006問 為什么用戶行為分析是增長黑客的基礎能力？

小壞有話說

在增長黑客的理論中，數據分析的重要方向是用戶行為分析。那到底什么是用戶行為分析？有哪些使用場景？能解決哪些問題？

問題解析

一、什么是用戶行為分析？

簡單來說，通過用戶行為分析我們可以記錄用戶在產品上的使用行為，還原用戶的實際使用場景，發現產品中存在的問題以及用戶需求，提升用戶量。

復雜一點說，通過用戶行為分析我們可以對用戶使用時間點、使用時長、瀏覽頁面個數、頁面停留時間、頁面瀏覽完成度和使用路徑等用戶在產品上發生的所有交互行為數據進行匯總，為漏斗模型、行為路徑模型、用戶分群模型等數據分析模型提供數據基礎，發現用戶的使用習慣和對產品的需求，優化產品及精細化運營方式。

二、怎么做用戶行為分析？

用戶行為分析是一個比較大的概念。做用戶行為分析需要兩部分工作，首先通過數據埋點采集用戶行為數據，其次通過數據分析模型，洞察用戶使用行為的特征，從而發現問題并找到解決方案。

做用戶行為分析的過程是通過數據分析方法洞察用戶行為背后的需求特征，要經過建立畫像—設定事件—分析特征—用戶管理這4個步驟。

1.建立畫像：用戶畫像=用戶行為數據+用戶屬性數據。

完整的用戶畫像包括用戶屬性數據和用戶行為數據兩個方面。用戶屬性數據指用戶的性別、年齡、職業、地域，用戶使用的機型，所用系統的版本，用戶注冊時間等與用戶個人相關的數據；用戶行為數據包括發起會話的時間、發起交互后每一步點擊的位置、瀏覽的頁面內容、使用時長等數據。

建立畫像后，我們可以進行單個用戶分析，從時間維度還原用戶在使用產品時做了什么，例如瀏覽了哪些文章/商品，進而發現用戶的行為偏好。就像用戶在旅游網站上瀏覽過某旅行路線后，App會給用戶推薦相關路線的內容，客服會與用戶溝通具體的出行計劃。

2.設定事件：洞察用戶的重點行為數據。

事件是指用戶在使用產品時做過什么。例如登錄是一個事件，這個事件包括打開App、點擊登錄按鈕、填寫用戶名和密碼、點擊確認按鈕等多個步驟。設定事件的目的在于記錄發生某個事件的用戶人數和發生時間。

設定事件是為特征分析提供基礎。例如在購物類應用中，用戶購買了一雙襪子，該怎么記錄呢？如果提前設定了事件，那么購買襪子這個行為可以滿足的事件包括“買了襪子”“買了20～30元的商品”“買了生活衣物”“買了男/女裝”“買了促銷/正價產品”等。

在行為分析中，設定事件是基礎，我們往往是在不斷進行的事件中做行為分析的。事件是對某一個行為結果的記錄，而設定事件的方法，需要基于分析結果進行逆推。

用戶模型是以單個用戶為中心記錄的該用戶的所有行為，事件模型是以行為為中心記錄的指定用戶群的共同行為。例如我們都關注的注冊量指標，通過設定事件，可以統計每天、每小時、每分鐘有多少人點擊了注冊按鈕，還可以設定事件記錄有多少人注冊失敗。

3.分析特征：多種數據分析模型洞察行為特征。

在用戶行為特征分析中，可以通過漏斗分析、行為路徑分析、點擊熱力圖分析、黏性分析等分析方法來發現行為數據背后的一些規律。

例如在分析付款成功這個重要指標上，傳統的數據分析方法只能看到有多少人付款成功，那么付款成功前用戶做了什么？有多少人想買商品但是沒付款？這些都無法知道。

我們可以記錄付款流程中的每一步事件，一般為“搜索商品—查看商品詳情—加入購物車—開始付款—付款成功”的流程。

當然，更復雜的情況還要包括選擇尺碼、填寫訂單信息等，需要分析者根據產品的主要路徑對每一步分析內容進行自定義，查看在關鍵流程中的流失情況。

通過對比每一個關鍵事件的用戶觸發人數，可了解每一個節點的用戶流失情況。例如有100%的用戶搜索商品，但只有87%的用戶查看了商品詳情，又只有30%的用戶將商品加入了購物車，這些數據反映了每一個節點的用戶流失率。

我們可以建立多個漏斗分析模型。例如重點分析加入購物車的用戶流失情況時，可以建立“查看商品詳情—選擇尺碼顏色—查看評論—加入購物車”的模型，進一步分析關鍵流失環節中的用戶流失節點，找出問題所在。

與漏斗分析法相比，用戶行為路徑分析法是以用戶為中心，還原用戶的真實使用路徑，從而發現用戶行為偏好。漏斗分析法是由分析者設定用戶使用流程中的幾個關鍵步驟，從而發現關鍵流程中的流失率，通俗點說就是了解哪些用戶沒有聽產品的話。而用戶行為路徑分析是選擇某一個節點后，觀察用戶后續使用行為，也就是說，了解用戶自己要干什么。

例如在線教育類產品的主流程一般是搜索課程—查看課程詳情—開始注冊—登錄—付款—聽課等關鍵步驟，這是產品讓用戶走的流程，但用戶在實際使用時是什么情況呢？

通過用戶行為路徑分析，可以發現：搜索課程后，68.6%的用戶查看了課程詳情，9.5%的用戶進行登錄，3.9%的用戶開始注冊。我們還可以發現用戶行為偏好，從而指導運營方式，例如在用戶行為分支步驟中將用戶引回主路徑。

4.用戶管理：根據需要建立用戶分群維度。

用戶分群模型是精細化運營的必要分析模型。我們可以通過用戶的某項行為特征，對用戶進行分群，從而發現群組用戶的差異，對不同群組用戶推出有針對性的運營方案。

例如在黏性分析中，可以根據連續訪問天數對滿足條件的用戶進行分群，得到連續使用3天、7天和15天的用戶群組。這是基礎用戶分群，也就是通過單一的條件進行的分組。

我們還可以通過多個維度的條件進行更精細化的分群，例如在連續使用3天的用戶中，篩選每天瀏覽超過3個、5個、7個詳情頁的用戶，又得到了進一步細分的群組。得到這樣的群組后，就可以對比分析出瀏覽詳情頁的用戶數量對用戶下單購買概率的影響，找到不同群組用戶的來源渠道的特征。

在連續3天且每天瀏覽超過7個詳情頁的用戶中，還可以進一步加入篩選條件，如按照每日訪問時長篩選、按照地域篩選，進而設計針對性強的活動。

三、用戶行為分析有哪些價值？

1.找到產品與用戶的契合點。

通過用戶行為分析，發現用戶高頻使用的產品功能以及真正的用戶行為習慣，洞察用戶對產品的真正需求，調整市場運營方向。

2.分析用戶來源提升ROI（投資回報率）。

在推廣渠道投放上，并不應該只關注渠道轉化量、曝光量這些虛榮指數，而是要通過各渠道轉化用戶的后續行為，發現能夠帶來活躍用戶的渠道，調整投放策略。

3.優化產品交互設計。

產品經理們往往根據自己的主觀判斷和行業常見形式來做產品交互設計，但無法理性思考。行為數據反映了用戶的真正使用習慣，從而做到真正以用戶為中心。

4.實現千人千面的精準營銷。

在沒有用戶行為數據前，我們會根據行業趨勢、時下熱點和現有資源來設計活動。但通過行為數據的用戶分群和使用特征，就可以有針對性地向用戶推送消息、發起活動。

總結

簡單地說，用戶行為分析是通過數據反饋用戶的使用行為，以此能“面對面”地觀察用戶。