留存分析

還愛嗎？常用作用戶粘性評(píng)估、用戶忠誠度評(píng)估、市場認(rèn)可度相關(guān)評(píng)估對(duì)比。

分布分析

哪里熱鬧哦？常用作業(yè)務(wù)場景的流量分布、不同時(shí)段的流量趨勢(shì)或是核心行為指標(biāo)的頻次分布等洞察。

行為路徑分析

瞎逛啥呢？常用作用戶在產(chǎn)品頁面之間的跳轉(zhuǎn)關(guān)系示意，以觀察用戶的活動(dòng)路徑、訪問習(xí)慣、活動(dòng)范圍與偏好。

歸因分析

這事兒賴誰？常用作業(yè)務(wù)核心指標(biāo)轉(zhuǎn)化相關(guān)的事件貢獻(xiàn)度分析，用作改善或調(diào)整運(yùn)營策略。

用戶屬性分析

這幫人咋樣？常用作用戶畫像完善、行為趨勢(shì)或偏好洞察、功能或營銷效果對(duì)比、用戶生命周期、用戶標(biāo)簽分類

五、行為分析篇實(shí)戰(zhàn)小結(jié)

看到這里，且不說完全掌握相關(guān)處理方法與應(yīng)用，至少各個(gè)節(jié)點(diǎn)的流程事項(xiàng)能通過數(shù)據(jù)源串起來了吧。在案例實(shí)踐過程中，也都是用的一些相對(duì)簡單的方法不是嘛，因?yàn)槭前咐菔荆跃?xì)化與嚴(yán)謹(jǐn)程度是不夠的，但真實(shí)的業(yè)務(wù)場景中，更多的也只是確保數(shù)據(jù)準(zhǔn)確與口徑一致，然后搭建報(bào)表時(shí)確保指標(biāo)算法無誤，并過濾出有效的數(shù)據(jù)。

好了，那么當(dāng)我們形成報(bào)表后，怎樣才能知道報(bào)表對(duì)不對(duì)呢？下篇揭曉

下一章《(用戶行為分析)-異常修復(fù)》終篇

感謝耐心閱讀，如果覺得寫的還行，就點(diǎn)贊關(guān)注一下吧，下次更新先通知你～

上一章《(用戶行為分析)-構(gòu)建篇》回顧>>