編輯導(dǎo)語(yǔ)：用戶分析對(duì)企業(yè)的發(fā)展至關(guān)重要，它可以還原用戶使用的真實(shí)過(guò)程，讓我們更加清楚的了解用戶的行為習(xí)慣，那么用戶分析應(yīng)該怎樣做呢？本文對(duì)用戶分析的過(guò)程進(jìn)行拆解，通過(guò)講述“用戶是誰(shuí)”“用戶從哪里來(lái)”“用戶做了什么”“用戶會(huì)到哪里去”，詳細(xì)傳遞了用戶分析的方法，值得一看。

用戶分析，是當(dāng)前數(shù)據(jù)分析領(lǐng)域最熱門的話題了。不管是互聯(lián)網(wǎng)企業(yè)還是傳統(tǒng)企業(yè)，都在問(wèn)：

• 我的用戶是誰(shuí)？
• 用戶從哪里來(lái)？
• 用戶做了什么？
• 用戶會(huì)到哪去？

幾乎所有部門，都會(huì)用到用戶分析的結(jié)論，所以用戶分析，在整個(gè)分析體系中，是最基礎(chǔ)的環(huán)節(jié)（如下圖）。

今天就簡(jiǎn)單分享一下，用戶分析該怎做。

一、用戶分析做什么？

用戶分析解答四個(gè)問(wèn)題：

• 用戶特征是什么（我的用戶是誰(shuí)？）
• 從哪里獲得用戶（用戶從哪里來(lái)？）
• 用戶的活躍行為（用戶做了什么？）
• 用戶的行為預(yù)測(cè)（用戶會(huì)到哪去？）

這樣做完分析以后，就能對(duì)用戶狀況有清晰的了解，還能根據(jù)預(yù)測(cè)結(jié)果，做出針對(duì)性的服務(wù)/營(yíng)銷動(dòng)作。用戶分析，可謂是人人都喜歡看。

二、用戶特征分析

用戶特征分析，就是把用戶基礎(chǔ)的性別、年齡、職業(yè)、收入、家庭地址、興趣愛(ài)好……等展示出來(lái)，告訴大家我們的用戶是什么樣的。但是這部分受數(shù)據(jù)來(lái)源局限，實(shí)際工作中，很多公司無(wú)法記錄到足夠多的真實(shí)數(shù)據(jù)。所以，有哪些數(shù)據(jù)就展示哪些吧，無(wú)法強(qiáng)求。

但是，有一項(xiàng)特征分析，是一定能做的，就是：消費(fèi)分層。用分層分析法，對(duì)用戶消費(fèi)進(jìn)行分層，識(shí)別出哪些用戶消費(fèi)很高，哪些很低。這個(gè)結(jié)果，在后邊的各個(gè)分析中都能用到。并且，特定的消費(fèi)分層機(jī)構(gòu)，會(huì)影響到后邊運(yùn)營(yíng)思路（如下圖）。

三、用戶來(lái)源分析

用戶來(lái)源分析，就是從獲取用戶角度，把用戶來(lái)源渠道、轉(zhuǎn)化路徑，結(jié)合用戶消費(fèi)分層與用戶特征進(jìn)行分析。從而識(shí)別出：

• 哪個(gè)渠道獲客效率更高
• 高價(jià)值的用戶在哪里集中
• 獲取用戶的方式，是否能進(jìn)一步優(yōu)化

用戶來(lái)源分析，對(duì)于廣告投放、銷售培訓(xùn)、市場(chǎng)推廣都有重要意義，因此備受關(guān)注。

四、用戶行為分析

用戶行為分析，針對(duì)已經(jīng)注冊(cè)，具有ID的用戶，分析其活躍行為，包括：

• 用戶消費(fèi)行為：用戶買了多少錢、買了什么貨、上次消費(fèi)距今多久了
• 用戶咨詢行為：用戶向客服咨詢了什么問(wèn)題，投訴了什么問(wèn)題
• 用戶互動(dòng)行為：用戶瀏覽了什么內(nèi)容、點(diǎn)擊了什么頁(yè)面、看了什么直播

這里最重要的就是消費(fèi)行為。大部分公司都是依靠用戶消費(fèi)賺取利潤(rùn)的，運(yùn)營(yíng)/營(yíng)銷的策略，也是從消費(fèi)行為分析里推導(dǎo)出來(lái)的。更好的是：用戶消費(fèi)數(shù)據(jù)一定有完整的記錄，所以可以做很多分析。比如經(jīng)典的RFM模型，就是針對(duì)消費(fèi)行為進(jìn)行分析（如下圖）。

用戶咨詢行為，一般是通過(guò)客服/門店收集的，即使傳統(tǒng)企業(yè)也能拿到這部分?jǐn)?shù)據(jù)。用戶咨詢數(shù)據(jù)量不會(huì)很大（發(fā)起咨詢的用戶，只占全量的1%左右），但是意義很大。因?yàn)闀?huì)發(fā)起咨詢，就說(shuō)明用戶有強(qiáng)烈的意愿。

如果咨詢的是活動(dòng)信息，就說(shuō)明活動(dòng)宣傳有問(wèn)題，用戶看不懂。

如果咨詢的是商品信息，就說(shuō)明有些用戶對(duì)該商品有特殊興趣。

如果投訴的是產(chǎn)品質(zhì)量，那就得趕緊處理，避免事態(tài)升級(jí)。

用戶互動(dòng)行為，在互聯(lián)網(wǎng)行業(yè)很普遍(傳統(tǒng)線下門店記錄不到這些數(shù)據(jù))。通過(guò)埋點(diǎn)數(shù)據(jù)，可以獲得用戶點(diǎn)擊、瀏覽、觀看等數(shù)據(jù)，這些數(shù)據(jù)，零散地看可能意義不大，但是匯總起來(lái)，能形成很有意義的分析。

比如：

• 分析用戶在交易過(guò)程中行為，找到提升交易概率的關(guān)鍵
• 分析用戶對(duì)內(nèi)容點(diǎn)擊瀏覽行為，找到用戶的興趣點(diǎn)以提升留存
• 分析用戶對(duì)商品/活動(dòng)信息的瀏覽行為，找到用戶購(gòu)買需求

在用戶互動(dòng)行為上，分析模型也很多。比如勾畫用戶站內(nèi)行為的UJM模型，比如找用戶關(guān)鍵行為的“魔法數(shù)字”分析方法等等。有機(jī)會(huì)再跟大家一一分享。

除了單獨(dú)的用戶行為分析，用戶行為數(shù)據(jù)，可以作為建模的輸入素材，訓(xùn)練更多的模型。

五、用戶行為預(yù)測(cè)

用戶行為預(yù)測(cè)包含宏觀、微觀兩個(gè)層面。

宏觀層面，針對(duì)用戶群體總量進(jìn)行預(yù)測(cè)，比如預(yù)測(cè)整體上用戶會(huì)流失多大比例，用戶增長(zhǎng)到什么規(guī)模，活躍用戶預(yù)計(jì)是什么水平。通過(guò)宏觀預(yù)測(cè)，能指導(dǎo)企業(yè)整體經(jīng)營(yíng)計(jì)劃的制定。預(yù)測(cè)宏觀數(shù)據(jù)的方法相對(duì)簡(jiǎn)單，可以用之前介紹的時(shí)間序列方法，也能直接擬合曲線/按比例推算（如下圖）。

微觀層面，則是對(duì)每一個(gè)用戶的行為進(jìn)行預(yù)測(cè)，包括：

• 預(yù)測(cè)用戶是否消費(fèi)：找出不消費(fèi)的用戶，進(jìn)行激活
• 預(yù)測(cè)用戶是否流失：對(duì)于高流失概率的用戶，體現(xiàn)促活
• 預(yù)測(cè)用戶需求：通過(guò)關(guān)聯(lián)規(guī)則、協(xié)同規(guī)律，找用戶可能購(gòu)買的產(chǎn)品

這些模型能直接指導(dǎo)業(yè)務(wù)動(dòng)作，意義很大。但是建模本身需要較多基礎(chǔ)數(shù)據(jù)積累。而數(shù)據(jù)積累又恰恰是很多企業(yè)最大的軟肋，所以這一部分分析，大家量力而行。

六、小結(jié)

今時(shí)今日，各個(gè)部門遇到點(diǎn)問(wèn)題，都會(huì)問(wèn)：

• 是不是用戶不喜歡？
• 是不是沒(méi)找對(duì)用戶？
• 是不是用戶行為有變化？

所以，用戶分析可以展開(kāi)講的內(nèi)容太多了，幾乎與每一類分析都有點(diǎn)關(guān)系。今天就當(dāng)開(kāi)個(gè)頭，后邊再跟大家一一分享。

作者：碼工小熊，微信公眾號(hào)：碼工小熊

本文由 @碼工小熊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash，基于CC0協(xié)議