用户行为分析模型总结

在产品的设计与运营过程中,通过数据对用户行为进行分析,我们可以总结分析出用户行为与产品之间的关联,并针对性地对产品做出改进。

用户行为分析模型总结

• 用户分群
  • 概念
    • 用户分群数据分析方法是进行用户画像的关键数据分析模型，这是企业进行数据分析、精细化运营的第一步。用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。
  • 关注点
    • 他们是谁？
    • 行为特点有哪些？
    • 偏好是什么？
    • 潜在需求和行为喜好是什么？
• 用户行为路径分析
  • 概念
    • 对用户在APP或网站中的访问行为路径进行的分析。
    • 为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。
  • 价值
    • 用户典型路径识别与用户特征分析
      • 通过用户整体行为路径找到不同行为间的关系，挖掘规律并找到瓶颈。
    • 产品设计的优化与改进
      • 了解用户整体行为的主路径和次路径，根据用户路径中各个环节的转化率，发现用户的行为规律和偏好，发现哪些操作过于冗长繁琐，这样可以帮助我们针对性地改进剪辑操作模块，优化用户体验。
      • 也可以用于监测和定位用户路径走向中存在的问题，判断影响转化的主要因素和次要因素，也可以发现某些冷僻的功能点。
    • 产品运营过程的监控
      • 产品关键模块的转化率本身即是一项很重要的产品运营指标，通过路径分析来监测与验证相应的运营活动结果，可以方便相关人员认识了解运营活动效果。
• 点击分析
  • 点击图
    • 点击图：在用户行为分析领域，点击分析被应用于显示页面或页面组（结构相同的页面，如商品详情页、官网博客等）区域中不同元素点击密度的图示。包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史内容等因素。
  • 作用
    • 了解用户和页面上各元素的交互情况，判断哪些元素对客户最有吸引力，为优化和调整网页设计提供了科学依据
  • 分析点
    • ① 精准评估用户与网站交互背后的深层关系
      • 照事件属性和用户属性进行筛选，查看页面元素点击背后的用户列表，对特定环境下特定用户群体对特定元素的点击进行精细化分析。
    • ② 网页内跳转点击分析，抽丝剥茧般完成网页深层次的点击分析
    • ③ 与其他分析模型配合，以全面视角探索数据价值，能够深度感知用户体验，实现科学决策。
      • 改版后，如何评估新版本对用户体验的影响？一处修改，是否影响其他元素的点击……等等。再如 A/B 测试，反复验证优化效果选择最优方案等
• 行为事件分析
  • 概念
    • 企业追踪或记录的用户行为或业务过程
  • 事件描述
    • Who 是参与事件的主体，对于未登陆用户，可以是 Cookie、设备 ID 等匿名 ID ;对于登录用户，可以使用后台配置的实际用户 ID;
    • When 是事件发生的实际时间，应该记录精确到毫秒的事件发生时间;
    • Where 即事件发生的地点，可以通过 IP 来解析用户所在省市;也可以根据 GPS 定位方式获取地理位置信息。
    • How 即用户从事这个事件的方式。用户使用的设备、浏览器、 APP 版本、渠道来源等等;
    • What 描述用户所做的这个事件的所有具体内容。比如对于“购买”类型的事件，则可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、付款方式等。
• 用户留存分析
  • 概念
    • 留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。
  • 特点
    • 科学的留存分析模型具有灵活条件配置——根据具体需求筛选初始行为或后续行为的细分维度，针对用户属性筛选合适的分析对象的特点。
  • 价值
    • ① 留存率是判断产品价值最重要的标准，揭示了产品保留用户的能力
      • 留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程。
      • 随着统计数字的变化，可以看到不同时期用户的变化情况，从而判断产品对客户的吸引力。
    • ② 宏观上把握用户生命周期长度以及定位产品可改善至之处
      • 通过留存分析，可以查看新功能上线之后，对不同群体的留存是否带来不同效果? 可以判断产品新功能或某活动是否提高了用户的留存率？
      • 结合版本更新、市场推广等诸多因素结合，砍掉使用频率低的功能，实现快速迭代验证，制定相应的策略。
• 漏斗分析
  • 概念
    • 漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
    • 漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营与数据分析的工作中。漏斗能够展现出流程中各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。
  • 特点
    • 监控用户在各个层级的转化情况，聚焦用户选购全流程中最有效转化路径，同时通过不同层级的转情况，迅速定位流失环节，找到可优化的短板，提升用户体验。
    • 多维度切分与呈现用户转化情况，成单瓶颈无处遁形。
    • 通过观察不同属性的用户群体各环节转化率，各流程步骤转化率的差异对比，了解转化率最高的用户群体，分析漏斗合理性，并针对转化率异常环节进行调整。