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

本文分析用戶行為分析的相關(guān)概念、分析模型與方法。

從流量營銷到數(shù)據(jù)驅(qū)動(dòng)，很多產(chǎn)品的精細(xì)化運(yùn)營都是圍繞用戶來進(jìn)行的，關(guān)鍵在于用戶研究。

用戶研究的常用方法有：情境調(diào)查、用戶訪談、問卷調(diào)查、A/B測(cè)試、可用性測(cè)試與用戶行為分析。其中用戶行為分析是用戶研究的最有效方法之一。

1. 了解用戶行為分析

用戶行為分析是對(duì)用戶在產(chǎn)品上的產(chǎn)生的行為及行為背后的數(shù)據(jù)進(jìn)行分析，通過構(gòu)建用戶行為模型和用戶畫像，來改變產(chǎn)品決策，實(shí)現(xiàn)精細(xì)化運(yùn)營，指導(dǎo)業(yè)務(wù)增長(zhǎng)。

在產(chǎn)品運(yùn)營過程中，對(duì)用戶行為的數(shù)據(jù)進(jìn)行收集、存儲(chǔ)、跟蹤、分析與應(yīng)用等，可以找到實(shí)現(xiàn)用戶自增長(zhǎng)的病毒因素、群體特征與目標(biāo)用戶。從而深度還原用戶使用場(chǎng)景、操作規(guī)律、訪問路徑及行為特點(diǎn)等。

2. 用戶行為分析目的

對(duì)于互聯(lián)網(wǎng)金融、新零售、供應(yīng)鏈、在線教育、銀行、證券等行業(yè)的產(chǎn)品而言，以數(shù)據(jù)為驅(qū)動(dòng)的用戶行為分析尤為重要。用戶行為分析的目的是：推動(dòng)產(chǎn)品迭代、實(shí)現(xiàn)精準(zhǔn)營銷，提供定制服務(wù)，驅(qū)動(dòng)產(chǎn)品決策。主要體現(xiàn)在以下幾個(gè)方面：

• 對(duì)產(chǎn)品而言，幫助驗(yàn)證產(chǎn)品的可行性，研究產(chǎn)品決策，清楚地了解用戶的行為習(xí)慣，并找出產(chǎn)品的缺陷，以便需求的迭代與優(yōu)化。
• 對(duì)設(shè)計(jì)而言，幫助增加體驗(yàn)的友好性，匹配用戶情感，細(xì)膩地貼合用戶的個(gè)性服務(wù)，并發(fā)現(xiàn)交互的不足，以便設(shè)計(jì)的完善與改進(jìn)。
• 對(duì)運(yùn)營而言，幫助裂變?cè)鲩L(zhǎng)的有效性，實(shí)現(xiàn)精準(zhǔn)營銷，全面地挖掘用戶的使用場(chǎng)景，并分析運(yùn)營的問題，以便決策的轉(zhuǎn)變與調(diào)整。

3. 采集用戶行為數(shù)據(jù)

用戶行為數(shù)據(jù)其實(shí)有很大的商業(yè)價(jià)值，首先要明確數(shù)據(jù)的采集方式，以便更好的支持后續(xù)的數(shù)據(jù)分析。常用的數(shù)據(jù)采集方式有：平臺(tái)設(shè)置埋點(diǎn)和第三方統(tǒng)計(jì)工具。

平臺(tái)設(shè)置埋點(diǎn)是一種非常普遍的收集方式，即通過編寫代碼和日志布點(diǎn)的方式，來詳細(xì)描述事件和屬性的方式。以用戶登錄為例，用戶在APP上進(jìn)行登錄時(shí)，相關(guān)操作都會(huì)被記錄下來，并以日志形式存儲(chǔ)在指定的服務(wù)器上。

第三方統(tǒng)計(jì)工具一般是通過SDK接入，我們只需根據(jù)指標(biāo)去搭建分析模型。常見的第三方統(tǒng)計(jì)工具有：百度統(tǒng)計(jì)、CNZZ統(tǒng)計(jì)、GrowingIO、諸葛IO、神策IO、Google Analytics、Thinking Analytics、友盟、Mixpanel、Heap等。

4. 用戶行為分析指標(biāo)

對(duì)用戶行為數(shù)據(jù)進(jìn)行分析，關(guān)鍵是找到一個(gè)衡量數(shù)據(jù)的指標(biāo)。根據(jù)用戶行為表現(xiàn)，可以細(xì)分多個(gè)指標(biāo)，主要分為三類：黏性指標(biāo)、活躍指標(biāo)和產(chǎn)出指標(biāo)。

• 粘性指標(biāo)：主要關(guān)注用戶周期內(nèi)持續(xù)訪問的情況，比如新用戶數(shù)與比例、活躍用戶數(shù)與比例、用戶轉(zhuǎn)化率、用戶留存率、用戶流失率、用戶訪問率。
• 活躍指標(biāo)：主要考察的是用戶訪問的參與度，比如活躍用戶、新增用戶、回訪用戶、流失用戶、平均停留時(shí)長(zhǎng)、使用頻率等。
• 產(chǎn)出指標(biāo)：主要衡量用戶創(chuàng)造的直接價(jià)值輸出，比如頁面瀏覽數(shù)PV、獨(dú)立訪客數(shù)UV、點(diǎn)擊次數(shù)、消費(fèi)頻次、消費(fèi)金額等。

這些指標(biāo)細(xì)分的目的是指導(dǎo)運(yùn)營決策，即根據(jù)不同的指標(biāo)去優(yōu)化與調(diào)整運(yùn)營策略。簡(jiǎn)而言之，用戶行為分析指標(biāo)細(xì)分的根本目的有：一是增加用戶的粘性，提升用戶的認(rèn)知度；二是促進(jìn)用戶的活躍，誘導(dǎo)用戶的參與度；三是提高用戶的價(jià)值，培養(yǎng)用戶的忠誠度。

5. 做好用戶行為分析

確定好用戶行為分析指標(biāo)后，我們可以借助一些模型對(duì)用戶行為的數(shù)據(jù)進(jìn)行定性和定量的分析。常用的分析模型有：行為事件分析、用戶留存分析、漏斗模型分析、行為路徑分析和福格模型分析。

行為事件分析

行為事件分析是根據(jù)運(yùn)營關(guān)鍵指標(biāo)對(duì)用戶特定事件進(jìn)行分析。通過追蹤或記錄用戶行為事件，可以快速的了解到事件的趨勢(shì)走向和用戶的完成情況。

以用戶投標(biāo)的行為事件為例，出借人在完成投標(biāo)過程中，所進(jìn)行的注冊(cè)、認(rèn)證、開戶、充值、投資等行為，都可以定義為事件，也是完成投標(biāo)成功的一個(gè)完整事件。

確定投標(biāo)行為事件后，我們可以根據(jù)事件屬性細(xì)分維度：用戶來源、性別、出生年月、注冊(cè)時(shí)間、綁卡時(shí)間、首次充值時(shí)間、首次投資時(shí)間、標(biāo)的ID，標(biāo)名、期限、利率、還款方式等。然后從中找出符合指標(biāo)的規(guī)律，并制定針對(duì)性的措施。

用戶留存分析

用戶留存分析是一種用來分析用戶參與情況與活躍程度的模型。通過留存量和留存率，可以了解用戶的留存和流失狀況。比如用次日留存、周留存、月留存等指標(biāo)來衡量產(chǎn)品的人氣或粘度。

以渠道訪問的用戶留存為例，我們對(duì)APP端有過訪問行為的渠道用戶進(jìn)行留存分析。從圖中可以看出8月14日~8月20日的次日留存率在41%以上，周留存率在22%以上。但在8月17日的次日留存率突然飆升到67%，一般是進(jìn)行了活動(dòng)策劃或功能優(yōu)化才會(huì)留存率這么高。

用戶留存一般符合40-20-10法則，即新用戶的次日留存應(yīng)該大于40%，周留存大于20%，月留存大于10%才符合業(yè)務(wù)標(biāo)準(zhǔn)。我們做用戶留存分析主要驗(yàn)證是否達(dá)到既定的運(yùn)營目標(biāo)，進(jìn)而影響下一步的產(chǎn)品決策。

漏斗模型分析

漏斗模型分析是用戶在使用產(chǎn)品過程中，描述各個(gè)階段中關(guān)鍵環(huán)節(jié)的用戶轉(zhuǎn)化和流失率情況。比如在日?；顒?dòng)運(yùn)營中，通過確定各個(gè)環(huán)節(jié)的流失率，分析用戶怎么流失、為什么流失、在哪里流失。找到需要改進(jìn)的環(huán)節(jié)，要重點(diǎn)關(guān)注，并采取有效的措施來提升整體轉(zhuǎn)化率。

以邀請(qǐng)投資的漏斗模型為例，邀請(qǐng)人將活動(dòng)專題頁分享給好友，之后進(jìn)行的注冊(cè)、認(rèn)證、開戶、充值到投資，用漏斗模型分析一些關(guān)鍵節(jié)點(diǎn)的轉(zhuǎn)化率。其中用戶注冊(cè)轉(zhuǎn)化率為68%，實(shí)名認(rèn)證轉(zhuǎn)化率為45%，綁卡開戶轉(zhuǎn)化率為29%，線上充值轉(zhuǎn)化率為17%，投資標(biāo)的轉(zhuǎn)化率為8%。

漏斗模型分析可以驗(yàn)證整個(gè)流程的設(shè)計(jì)是否合理。經(jīng)過對(duì)比發(fā)現(xiàn)，訪問到注冊(cè)的轉(zhuǎn)化率為68%，遠(yuǎn)低于預(yù)期的80%。這次運(yùn)營策略是用戶必須先注冊(cè)才能領(lǐng)取新手福利。之后采取A/B測(cè)試的方式，優(yōu)化為先領(lǐng)取新手福利再誘導(dǎo)用戶注冊(cè)。經(jīng)過數(shù)據(jù)對(duì)比分析，注冊(cè)轉(zhuǎn)化率提升了20%。因此，通過對(duì)各環(huán)節(jié)相關(guān)轉(zhuǎn)化率的比較，可以發(fā)現(xiàn)運(yùn)營活動(dòng)中哪些環(huán)節(jié)的轉(zhuǎn)化率沒有達(dá)到預(yù)期指標(biāo)，從而發(fā)現(xiàn)問題所在，并找到優(yōu)化方向。

行為路徑分析

行為路徑分析就是分析用戶在產(chǎn)品使用過程中的訪問路徑。通過對(duì)行為路徑的數(shù)據(jù)分析，可以發(fā)現(xiàn)用戶最常用的功能和使用路徑。并從頁面的多維度分析，追蹤用戶轉(zhuǎn)化路徑，提升產(chǎn)品用戶體驗(yàn)。

不管是產(chǎn)品冷啟動(dòng)，還是日?；顒?dòng)營銷，做行為路徑分析首先要梳理用戶行為軌跡。用戶行為軌跡包括認(rèn)知、熟悉、試用、使用到忠誠等。軌跡背后反映的是用戶特征，這些特征對(duì)產(chǎn)品運(yùn)營有重要的參考價(jià)值。

以用戶投標(biāo)的行為路徑為例，我們可以記錄用戶從注冊(cè)、認(rèn)證、開戶、充值到投資的行為軌跡。通過分析用戶的這些行為軌跡數(shù)據(jù)，來驗(yàn)證訪問路徑是否和預(yù)期指標(biāo)的一致。

在分析用戶行為路徑時(shí)，我們會(huì)發(fā)現(xiàn)用戶實(shí)際的行為路徑與期望的行為路徑有一定的偏差。這個(gè)偏差就是產(chǎn)品可能存在的問題，需要及時(shí)對(duì)產(chǎn)品進(jìn)行優(yōu)化，找到縮短路徑的空間。

福格模型分析

福格行為模型是用來研究用戶行為原因的分析模型。福格行為模型用公式來簡(jiǎn)化就是B=MAT，即B=MAT。B代表行為，M代表動(dòng)機(jī)，A代表能力，T代表觸發(fā)。它認(rèn)為要讓一個(gè)行為發(fā)生，必須同時(shí)具備三個(gè)元素：動(dòng)機(jī)、能力和觸發(fā)器。因此可以借助福格行為模型來評(píng)估產(chǎn)品的合理性和能否達(dá)到預(yù)期目標(biāo)。

以活動(dòng)分享為例，投資人完成活動(dòng)分享的行為，也是必須滿足福格行為模型的三個(gè)元素。即通過邀請(qǐng)有獎(jiǎng)讓用戶有足夠的內(nèi)驅(qū)力，自主性的分享活動(dòng)給好友，且活動(dòng)專題頁有醒目的按鈕和文案提示激勵(lì)用戶完成任務(wù)。

用戶行為分析模型其實(shí)也是一種AISAS模型，即代表了用戶從注冊(cè)、認(rèn)證、開戶、充值到投資整個(gè)過程表現(xiàn)：Attention注意、Interest興趣、Search搜索、Action行動(dòng)、Share分享，也影響了用戶行為決策。

用戶行為分析模型是一個(gè)完整的行為模型，可以對(duì)產(chǎn)品的功能進(jìn)行驗(yàn)證；也是一個(gè)閉環(huán)的分析體系，可以對(duì)數(shù)據(jù)的結(jié)果進(jìn)行分析?？偠灾脩舻暮诵氖嵌床煨睦?，行為的本質(zhì)是挖掘需求，分析的目的是增長(zhǎng)業(yè)務(wù)。

本文由 @朱學(xué)敏 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。