起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識用戶行為分析如何落地的一些基本思考與見解
編輯導語：用戶行為分析是企業了解用戶的重要方式之一，能夠讓企業更好地為用戶服務。因此，如何對用戶行為構建系統化的分析思路則成了關鍵，本篇文章中作者將詳細介紹用戶行為分析的落地方法，一起來看看。
不論是哪種類型的企業，用戶對于他們的重要性都是不言而喻的，為用戶提供相應的客戶服務是企業的業務之一，而用戶行為分析是了解用戶的方式之一，那么，用戶行為分析如何落地呢？
一、用戶行為分析概念？
1. 用戶行為分析是什么
用戶行為分析，實質上是從點擊、頻次等多維深度的還原用戶動態使用場景和用戶體驗，再通過對用戶行為監測獲取的數據進行分析，可以更加詳細、清楚地了解用戶的行為習慣，從中發現用戶使用移動互聯網產品的規律，這些規律用于精確營銷、產品優化。
用戶行為分析可以找出產品功能、網站、推廣渠道等各個業務線中存在的問題，讓產品業務線更加精準、有效，提高轉化率、還可以進行用戶分層和用戶分群，實現用戶精準營銷和精細化運營，從而驅動業務實現增長。
2. 用戶行為數據有哪些
用戶行為數據概括來說就是：Who（誰）、When（在什么時間）、Where（在哪里）、What（做了什么行為）、Why（目的是什么）、How（通過什么方式），How much （用了多長時間、花了多少錢）。
如在用戶注冊環節上進行數據埋點，監控用戶什么時間、在什么樣設備、什么樣的機型進行注冊，完成注冊之后瀏覽了什么頁面，每個頁面停留了多長時間，購買了什么商品，消費了多少錢等一系列行為。每個節點進行數據埋點，打上標簽，就可以采集這些用戶行為數據，進行分析，根據不同用戶的不同標簽對用戶實現精準營銷等作用。
按數據來源分，用戶行為的數據可以分為線上觸點數據（APP、H5、Web網頁、小程序、各個網絡平臺等）及線下觸點數據（門店動線、可穿戴設備等）。
按行為類型劃分，可分為消費行為數據和操作行為數據。其中，
消費行為數據有：
用戶的客單價、訂單數、會員購買率；
操作行為數據有：
- 用戶的pv、uv、ip、老訪問數、新訪問數；
- 用戶停留時間、使用時間及頻次、跳出率、回訪次數、回訪相隔天數；
- 用戶來源渠道、地區；
- 用戶使用頻次分布、時間段分布，平均停留時長；
- 用戶所使用搜索引擎、關鍵詞、關聯關鍵詞和站內關鍵字；
- 用戶在頁面上的點擊量；
- 用戶進入下一個路徑的轉化率；
- 用戶發視頻數，創建企業數等等。
用戶使用產品的有很多場景，所以用戶行為數據有很多，在這里不一一介紹了，這些數據反映的都是產品業務線的總體情況，數據的價值除了反映現狀，還有更重要的是應用。
二、實戰場景中的用戶行為分析有哪些？
1. 涉及哪些運營部門
以互聯網B端產品的職能架構為例，來感受一下業務流程中每個角色的作用。各部門的重點工作如下：
市場部：基于用戶路徑分析，獲取足夠流量及銷售線索，降低渠道成本，提升渠道轉化，有渠道投放質量。
產品設計部：基于用戶路徑分析，輸出產品方案，幫助商家解決業務問題，能得到用戶對不同功能模塊的反饋，進而優化功能；
運營部：基于用戶路徑分析，優化用戶質量以及打造品牌口碑、進行內容運營、活動運營、社群運營等；
銷售部 ：基于用戶偏好分析，將有效的銷售線索，轉化至與客戶成交這一步驟，需要經常進行線下拜訪、PPT演示、簽訂合同等相關工作；
客戶成功部：根據用戶分群進行分析，刻畫該目標群體的興趣畫像，獲取目標用戶的興趣愛好，針對性服務重點客戶，成功客戶轉化以及續費；
客服部：根據用戶分層，針對性的維護客戶，收集客戶真實需求。
·······
2. 用戶行為分析的場景
定義用戶的生命周期為：拉新-轉化-促活-留存-商業化，具體分析場景如下：
A. 拉新：渠道分析、用戶質量分析、SEM分析·····
B. 轉化：新增用戶注冊轉化過程、產品使用過程轉化（搜索、推薦等）····
C. 促活：用戶停留時長、用戶行為分布····
D. 留存：用戶留存分析····
E. 商業化：根據用戶歷史行為展示廣告····
3. 用戶行為分析該如何落地
對數據分析人員來說，用戶行為分析該如何落地？當接到業務需求，先定義問題；回到業務場景，結合分析目標，形成分析思路；如何與業務溝通形成落地的建議？
1）接到業務需求，先要定義問題
定義問題是理解、理清業務需求的第一步，如果能夠量化的定義更好。所謂問題，即預期目標與實際目標的差距。比如某產品的重要數據指標是銷售額 ，業務員找到數據分析人員說我這個月的銷售額很低，只有100w，我們定的銷售額目標是500w，需要幫我分析一下是什么原因導致的？
這其中目標是500w而實際銷售額是100w，100w到500w的差距便產生了問題。
那么，如何定義問題呢?
第一、清晰準確描述問題。用清晰的描述和量化的數據代替模糊不清口頭的表達；
第二、劃分問題邊界。初步預判解決問題的方向、設定評價標準、分析目標的預期值；
第三、區分問題類型。用專業的判斷定義問題發生的場景、問題類型；
第四、明確輸出產物。把一個具體的場景事件轉化為要解決的問題。
2）結合業務場景和目標，形成分析思路
在實際數據分析工作中，面對諸多問題，我們的想法是零散、發散的，不能形成有體系化的分析思路，就會導致找不到核心的問題點。沒有數據分析思路的人總會說“我感覺”“我認為”等口頭語，而且只會使用數據分析相關工具做了很多可視化圖表，不知道使用哪些數據分析方法，最后也發現不了 其中的問題。
數據分析要緊密結合業務，分析思路也是如此。我們需要能將零散的想法整理成有條理的思路，從而快速解決問題。
那么，如何形成體系化的分析思路?
第一、結合具體業務場景，了解整體數據情況。了解產品業務線的整體用戶行為數據概況。
第二、根據需求問題和目標，明確分析的數據指標。數據指標是分析的基礎，先定指標，再談分類維度，再談怎么分析。用戶行為分析可利用轉化漏斗梳理用戶全行為路徑，明確待分析的核心數據指標。
第三、了解核心指標，觀察數據規律變化。用戶在不同時段的訪問量和使用間隔情況分布、新增和活躍數據的走勢情況等，用戶行為分析要通過數據規律和分布情況了解人群特征和用戶行為習慣。
第四、挖掘異常變化的原因，有邏輯的進行論證。通過數據監控，發現異常情況，與同期對比，按時序看走勢，必要時拆解結構，找出異常，進而下鉆分析原因，從而鎖定問題點，進行深入分析。
第五、基于數據分析模型，深入洞察原因。一般常用的數據分析模型為結構分析法+指標拆解法。對問題進行拆解，找到問題發生點。
第六，進行問題點測試，驗證分析結果。找問題點后，進行多輪測試驗證，確保分析結果準確性可靠性，還能知道哪種方法好用，發現內在邏輯，積累分析實戰經驗。
3）根據分析結果，給出落地建議
能否落地、執行、見效，是很多做數據分析的人員被質疑的點，數據分析的結果是否能夠落地、執行、見效體現了分析本身的意義，只有推動執行了，才能給公司帶來巨大價值。
那么，如何根據分析結果給出可執行的落地建議呢？
第一、確認分析的數據邏輯性，可靠性，準確性。一定要用數據證明分析結果有價值，預計能帶來多少的收益。
第二、認清事實，清晰各個部門落地目標。數據分析結果在各個部門里落地生根，利用STAR 模型（situation(情境)、target(目標)、action(行動)、result(結果)）把公司目標-部門目標-項目目標串起來，使得各個部門人員配合落地執行。
第三、結合業務動作，提出切實可行的方案。僅是分析結果是不夠的，還要提出切實可行的方案。
第四、獲得領導的支持和認可。領導認可才會分配相應的資源，交給相應的人員去實施。我們首要證明分析是正確的；其次有非常準確可靠的價值描述；最終，必須有清晰明確，成本可控的落地方案。
第五、上線測試，復盤效果，優化迭代。一定要給業務方講清楚：沒有歷史數據，則無法分析，一定要做測試。實驗數據跟自己預期的效果有差異，一定要分析出具體原因，優化迭代。
對于用戶行為分析 ，還有一個值得需要考慮的是成本問題，朋友如是說：“我所了解的用戶行為分析，需要較高的門檻，既要有一套完整的數據監控體系，而且要確保數據是真實的，同時拿到一大堆用戶的行為數據來分析，也是很頭疼的一件事。從產入產出比來看，如果用戶行為分析只是用在用戶畫像和智能推薦的話，成本是一個必須要考慮的問題?！?/p>
小結
對于用戶進行分析要靈活選擇常用的數據分析模型，對用戶進行分析和分類區分，引用朋友的一句話“我們意識形態里面都會覺得大數據里面一定能挖掘出一些信息，或者價值。
實際情況有這么一種：在促銷活動里面，我們通常會認為促銷的方案落地之后，營業的數據一定曲線向上，實際上更多的時候營業數據的波動并不會特別明顯，甚至用了某些模型，會得出“促銷方案的效果幾乎等于0”的結論。
所以，數據分析的背后是不是一定能挖掘出某些價值，如果沒有，那么問題出在哪里，對“數據分析”這個工具的使用，還有哪些注意方式。
所以，我們需要找到合適的“數據分析”工具方法及模型。（若有不一樣的想法，歡迎留言）
#專欄作家#
木兮擎天＠，微信公眾號：木木自由，人人都是產品經理專欄作家。多年互聯網數據運營經驗，涉獵運營領域較廣，關注于運營、數據分析的實戰案例與經驗以及方法論的總結，探索運營與數據的神奇奧秘！
本文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
促銷效果等于0不一定是沒有從數據挖掘出價值，也有可能是沒“抓住”價值，現在很多企業的主動營銷的觸達手段不是很有效，造成商機還在沿著原有慣性在自然轉化，沒有實現商機的轉移或擴大。還是進行營銷鏈路的拆解分析，找到“拖后腿”的環節在哪里，也不一定是沒找到價值。
產品最終落地實施就是為用戶服務，用戶行為分析當然是非常有必要。