用戶行為是用戶在產(chǎn)品上產(chǎn)生的行為，實(shí)際表現(xiàn)為相關(guān)的用戶數(shù)據(jù)。產(chǎn)品經(jīng)理運(yùn)用不同分析方法對不同數(shù)據(jù)進(jìn)行分析，進(jìn)而為產(chǎn)品迭代和發(fā)展提供方向。

一、用戶行為是什么？

1. 用戶行為

用戶行為是用戶在產(chǎn)品上產(chǎn)生的行為。我們以小明的case具象化用戶行為表現(xiàn)：

• 小明 21:00 打開快手app；
• 瀏覽，發(fā)現(xiàn)angelbaby，點(diǎn)擊查看，
• 查看時發(fā)現(xiàn)有向下的箭頭，點(diǎn)擊后查看改圖集的其他圖片；
• 感覺非常喜歡，小明點(diǎn)了贊，并分享到了朋友圈；
• 小明想看看更多angelbaby的照片，左滑進(jìn)入作者的個人主頁；瀏覽并點(diǎn)擊查看；
• 發(fā)現(xiàn)這個作者有很多明星的照片，并且有好幾位都是自己喜歡的，所以 關(guān)注了作者。
• 不知不覺中22:00點(diǎn)到了，鬧鐘提醒小明得睡覺了，戀戀不舍的退出了快手app
• 第二天9:00，小明正在擁擠的地鐵上打著瞌睡：昨天關(guān)注的作者發(fā)了新的視頻，小明接收到了通知信息，點(diǎn)擊信息打開了快手app直接查看了最新視頻，這也是一條anelbaby的視頻，看完元?dú)鉂M滿，倦意全無。此時，地鐵到站，小明立即鎖屏，擠下地鐵。

小明第二天為什么會收到通知呢？

因?yàn)樾∶麝P(guān)注作者的信息被記錄了下來，當(dāng)該作者有發(fā)布信息時，則會通知所有關(guān)注他的人，而小明也是其中之一。

小明關(guān)注作者的信息記錄，則是行為數(shù)據(jù)。小明的行為數(shù)據(jù)會有 啟動app、瀏覽、查看圖集、播放視頻、點(diǎn)贊、關(guān)注作者……

2. 用戶行為數(shù)據(jù)

用戶行為數(shù)據(jù)是從一次次的行為中而來的，行為數(shù)據(jù)是通過埋點(diǎn)進(jìn)行監(jiān)控（相見埋點(diǎn)介紹）、后續(xù)一篇文章將介紹如何（設(shè)計埋點(diǎn)）。通常是數(shù)據(jù)同學(xué)完成埋點(diǎn)設(shè)計，由開發(fā)完成監(jiān)控程序 或 調(diào)用SDK。針對小明的行為（假設(shè)以下均已埋點(diǎn)）：

• 快手啟動21：00
• 21:00-21:02 雙列瀑布流下拉，預(yù)記載圖片&視頻xxx個，消費(fèi)xxx個，第xxx個被小明點(diǎn)擊；
• 21:03 點(diǎn)擊圖片進(jìn)入詳情頁：
• 21:06 點(diǎn)贊，xxx時間點(diǎn)擊向下箭頭，瀏覽xxx張圖片；
• 21:07 分享到朋友圈；
• 21:08 進(jìn)入作者的個人詳情頁；
• 21:08-21:50 在作者的個人詳情頁 瀏覽了多少個作品；
• 21:32 關(guān)注了作者。
• 22:00 時間退出快手。
• 第二天9:00? 向小明按xxx策略發(fā)送了push通知；
• 9:02 小明點(diǎn)擊了push通知并在xxx時間 成功掉起 快手app；
• 9:03 小明播放了視頻、播放了xxx時長；
• 9:10 快手退出到后臺程序；
• 9:40? 快手被系統(tǒng)關(guān)閉。

3. 用戶行為分析

是指對用戶行為數(shù)據(jù)進(jìn)行數(shù)據(jù)分析、研究。?用戶行為分析的作用：

（1）通過用戶行為分析，可以還原用戶使用的真實(shí)過程。

• 一個xxx的人
• 在什么樣的環(huán)境中
• （由于什么樣的行為）在時間點(diǎn)
• 做了xxx事情
• 怎樣做的
• 結(jié)果如何

（2）“了解用戶，還原用戶”是“以用戶中心”的第一步。只有詳細(xì)、清楚的了解用戶的行為習(xí)慣、真實(shí)的使用路徑、進(jìn)而找出 產(chǎn)品使用、渠道推廣等過程中存在的問題，提高用戶/頁面/業(yè)務(wù)過程中的轉(zhuǎn)化率。

（3）用戶行為分析（case需要補(bǔ)充）可以用于

• A. 拉新：渠道分析、SEM分析、用戶質(zhì)量分析、
• B. 轉(zhuǎn)化：新增用戶注冊轉(zhuǎn)化過程、產(chǎn)品使用過程轉(zhuǎn)化（搜索、推薦等）、push推送調(diào)起過程、站外拉起過程
• 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(yè)化：根據(jù)用戶歷史行為展示廣告

二、如何進(jìn)行用戶行為分析？

1. 行為事件分析

行為事件分析方法主要用于 深度研究某行為事件，以及對產(chǎn)品的影響以及影響程度。針對某一具體行為，全面的描述、對比，針對其異常表象 深度下鉆分析各維度、確認(rèn)導(dǎo)致該行為數(shù)據(jù)表現(xiàn)的原因。如快手的播放量徒增:

1. 同期對比分析：確認(rèn)歷史上是否有發(fā)生過，對比 去年/上個季度/上月/上周/昨日的 數(shù)據(jù)的相對表現(xiàn)。
2. 多事件對比分析：對比瀏覽量、點(diǎn)贊、評論、分享事件的數(shù)據(jù)是否存在徒增。通過對比多個事件，確認(rèn)徒增現(xiàn)象發(fā)生的范圍。
3. 維度下鉆分析：
   • 在快手哪個頁面的播放量增加呢？是發(fā)現(xiàn)、關(guān)注、還是同城？-> 對應(yīng)頁面做了哪些調(diào)整？是否增加了引流；
   • 哪一部分用戶群的播放量增加了？交叉分析 用戶自然屬性（平臺、性別、年齡、地域、教育學(xué)歷、機(jī)型、消費(fèi)能力）、行為屬性（新增、回流、?；钴S用戶；直播用戶、短視頻用戶….）、視頻屬性（視頻類型、作者類型….）

2. 留存分析

留存是衡量用戶是否再次使用產(chǎn)品的指標(biāo)，也是每一個app賴以生存的指標(biāo)，能夠反映任何一款產(chǎn)品健康度，是產(chǎn)品、運(yùn)營、推薦效果的整體表現(xiàn)。如果一個app從來沒有留存用戶，那DAU將永遠(yuǎn)是新增用戶，那么產(chǎn)品將無法運(yùn)行下去，更別說新用戶成本付諸東流。

貼合業(yè)務(wù)屬性、精細(xì)化留存過程 將對留存數(shù)據(jù)更有價值和指導(dǎo)意義。通過留存分析，能夠剖析用戶留在產(chǎn)品的原因，從而優(yōu)化產(chǎn)品核心功能提升留存。

留存的類型：

• 用戶留存：用戶使用app后，經(jīng)過一段時間仍舊使用。
• 功能留存：用戶使用xxx功能后，經(jīng)過一段時間仍舊使用該功能，且其他功能均有所變化。此時，該功能對用戶留存有正向作用。

先前有寫過?留存分析 的文章，這里就不贅述了。

3. 漏斗分析

漏斗分析實(shí)質(zhì)是轉(zhuǎn)化分析，是通過衡量每一個轉(zhuǎn)化步驟的轉(zhuǎn)化率，通過轉(zhuǎn)化率的異常數(shù)據(jù)找出有問題的環(huán)節(jié)并解決，進(jìn)而實(shí)現(xiàn)優(yōu)化整個流程的完成率。

1）在產(chǎn)品初期(處于與市場適配的階段)：

• 通過漏斗分析找到用戶觸達(dá)的瓶頸，幫助用戶觸達(dá)產(chǎn)品核心價值，真實(shí)反映MVP與市場匹配程度；

2）在產(chǎn)品中期(處于用戶平穩(wěn)增加的階段):

• 通過漏斗分析優(yōu)化渠道，找到目標(biāo)群體用戶;
• 通過漏斗分析優(yōu)化用戶在各模塊的體驗(yàn)(基礎(chǔ)的登錄模塊、產(chǎn)品核心價值模塊: 如抖音的播放模塊、淘寶的購買模塊等)；

3）在產(chǎn)品后期(處于用戶價值產(chǎn)出的階段):

• 通過漏斗分析可以改善用戶生命周期(優(yōu)化用戶體驗(yàn)提高用戶生命周期，間接拉長用戶群體的價值產(chǎn)出的時間長度，減少高價值用戶群體的流失)；
• 可以通過漏斗分析優(yōu)化商業(yè)化模塊，像商品的購買過程（購物車-提交訂單的轉(zhuǎn)化漏斗）、廣告的曝光點(diǎn)擊等，提高生命周期中單位時間產(chǎn)生的價值。

4. 路徑分析

路徑分析可以將紛雜的app日志按照用戶的使用過程，呈現(xiàn)出“明確的”用戶現(xiàn)存路徑。發(fā)現(xiàn)路徑問題，進(jìn)而優(yōu)化，使用戶盡可能短路徑體驗(yàn)到產(chǎn)品核心價值。

• 通過路徑分析，可以了解到像小明這樣9點(diǎn)左右播放視頻的用戶：
• 他們是通過push點(diǎn)擊而來，這部分用戶占比是多少；
• 他們匆匆結(jié)束播放，再也沒有下一步行為，這部分用戶占比又有多少。

針對他們利用碎片化時間播放視屏的場景，尤其是突然退出的場景，是否在下一次打開app時，仍舊打開終端的視頻。是否有其他策略可以針對該場景來優(yōu)化？

此外，路徑分析不僅僅可以用于行為路徑分析，也可以用于用戶群體轉(zhuǎn)化分析。例如：新用戶中分別轉(zhuǎn)化為 忠實(shí)用戶、?；钴S用戶、潛在流失用戶、流失用戶的分析。

5. 用戶分群分析

通過了解用戶畫像，可以幫助運(yùn)營理解用戶。根據(jù)用戶畫像（基本屬性、用戶偏好、生活習(xí)慣、用戶行為等）的標(biāo)簽信息將用戶分群。

通過用戶分群行為表現(xiàn)對比，可以進(jìn)一步了解不同群體對產(chǎn)品的反饋，有針對性的優(yōu)化產(chǎn)品。

• 發(fā)現(xiàn)中、西南地區(qū)的低端機(jī)型使用app時，奔潰率特別高，開發(fā)可以針對該點(diǎn)進(jìn)行優(yōu)化、降低奔潰率；
• 可以針對不同的用戶群體的行為表現(xiàn) 做 定向投放、push等，從而實(shí)現(xiàn)精細(xì)化運(yùn)營。

業(yè)內(nèi)的商業(yè)化行為分析產(chǎn)品，基本上將用戶畫像的生成、標(biāo)簽的過程均合并在用戶分群的群體定義中，降低了操作流程。

三、用戶行為分析的完整鏈路

以小明為case的用戶行為每天數(shù)以萬/億計的產(chǎn)生，如何對“這類人群”進(jìn)行“行為分析”？需要行為分析將明細(xì)級別的日志聚合后再以較為可讀的形式展示出來。

為了保障行為數(shù)據(jù)分析有效，需要可靠的埋點(diǎn)、及時的數(shù)據(jù)上報、嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)模型、清晰的可視化展示。一套完整的用戶行為分析系統(tǒng)，需要覆蓋 數(shù)據(jù)埋點(diǎn)設(shè)計、埋點(diǎn)開發(fā)、數(shù)據(jù)上報、數(shù)據(jù)模型開發(fā)、行為數(shù)據(jù)分析的 所有過程；過程中也需要多方協(xié)作完成。如何通過系統(tǒng)、流程等 保障多方協(xié)作中高效、便利的完成、產(chǎn)出具有業(yè)務(wù)價值的數(shù)據(jù)分析結(jié)論呢？后續(xù)將介紹 用戶行為分析平臺的搭建。

本文由 @cecil 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

題圖來自Unsplash，基于CC0協(xié)議