本文簡單介紹了用戶行為路徑在業務上的兩個應用場景，來了解用戶行為路徑產品化的應用場景和價值。

用戶行為路徑分析是互聯網行業常用的一種數據分析方法，它可以用來追蹤用戶從某個事件開始到某個事件介紹過程中所經歷的所有路徑，是一種檢測用戶流向，從而統計產品使用深度的分析方法。

用戶行為路徑可以分析用戶在App或小程序中各個模塊的流轉規律與特點，挖掘用戶的訪問或點擊模式，進而實現一些特定的業務用途，如App核心模塊的到達率提升、特定用戶群體的主流路徑提取，App產品設計的優化與改版等。

下面簡單介紹一下用戶行為路徑在業務上的兩個應用場景，了解一下用戶行為路徑產品化的應用場景和價值。

應用場景一：產品設計的優化與改進

用戶行為路徑分析對產品設計的優化與改進有著很大的幫助，可以用于監測與優化期望用戶路徑中各模塊的轉化率，也可以發現某些冷僻的功能點。

一款電商類App應用中，從開始搜索點擊商品到最終下單成交的過程中，用戶往往會進行一系列的各種操作。通過路徑分析，可以清晰的看到哪些是影響用戶最終轉換浪費流量，哪些操作過于冗長繁瑣，這樣可以針對性地改進提高支付轉化率，優化用戶體驗。

如果在路徑分析過程中用戶的成單數量與搜索結果、列表頁展示以及支付速度等密切相關，就可以考慮優化這一部分的產品體驗和技術能力，增強用戶黏性與轉化意愿。

應用場景二：產品運營過程的監控

產品關鍵模塊的轉化率本身即是一項很重要的產品運營指標，通過路徑分析來監測與驗證相應的運營活動結果，可以方便相關人員認識了解運營活動效果。

例如：一款在線教育產品通過用戶行為路徑對核心業務進行分析，通過用戶路徑展現，發現路徑為用戶訪問?APP——瀏覽課程詳情頁——購買課程?/?課時——完成課程中，瀏覽課程詳情頁到購買課程?/?課時僅有?10%?的轉化率，比該企業的預測轉化率低很多。

那么便可以優化這個這一部分的產品體驗或者運營手段等，來提高轉化率，進一步增加完成課程的人數。

用戶行為路徑產品化

下面來介紹本文的重點，如何設計一款用戶行為路徑的大數據產品，來幫助業務和產品提升體驗，提高轉化率，實現數據驅動業務的目的。

在開始之前，先來了解一個術語Session，即會話，用于描述用戶一次使用App或者小程序的行為總和，用戶可能反復在幾個頁面間流轉，但是在足夠近的時間內，意味著在一次會話之中。

Session是實現用戶行為路徑的基礎，因為我們要把用戶的行為通過Session做切分，具體如何做切分（即Sessionize），因為面向的是產品同學，這里就不做具體介紹（各位產品經理們可以推動你們的技術同學去實現^_^）。

Sessionize完成以后，還要考慮在網絡環境下，用戶對鏈接的訪問可能出現前進或者后退的情況，不會一層不變按照固定好的站點結構走下去， 例如：在一個用戶訪問的Session中，用戶有目的的完成一件任務需要經過1,2,3,4步，但是在實際過程中可能出現過重復比如進行1,2,3,2,3,4的操作來進行。為了還原用戶的真實的路徑信息 ，需要去挖掘用戶的最大前驅路徑。

例如：一個用戶的訪問Session有如下的路徑{A,B,C,D,C,B,E,G,H,G,W,A,O,U,O,V}，這里需要得到其最大的向前的訪問路徑為{ABCD,ABEGH,ABEGW,AOV,AOU}，把訪問路徑以屬的形式進行展開，就可以清楚的看到用戶的訪問路徑,形象化的圖示如下：

圖1?最大前驅路徑示例

感興趣的可以搜索下MFR或者MFP來了解下路徑模式挖掘之最大前驅路徑，這里就不再做具體的算法方面的討論。

然后，將子路徑進行去重，并且記錄每個路徑的點擊次數和UV等數據，將該結果存入Hive或者Druid中（測試發現大數據量下Hive的查詢速度較慢些，推薦使用Druid）。

底層數據都準備好了，接下來也就是產品經理們最關心的產品化了，這塊要考慮實現哪些維度的篩選來過濾用戶的行為路徑，根據業務情況，用戶行為路徑都展示哪些信息等。

如下圖的原型設計，可以通過設置路徑的起始和結束節點、操作系統、平臺、版本號、時間等條件查找用戶的行為路徑。這里必須提到一點，增加任何維度都是會要增加底層表的數據量的，從而影響最終產品的查詢速度，這里還需要根據業務情況具體把握，只篩選業務最關注的幾個維度。

圖2 用戶行為路徑篩選條件

查詢結果中會按照點擊次數從大到小依次顯用戶行為路徑情況，并展示用戶的點擊次數、訪問UV等數據，在每條路徑后面可以查看詳情，用來顯示每一條路徑的轉化漏斗情況。

如下圖3原型所示：

圖3 點擊查看路徑的轉化漏斗情況

至此，用戶行為路徑的產品化已經完成，接下來，就是進一步來修正數據埋點的問題和數據準確性，然后推動讓公司包括產品和運營等更多的人用起來。

用戶行為路徑分析可以讓業務人員既可以有的放矢，驗證自身假設，有針對性地解決問題。也可以日常監測用戶的行為路徑，及時發現用戶的核心關注點及干擾選項，持續挖掘產品及服務的價值，實實在在的讓大數據產品來驅動業務增長，同時也實現了數據產品經理自身的成長。

本文由 @?徐鵬 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議