在PC互聯(lián)網(wǎng)時(shí)代，網(wǎng)民的年增長(zhǎng)率達(dá)到50%，隨便建個(gè)網(wǎng)站就能得到大量流量;在移動(dòng)互聯(lián)網(wǎng)早期，APP也經(jīng)歷了一波流量紅利，獲取一個(gè)客戶的成本不到1元;而近幾年隨著流量增長(zhǎng)的紅利消退，競(jìng)爭(zhēng)越來越激烈，每個(gè)領(lǐng)域均有成百上千的同行競(jìng)爭(zhēng)，獲客成本也飆升到難以承受的水平，業(yè)務(wù)增長(zhǎng)越來越慢甚至倒退。

在如此高成本、高競(jìng)爭(zhēng)的環(huán)境下，如果企業(yè)內(nèi)部不能利用數(shù)據(jù)分析做好精細(xì)化運(yùn)營(yíng)，將產(chǎn)生巨大的資源浪費(fèi)，勢(shì)必會(huì)讓企業(yè)的運(yùn)營(yíng)成本高漲，缺乏競(jìng)爭(zhēng)力。

對(duì)于互聯(lián)網(wǎng)平臺(tái)來說，傳統(tǒng)的數(shù)據(jù)分析主要針對(duì)結(jié)果類的數(shù)據(jù)進(jìn)行分析，而缺乏對(duì)產(chǎn)生結(jié)果的用戶行為過程的分析，因此數(shù)據(jù)分析的價(jià)值相對(duì)較局限，這也是為什么近幾年很多企業(yè)感覺做了充分的數(shù)據(jù)分析，但卻沒有太大效果的原因。

上一代的用戶行為分析(更確切的說法應(yīng)該是：網(wǎng)站統(tǒng)計(jì)或APP統(tǒng)計(jì))工具，主要功能還是局限于瀏覽行為的分析，而沒有針對(duì)用戶的深度交互行為進(jìn)行分析，因此分析價(jià)值相對(duì)有限，目前大部分互聯(lián)網(wǎng)從業(yè)人員對(duì)用戶行為分析的印象還停留在這個(gè)階段。

很多人還不理解用戶行為與業(yè)務(wù)增長(zhǎng)究竟有什么因果關(guān)系，即使購(gòu)買了用戶行為分析系統(tǒng)，也只關(guān)注常規(guī)的pv、uv，不了解用戶行為分析的價(jià)值，同時(shí)也低估了用戶行為分析的難度，最終促使系統(tǒng)處于閑置狀態(tài)。

那如何破解這個(gè)困局呢？讓我們從了解用戶行為分析開始。

用戶行為分析就是通過對(duì)這些數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析，從中發(fā)現(xiàn)用戶使用產(chǎn)品的規(guī)律，并將這些規(guī)律與網(wǎng)站的營(yíng)銷策略、產(chǎn)品功能、運(yùn)營(yíng)策略相結(jié)合，發(fā)現(xiàn)營(yíng)銷、產(chǎn)品和運(yùn)營(yíng)中可能存在的問題，解決這些問題就能優(yōu)化用戶體驗(yàn)、實(shí)現(xiàn)更精細(xì)和精準(zhǔn)的運(yùn)營(yíng)與營(yíng)銷，讓產(chǎn)品獲得更好的增長(zhǎng)。

通過對(duì)用戶行為的5W2H進(jìn)行分析可以掌握用戶從哪里來，進(jìn)行了哪些操作，為什么流失，從哪里流失等等。從而提升用戶體驗(yàn)，平臺(tái)的轉(zhuǎn)化率，用精細(xì)化運(yùn)營(yíng)使企業(yè)獲得業(yè)務(wù)增長(zhǎng)。

5W2H：Who(誰)、What(做了什么行為)、When(什么時(shí)間)、Where(在哪里)、Why(目的是什么)、How(通過什么方式)，Howmuch(用了多長(zhǎng)時(shí)間、花了多少錢)。

首先我們要明確業(yè)務(wù)目標(biāo)，深刻理解業(yè)務(wù)流程，根據(jù)目標(biāo)，找出需要監(jiān)測(cè)的關(guān)鍵數(shù)據(jù)節(jié)點(diǎn)，做好基礎(chǔ)的數(shù)據(jù)的收集和整理工作，有了足夠的數(shù)據(jù)，還需要掌握科學(xué)的方法和分析模型，加之以實(shí)際應(yīng)用，實(shí)現(xiàn)有效分析，才能真正的做到數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)分析與決策。

新增用戶、活躍用戶、訪問次數(shù)、平均使用時(shí)長(zhǎng)和使用時(shí)長(zhǎng)分布，是日常運(yùn)營(yíng)工作中比較常用的，衡量整體數(shù)據(jù)維度的粗略指標(biāo)。我們可以利用這些指標(biāo)，從宏觀角度查看不同時(shí)間段、不同渠道、不同產(chǎn)品的大致數(shù)據(jù)情況。一旦出現(xiàn)數(shù)據(jù)異常，例如今日的活躍登錄用戶數(shù)明顯下降，可以針對(duì)性的縮小分析范圍，便于定位產(chǎn)品問題。

以“閱讀”類產(chǎn)品為例，從圖中可以看出，在用戶的每一次使用中，這款產(chǎn)品大部分用戶的使用時(shí)長(zhǎng)在1-5秒鐘和3-10分鐘之間，對(duì)產(chǎn)品粘性有了基本了解以后，你可以去分析使用時(shí)長(zhǎng)在1-5秒鐘之間用戶的行為特征，也可以分析使用時(shí)長(zhǎng)大于3分鐘的用戶行為特征，從而找到提升用戶使用時(shí)長(zhǎng)的增長(zhǎng)關(guān)鍵點(diǎn)。

我們可以將用戶在產(chǎn)品上的行為定義為事件，這樣用戶在產(chǎn)品上的所有獲得的程序反饋都可以抽象為事件進(jìn)行采集。事件可以完整記錄了用戶的行為，如我們可以知道用戶A幾點(diǎn)幾分進(jìn)入了商品詳情頁，并且通過屬性可以采集當(dāng)前頁面的商品名稱、商品ID、商品類型等，最大化的還原用戶使用場(chǎng)景。我們可以針對(duì)用戶的不同行為，進(jìn)行重點(diǎn)分析。

趨勢(shì)分析：分析單個(gè)事件隨時(shí)間的變化趨勢(shì)

對(duì)比分析：根據(jù)用戶屬性或事件屬性進(jìn)行分組對(duì)比

篩選分析：通過篩選條件選擇符合某些特征的事件，并進(jìn)行分析

地域分析：對(duì)環(huán)境屬性、用戶屬性中省份、城市細(xì)分可查看地圖

對(duì)于業(yè)務(wù)流程相對(duì)規(guī)范、周期較長(zhǎng)、環(huán)節(jié)較多的流程分析,漏斗分析能夠直觀地發(fā)現(xiàn)和說明問題所在。企業(yè)可以監(jiān)控用戶在各個(gè)層級(jí)的轉(zhuǎn)化情況，聚焦用戶選購(gòu)全流程中最有效轉(zhuǎn)化路徑，找到可優(yōu)化的短板，提升用戶體驗(yàn)。

同時(shí)科學(xué)的漏斗分析能夠展現(xiàn)轉(zhuǎn)化率趨勢(shì)的曲線，能幫助企業(yè)精細(xì)地捕捉用戶行為變化。對(duì)提升了轉(zhuǎn)化分析的精度和效率,流程的異常定位和策略調(diào)整效果驗(yàn)證有科學(xué)指導(dǎo)意義。

運(yùn)營(yíng)人員可以通過觀察不同屬性的用戶群體（如新注冊(cè)用戶與老客戶、不同渠道來源的客戶）各環(huán)節(jié)轉(zhuǎn)化率，各流程步驟轉(zhuǎn)化率的差異對(duì)比，了解轉(zhuǎn)化率最高的用戶群體，分析漏斗合理性，并針對(duì)轉(zhuǎn)化率異常環(huán)節(jié)進(jìn)行調(diào)整。

留存分析是一種用來分析用戶參與情況/活躍程度的分析模型，考察進(jìn)行初始行為的用戶中，有多少人會(huì)進(jìn)行后續(xù)行為。這是用來衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要方法。通過留存分析，我們主要可以查看新功能上線之后，對(duì)不同群體的留存是否帶來不同效果?可以判斷產(chǎn)品新功能或某活動(dòng)是否提高了用戶的留存率？結(jié)合版本更新、市場(chǎng)推廣等諸多因素結(jié)合，砍掉使用頻率低的功能，實(shí)現(xiàn)快速迭代驗(yàn)證，制定相應(yīng)的策略。

留存率是判斷產(chǎn)品價(jià)值最重要的標(biāo)準(zhǔn)，揭示了產(chǎn)品保留用戶的能力。實(shí)際上是一種轉(zhuǎn)化率，即由初期的不穩(wěn)定的用戶轉(zhuǎn)化為活躍用戶、穩(wěn)定用戶、忠誠(chéng)用戶的過程。隨著統(tǒng)計(jì)數(shù)字的變化，運(yùn)營(yíng)人員可看到不同時(shí)期用戶的變化情況，從而判斷產(chǎn)品對(duì)客戶的吸引力。

用戶來到你的應(yīng)用后，通常會(huì)沿著不同的路徑去使用你的產(chǎn)品。這時(shí)，我們需要從一個(gè)全局的視角，去探索用戶在應(yīng)用中所經(jīng)過的所有不同的路徑。路徑分析可以讓我們看到在指定時(shí)間內(nèi)，用戶所經(jīng)過的最常見的那些路徑，了解到用戶進(jìn)入應(yīng)用后，后續(xù)分別都做了些什么；也可以了解到用戶是如何一步步離開應(yīng)用的。 

以電商為例，買家從登錄網(wǎng)站／APP到支付成功要經(jīng)過首頁瀏覽、搜索商品、加入購(gòu)物車、提交訂單、支付訂單等過程。而在用戶真實(shí)的選購(gòu)過程是一個(gè)交纏反復(fù)的過程，例如提交訂單后，用戶可能會(huì)返回首頁繼續(xù)搜索商品，也可能去取消訂單，每一個(gè)路徑背后都有不同的動(dòng)機(jī)。與其他分析模型配合進(jìn)行深入分析后，能為找到快速用戶動(dòng)機(jī)，從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

對(duì)于任何事情，我們要想做好它就必須先了解它，了解之后我們才能更好的駕馭它。那么對(duì)一款產(chǎn)品的市場(chǎng)表現(xiàn)情況我們需要如何才能清晰地知道呢？這就需要我們通過用戶對(duì)該產(chǎn)品的使用行為來進(jìn)行分析。善于獲取數(shù)據(jù)、分析數(shù)據(jù)、應(yīng)用數(shù)據(jù)，是每個(gè)人做好工作的基本功，每家企業(yè)都應(yīng)該加強(qiáng)對(duì)用戶行為分析大數(shù)據(jù)的應(yīng)用，從數(shù)據(jù)中找出規(guī)律，用數(shù)據(jù)驅(qū)動(dòng)企業(yè)增長(zhǎng)。

-END-