1.2 用戶數(shù)據(jù)分析

數(shù)據(jù)是現(xiàn)實的寫照，在大數(shù)據(jù)時代下，每個人都知道數(shù)據(jù)分析的重要性。數(shù)據(jù)分析的強大之處在于，可以進(jìn)行系統(tǒng)、量化、客觀的思考，用這種思考方式去代替零散、臆斷、盲目的思考方式。通過數(shù)據(jù)分析，獲取數(shù)據(jù)背后的價值。

數(shù)據(jù)分析的作用包括：第一，現(xiàn)狀分析，描述當(dāng)前發(fā)生了什么；第二，原因分析，解釋相關(guān)事件為什么會發(fā)生；第三，預(yù)測分析，預(yù)測未來可能會發(fā)生什么；第四，幫助判斷，確定需要怎么做。

在進(jìn)行數(shù)據(jù)分析之前，需要先搭建數(shù)據(jù)指標(biāo)體系，然后通過數(shù)據(jù)信息記錄、埋點統(tǒng)計、第三方獲取、爬蟲采集等辦法收集數(shù)據(jù)，對數(shù)據(jù)進(jìn)行清洗和規(guī)范化處理，再通過數(shù)據(jù)系統(tǒng)、數(shù)據(jù)平臺、數(shù)據(jù)庫、推送數(shù)據(jù)信息的工具等進(jìn)行呈現(xiàn)，以便查看和提取數(shù)據(jù)。關(guān)于這些前期數(shù)據(jù)工作，由于本書篇幅有限，不再展開介紹，我們聚焦于研究與用戶運營更相關(guān)的事情。

本節(jié)主要介紹用戶數(shù)據(jù)分析的方法，對企業(yè)內(nèi)部用戶數(shù)據(jù)進(jìn)行分析，主要包括這幾個方面：用戶指標(biāo)看板、用戶畫像分析、用戶健康度分析、用戶行為分析、用戶業(yè)務(wù)數(shù)據(jù)分析。

1.用戶指標(biāo)看板

用戶指標(biāo)看板是一種查詢和分析數(shù)據(jù)的工具，以看板的形式，展示和分析主要用戶指標(biāo)數(shù)據(jù)和數(shù)值變化。

常用指標(biāo)信息如下（以交易類產(chǎn)品為例進(jìn)行說明），根據(jù)業(yè)務(wù)和用戶運營的需要，先確定主要指標(biāo)項目，再確定指標(biāo)的統(tǒng)計口徑和統(tǒng)計周期，接著以某種形式展示數(shù)據(jù)，并區(qū)分主要維度，細(xì)分?jǐn)?shù)據(jù)可以直接展示，也可以通過進(jìn)一步細(xì)分、查詢或者篩選來獲取，最終展示出業(yè)務(wù)關(guān)鍵指標(biāo)信息，以供業(yè)務(wù)管理和運營使用。

● 指標(biāo)項目：有訪客量（UV）、訪問次數(shù)（PV）、下單用戶數(shù)（DAU或MAU）、新增用戶數(shù)、交易訂單量、交易金額、交易商品數(shù)量、訪問時長等。如何確定關(guān)鍵指標(biāo)，可以使用北極星指標(biāo)法，即先找出一個與業(yè)務(wù)主要目標(biāo)強相關(guān)的核心指標(biāo)，也就是所謂的北極星指標(biāo)，然后逐步拆解，找到過程中所有的關(guān)鍵影響指標(biāo)。比如，把 GMV作為北極星指標(biāo)，拆解 GMV后就獲得了用戶數(shù)、戶均訂單量、客單價等，再進(jìn)行用戶數(shù)的拆解，從流量角度將其分為訪問量、下單轉(zhuǎn)化率等，從新老用戶分群角度將其分為新用戶數(shù)、老用戶數(shù)等，對 GMV以其構(gòu)成指標(biāo)進(jìn)行層層拆解，確定對 GMV影響較大的有價值的關(guān)鍵指標(biāo)。

● 統(tǒng)計口徑：有每日數(shù)值、日環(huán)比、周/月同比、月累計值等。

● 統(tǒng)計周期：有日度、周度、月度等。

● 展示形式：有數(shù)據(jù)項目、數(shù)據(jù)表、數(shù)據(jù)圖（折線圖、餅圖等）等。

● 區(qū)分維度：有用戶注冊渠道，用戶流量來源，用戶端類型、地區(qū)，用戶類型（新用戶、老用戶、會員等級等），商品類型（品類、商品來源等）等。

【案例】

易觀方舟的智能分析看板

易觀方舟是一個提供企業(yè)服務(wù)的平臺，通過全量實時采集用戶屬性與行為數(shù)據(jù)，可以連通內(nèi)外部數(shù)據(jù)源，打通用戶運營觸點，提供從數(shù)據(jù)采集、分析、應(yīng)用到智能用戶運營的閉環(huán)。易觀方舟的智能分析看板，以系統(tǒng)預(yù)置的銀行 Demo 為例，提供的數(shù)據(jù)信息和工具包括：用戶畫像分布，區(qū)分小程序/Android/iOS/Web/H5用戶端、城市、使用機型、時段、頻次等維度；核心流程轉(zhuǎn)化，從注冊到登錄、開戶、綁卡的用戶數(shù)；基金理財分析，購買用戶數(shù)、次數(shù)、金額、產(chǎn)品詳情等；基礎(chǔ)業(yè)務(wù)指標(biāo)，活躍用戶數(shù)、注冊用戶數(shù)、交易用戶數(shù)、交易金額、用戶留存率、注冊購買轉(zhuǎn)化率等。易觀方舟智能分析看板工具，可供企業(yè)客戶選擇使用，如圖1-6所示。

這里以此為案例，是想讓大家了解用戶指標(biāo)看板的功能、指標(biāo)信息內(nèi)容及其呈現(xiàn)樣式。

2.用戶畫像分析

用戶畫像分析，就是分析用戶畫像的表現(xiàn)和影響，一方面分析用戶的畫像是什么樣子的，用戶具有哪些屬性、特點、偏好、行為特征等，另一方面研究不同畫像用戶間的區(qū)別，各種畫像用戶的行為和需求是什么，畫像對業(yè)務(wù)有哪些影響。

1）分析的作用

用戶畫像分析非常實用，對業(yè)務(wù)的提升可以起到重要作用，主要體現(xiàn)在以下幾個方面。

首先，可以對用戶產(chǎn)生清晰的認(rèn)知，了解用戶的基本情況、結(jié)構(gòu)和分布。分析用戶的基本信息，包括用戶性別、所在城市、年齡分布、興趣點等，當(dāng)收集到足夠多的畫像數(shù)據(jù)時，通過用戶畫像分析，為產(chǎn)品描繪出一個真實可感的用戶，進(jìn)而制定相應(yīng)的用戶策略，比如根據(jù)畫像確定目標(biāo)用戶后進(jìn)行針對性的拉新轉(zhuǎn)化。

然后，可以對用戶進(jìn)行分群，針對不同群體的用戶進(jìn)行差異化運營。通過用戶畫像分析，找出對業(yè)務(wù)目標(biāo)影響比較大的畫像維度，對用戶進(jìn)行劃分。根據(jù)不同群體用戶的問題和需要提升的目標(biāo)，對不同群體的用戶進(jìn)行差異化運營。

最后，可以聚焦于重點用戶進(jìn)行重點運營。一個產(chǎn)品不可能滿足所有用戶的需求，通過用戶畫像分析，找對核心用戶，針對核心用戶來設(shè)計產(chǎn)品服務(wù)，制定運營規(guī)則，有方向地推動業(yè)務(wù)發(fā)展，提升企業(yè)的經(jīng)營效率。

2）分析的用戶范圍

根據(jù)目的不同，可對不同范圍的用戶進(jìn)行針對性分析，包括：

第一，行業(yè)用戶畫像分析，對整個行業(yè)的用戶進(jìn)行概括性描述，對行業(yè)中頭部品牌的用戶進(jìn)行畫像分析，從大局出發(fā)，掌握全局態(tài)勢，做到心中有數(shù)。

第二，產(chǎn)品用戶畫像分析，對企業(yè)產(chǎn)品的所有用戶進(jìn)行畫像分析，弄清楚自己的用戶整體是什么情況。

第三，群體用戶畫像分析，一個產(chǎn)品通常擁有多種類型的用戶，這些用戶雖然使用了同一個產(chǎn)品，但是在某些屬性或者喜好等方面存在巨大的差異，對用戶進(jìn)行群體細(xì)分，重點關(guān)注數(shù)量比較多的和價值比較大的用戶群體，分析每類群體用戶的畫像，知道該如何做針對性的提升。

第四，典型用戶畫像分析，挑選出最典型的用戶，分析用戶的畫像情況，從而加深對目標(biāo)用戶的理解，幫助挖掘用戶需求和提升用戶服務(wù)質(zhì)量，樹立用戶榜樣，指引整體用戶運營。

3）分析的畫像維度

用戶畫像有很多維度，具體要分析哪些維度，需要根據(jù)分析的目的來確定。比如，對“拉新用戶”的分析，一般用戶注冊渠道來源影響比較大，是分析的主要維度。但很多時候不確定哪些維度會產(chǎn)生比較大的影響，不知道該從哪里下手，常用的辦法是，根據(jù)用戶主要畫像維度對目標(biāo)指標(biāo)進(jìn)行細(xì)分、下探，然后通過數(shù)據(jù)統(tǒng)計分析，用相關(guān)性分析、回歸分析、聚類分析等方法發(fā)現(xiàn)哪些維度與指標(biāo)關(guān)聯(lián)性比較高且維度內(nèi)部數(shù)值間差異比較明顯，這些維度就是影響比較大的關(guān)鍵維度。

對業(yè)務(wù)影響較大且容易找到行業(yè)數(shù)據(jù)參考的比較重要的用戶畫像維度如下。

● 性別：按男性、女性進(jìn)行劃分。

● 年齡：按每10歲一個區(qū)間進(jìn)行劃分，或者按兒童、少年、青年、中年、老年進(jìn)行劃分。

● 地區(qū)：按省份進(jìn)行劃分，或者按一線、二線城市進(jìn)行劃分。

● 移動設(shè)備：按 Android、iOS 等系統(tǒng)進(jìn)行劃分，或者按華為、小米等品牌進(jìn)行劃分。

● 用戶端：按小程序、App、Web、H5等用戶端進(jìn)行劃分。

● 注冊渠道來源：按用戶裂變、付費廣告等進(jìn)行劃分。

4）在分群用戶運營中的應(yīng)用

產(chǎn)品中存在用戶各種維度的畫像標(biāo)簽，如何選擇分群維度呢？一些小企業(yè)或者初創(chuàng)團(tuán)隊可能不進(jìn)行用戶分群，雖然數(shù)據(jù)分析和運營都很簡單，但其中很多問題和機會無法被發(fā)現(xiàn)。而一些大企業(yè)采用千人千面的個性化運營方式，這種方式需要大量數(shù)據(jù)，需要技術(shù)和算法的支持，還需要長時間的迭代和沉淀，條件要求和運作成本都比較高，這對普通企業(yè)并不適用。一般企業(yè)的用戶分群，從實際業(yè)務(wù)問題出發(fā)，基于用戶畫像分析，選擇幾個關(guān)鍵維度進(jìn)行精簡分群，在用戶量達(dá)到一定的數(shù)量級后，逐漸增加分群維度進(jìn)行細(xì)化，進(jìn)行多元組合分群。

通過用戶畫像分析，分群進(jìn)行用戶運營，其操作方法步驟如下。

第一步，確定分群用戶運營目標(biāo)。

第二步，根據(jù)目標(biāo)，進(jìn)行用戶畫像分析。

第三步，根據(jù)分析結(jié)果，確定分群維度，進(jìn)行用戶分群。

第四步，制定分群用戶運營策略。

第五步，分析數(shù)據(jù)效果，修正分群策略。

【舉例】

如何通過用戶畫像分群運營增加用戶數(shù)

第一步，確定分群目標(biāo)為實現(xiàn)用戶數(shù)的增長。

第二步，對用戶數(shù)指標(biāo)進(jìn)行畫像分解，按性別、年齡、地域、移動設(shè)備、注冊渠道來源這幾個維度進(jìn)行劃分，分析用戶數(shù)各是多少及用戶留存情況。

第三步，根據(jù)用戶數(shù)和留存率，找到對總用戶數(shù)影響較大的關(guān)鍵維度，比如性別、注冊渠道來源。同維度不同值間，比如男性和女性、用戶裂變和付費廣告等，用戶數(shù)和留存率存在明顯不同，這時就可以把這兩個維度作為分群維度，對用戶進(jìn)行分群。

第四步，對于留存率高但用戶數(shù)不多的群體，需要加強用戶拉新，擴(kuò)大目標(biāo)群體用戶的觸達(dá)范圍、增加拉新渠道、增加已有渠道費用的投入等；而對于用戶數(shù)多但留存率不高的群體，提升用戶留存率，如果通過分析確定無法滿足這群用戶的需求，可以考慮放棄這群用戶，不再對這群用戶進(jìn)行拉新投入，因為即使拉來了也留不住，沒有長期價值。

第五步，分析各個用戶群體的運營效果，如用戶數(shù)是否有所增加、是否出現(xiàn)問題、需要怎么改進(jìn)等，然后進(jìn)行優(yōu)化、調(diào)整。比如，如果發(fā)現(xiàn)根據(jù)性別進(jìn)行分群運營的結(jié)果沒什么變化，運營策略也沒出現(xiàn)問題，則可以考慮取消按這個維度分群，或者尋找其他更合適的維度來分群。

3.用戶健康度分析

用戶健康度是對用戶的整體行為數(shù)據(jù)進(jìn)行綜合評價得到的量化指標(biāo)，用來衡量用戶的健康狀況，為用戶運營提供目標(biāo)和依據(jù)。

用戶健康度分析通常包括下面三個指標(biāo)，這三個指標(biāo)共同構(gòu)成了用戶健康度的評價體系。

● 基礎(chǔ)指標(biāo)，用于評價運行狀態(tài)，包括訪容量、訪問次數(shù)、使用頻次、活躍用戶數(shù)、新增用戶數(shù)等。

● 流量指標(biāo)，用于評價流量質(zhì)量，包括人均訪問時長、人均訪問次數(shù)、留存率、跳出率等。

● 營收指標(biāo)，用于評價盈利能力和可持續(xù)性，如下單用戶數(shù)、交易金額、客單價、利潤率等。每個產(chǎn)品由于所屬行業(yè)不同、提供的功能服務(wù)不同、業(yè)務(wù)運營情況不同，用戶健康度的指標(biāo)和標(biāo)準(zhǔn)也不同，需要根據(jù)具體情況來確定。

用戶健康度一般采取指數(shù)方式來計算，對各因素指標(biāo)按某種規(guī)則進(jìn)行統(tǒng)一處理，然后加權(quán)匯總成一個綜合數(shù)值，或者保留幾個細(xì)分維度指標(biāo)的數(shù)值，以雷達(dá)圖的形式呈現(xiàn)，反映用戶健康狀況。

用戶健康度常用于業(yè)務(wù)內(nèi)部的橫縱向?qū)Ρ确治?，橫向看用戶分群間的差異，縱向看用戶健康狀況的走勢變化。

【舉例】

一種常見的用戶健康度分析方法

用戶健康度考慮五個維度的指標(biāo)。

● 第一個維度：轉(zhuǎn)化效率，即用戶從訪問到下單的轉(zhuǎn)化率。

● 第二個維度：用戶規(guī)模，即下單用戶數(shù)。

● 第三個維度：增長情況，即用新增率減去流失率得到的凈增率。

● 第四個維度：成長情況，即核心會員用戶數(shù)。

● 第五個維度：價值貢獻(xiàn)，即用戶GMV。

用這五個維度的指標(biāo)評價用戶健康狀況，構(gòu)成用戶健康度評價體系，用戶健康度就有了具象的定義和量化的評價標(biāo)準(zhǔn)。

針對這五個維度的指標(biāo)分別制定目標(biāo)值，然后每周計算實際數(shù)值，并與目標(biāo)值及上周數(shù)值進(jìn)行對比，可以很清楚地分析用戶健康狀況，了解各維度的指標(biāo)達(dá)標(biāo)情況及進(jìn)展變化，從而進(jìn)行復(fù)盤和制定提升策略，如圖1-7所示。

4.用戶行為分析

通過翔實的用戶行為數(shù)據(jù)描述用戶在產(chǎn)品中的真實路徑和互動情況，對用戶的行為數(shù)據(jù)進(jìn)行統(tǒng)計、分析，發(fā)現(xiàn)用戶的行為特點、規(guī)律，然后利用這些信息，提升用戶運營效率。通過用戶行為分析，可以知道用戶什么時候來、什么情況下活躍度高、流失前做了什么等，然后分析用戶行為的原因，通過產(chǎn)品及各種運營活動引導(dǎo)用戶或者優(yōu)化用戶服務(wù)。對于有利的方面，加強驅(qū)動效用，擴(kuò)大用戶數(shù)和影響范圍，進(jìn)一步提升效果；對于不利的方面，改變用戶行為的軌跡和模式，解決問題、防止問題再發(fā)生，或者優(yōu)化問題、縮小問題的影響面，從而讓用戶更好地從產(chǎn)品中獲得價值。

對于用戶行為數(shù)據(jù)的收集和統(tǒng)計，如果企業(yè)沒有研發(fā)資源支持，可以使用第三方工具，目前市面上有很多好用的數(shù)據(jù)統(tǒng)計工具，如百度統(tǒng)計、Google Analytics等。對用戶行為數(shù)據(jù)的分析，也有很工具可以利用，如大數(shù)據(jù)魔鏡、Tableau等。

用戶行為分析解決的問題，主要可以歸納為兩類：一是轉(zhuǎn)化問題，通過分析用戶轉(zhuǎn)化路徑，讓更多用戶執(zhí)行某種行為，流向有利的轉(zhuǎn)化路徑；二是留存問題，通過對周期性行為動作的分析，讓用戶更多、更持久地執(zhí)行某種行為，養(yǎng)成良好的行為習(xí)慣。所以，用戶行為分析一般是分析用戶的點擊動作、事件行為和轉(zhuǎn)化路徑，除此之外，還可以通過行為邏輯進(jìn)一步分析用戶心理。

1）點擊動作分析

點擊動作是互聯(lián)網(wǎng)用戶使用產(chǎn)品時最基礎(chǔ)的互動行為，對點擊量、點擊率、點擊占比、點擊用戶詳情、點擊內(nèi)容、點擊反饋信息、停留時長等數(shù)據(jù)進(jìn)行分析，可以了解用戶都執(zhí)行了哪些點擊操作，獲得用戶對產(chǎn)品的使用情況和反饋信息，進(jìn)而優(yōu)化產(chǎn)品服務(wù)、提升用戶運營效果。

點擊動作分析主要用于分析頁面流量去向，比如產(chǎn)品首頁、頻道頁面、活動頁面等，分析用戶在頁面上點擊了哪些模塊，各個模塊的用戶轉(zhuǎn)化效果如何。點擊動作分析解決的問題主要有三類：分析用戶與產(chǎn)品交互背后的深層關(guān)系，完成產(chǎn)品頁面之間深層關(guān)系的挖掘，為事件行為分析和轉(zhuǎn)化路徑分析提供基礎(chǔ)依據(jù)。另外，通過長期追蹤點擊動作的數(shù)據(jù)，可以觀察頁面布局的改變或模塊內(nèi)容、樣式、形式的調(diào)整對于用戶的價值變化。一般而言，點擊率越高，說明用戶的認(rèn)可度越高，當(dāng)然點擊率還與點擊發(fā)生的位置有關(guān)，同一頁面高度，根據(jù)用戶視覺和使用習(xí)慣，一般左邊的點擊率優(yōu)于右邊。

點擊動作分析的數(shù)據(jù)可以用固定埋點的方式獲取，開發(fā)人員對每一個前端模塊都進(jìn)行埋點，然后上報點擊動作明細(xì)數(shù)據(jù)，包括日志ID、時間、用戶、點擊模塊、點擊內(nèi)容、跳轉(zhuǎn)地址等字段信息，再匯總統(tǒng)計點擊用戶數(shù)等總數(shù)據(jù)，就可以進(jìn)行分析了。點擊動作分析的數(shù)據(jù)，除了通過人工埋點的方式獲取，也可以采用無埋點（即系統(tǒng)自動全埋點）的方式統(tǒng)計上報。

點擊動作分析的結(jié)果可以用熱力圖的形式呈現(xiàn)，根據(jù)頁面上各個模塊的點擊密度判斷用戶的瀏覽喜好，這樣既簡單又直觀。

【舉例】

頁面點擊熱力圖分析

分析某個頁面的點擊熱力圖，如圖1-8所示（數(shù)據(jù)純屬虛構(gòu)），發(fā)現(xiàn)“搜索”icon的點擊率為30%、點擊占比為60%，這表示有30%的頁面訪問用戶點擊了“搜索”icon，占頁面總點擊率的60%，頁面總點擊率為50%，所以“搜索”icon 是頁面上所有icon中被點擊最多的icon，用戶對“搜索”icon提供的服務(wù)有強烈的訴求，可以重點挖掘其后續(xù)轉(zhuǎn)化價值。而有些點擊率較低的icon，價值貢獻(xiàn)較少，卻在頁面上占據(jù)了重要位置和較大面積，比如圖中的“聚劃算”icon，這時就需要考慮進(jìn)行優(yōu)化了，調(diào)整icon內(nèi)容、形式來提升點擊率，或者調(diào)整icon位置、縮小icon面積等，把更多資源留給其他更有價值的內(nèi)容。

2）事件行為分析

互聯(lián)網(wǎng)用戶的事件行為有訪問、注冊賬號、下單、發(fā)帖等，每個事件行為包括一個或一系列點擊、滑動、填寫信息等動作。通過對事件行為進(jìn)行分析，追蹤用戶行為及業(yè)務(wù)過程，研究與事件發(fā)生關(guān)聯(lián)的所有因素，挖掘用戶事件行為背后的原因、影響等。

事件行為分析的步驟如下。

第一步，定義事件，包括定義所關(guān)注的事件內(nèi)容及事件窗口的長度。事件的定義可以遵循5W1H原則：什么場景（Where）—哪些用戶（Who）—什么時間（When）—什么原因（Why）—以什么方式（How）—做了什么事情（What），通過5W1H原則對事件進(jìn)行描述。在所有事件中，有一個比較特殊的情況需要關(guān)注，即互聯(lián)網(wǎng)用戶的一次訪問事件，不是指用戶打開App或者訪問某個頁面的一次操作，而是指用戶從訪問產(chǎn)品開始到本次使用結(jié)束的一系列操作，可以用 Session的方式來定義。Session一般情況下被翻譯為時域，在計算機專業(yè)術(shù)語中，Session指一個終端用戶與交互系統(tǒng)進(jìn)行通信的整個時間段，通常指用戶從注冊進(jìn)入系統(tǒng)到注銷退出系統(tǒng)之間所經(jīng)歷的時間。具體到互聯(lián)網(wǎng)產(chǎn)品使用中的Session，指的是用戶在瀏覽使用產(chǎn)品時，從進(jìn)入產(chǎn)品開始到退出或離開產(chǎn)品所經(jīng)歷的時間，也就是用戶連續(xù)使用這個產(chǎn)品所花費的時間?；?W1H 原則和 Session 的定義，用戶對產(chǎn)品的一個訪問事件就有了清晰的定義，比如“產(chǎn)品所有注冊用戶今日由于大促活動在 App 用戶端的訪客量達(dá)到了10萬人次”，除了訪客量，還可以是訪問時長、訪問次數(shù)等。

第二步，深入分析事件，可以激發(fā)事件分析的強大潛能，弄清楚事件的過程、前因后果、變化趨勢、細(xì)分維度對比等各種問題，能更好地定位問題、發(fā)現(xiàn)機會點。

第三步，給出分析結(jié)論，對分析結(jié)果進(jìn)行合理的解釋，判斷分析結(jié)果是否符合預(yù)期，有哪些好的地方和不好的地方，要如何改進(jìn)。需要注意的是，一個目標(biāo)事件行為的達(dá)成，可以根據(jù)一定的規(guī)則進(jìn)行歸因分析。比如按照時間衰減規(guī)則，越靠近終點的行為，功勞越大，或者以首次觸點，即行為序列中的第一個行為，作為事件驅(qū)動的根源。

3）轉(zhuǎn)化路徑分析

轉(zhuǎn)化路徑分析常見的方法有三種：轉(zhuǎn)化漏斗、智能路徑、用戶路徑。三者都將上下環(huán)節(jié)的轉(zhuǎn)化率作為計算核心，研究用戶轉(zhuǎn)化路徑。轉(zhuǎn)化漏斗預(yù)先設(shè)定好了路徑；智能路徑設(shè)定了起始和終點行為，中間過程有很多路徑，然后發(fā)現(xiàn)最優(yōu)路徑；用戶路徑完整再現(xiàn)了用戶的全部轉(zhuǎn)化過程。在實際應(yīng)用中，三者有著不同的功能及用處，各有適用的分析場景，也可以結(jié)合使用。

（1）轉(zhuǎn)化漏斗。

轉(zhuǎn)化漏斗指有特定行為節(jié)點的路徑，將整個事件路徑拆分成一個個步驟，漏斗的每一個節(jié)點都有一定的容量，漏斗越往下，容量越小，節(jié)點與節(jié)點之間的比例就是轉(zhuǎn)化率，用轉(zhuǎn)化率來衡量每個步驟的表現(xiàn)。

通過轉(zhuǎn)化漏斗，可以抽象出決定漏斗形態(tài)的三個要素：節(jié)點、時間、流量。節(jié)點，漏斗的每一層就是一個節(jié)點；時間，即轉(zhuǎn)化周期，完成轉(zhuǎn)化漏斗所需時間的集合，一般漏斗轉(zhuǎn)化周期越短越好；流量，即每個環(huán)節(jié)的用戶數(shù)。轉(zhuǎn)化漏斗分析最核心的指標(biāo)是流量和轉(zhuǎn)化率，即每一層流量有多少，以及到達(dá)下一層的轉(zhuǎn)化率。

轉(zhuǎn)化漏斗分析的本質(zhì)是分解和量化，以漏斗這種簡單、直觀的方式展示用戶關(guān)鍵節(jié)點的一步步轉(zhuǎn)化過程，適用于對產(chǎn)品運營中的關(guān)鍵環(huán)節(jié)進(jìn)行分析，通過異常數(shù)據(jù)指標(biāo)找出有問題的環(huán)節(jié)，判斷哪些步驟的轉(zhuǎn)化還有優(yōu)化空間，可以通過細(xì)分維度分析找出導(dǎo)致轉(zhuǎn)化率低的因素，從而解決問題。通過用戶運營引導(dǎo)或者產(chǎn)品優(yōu)化提升轉(zhuǎn)化效果，最終達(dá)到提升整體路徑轉(zhuǎn)化率的目的。

轉(zhuǎn)化漏斗分析是業(yè)務(wù)分析的基本模型，在實際運營中很常見，無論是新用戶注冊轉(zhuǎn)化、老用戶下單，還是某一次運營活動，凡涉及流程轉(zhuǎn)化的，都可以建立轉(zhuǎn)化漏斗來進(jìn)行分析。針對用戶在操作流程中逐步流失的情況，形成一個類似漏斗的形態(tài)。比如典型的交易轉(zhuǎn)化漏斗，可以分為六個環(huán)節(jié)，即訪問產(chǎn)品—搜索商品—瀏覽商品—添加購物車—提交訂單—支付訂單，通過分析漏斗的整體轉(zhuǎn)化率和環(huán)節(jié)間的轉(zhuǎn)化率，可以找出轉(zhuǎn)化異常的環(huán)節(jié)，然后對這一環(huán)節(jié)中流失的用戶進(jìn)行洞察，發(fā)現(xiàn)其共性和流失原因，以便提升轉(zhuǎn)化率。再比如，用戶增長 AARRR模型也是轉(zhuǎn)化漏斗的應(yīng)用。

（2）智能路徑。

在現(xiàn)實中，很多時候都是結(jié)果導(dǎo)向的，大家最關(guān)心最終的轉(zhuǎn)化目標(biāo)，而用戶到達(dá)該目標(biāo)有多條路徑，無法確定或者沒必要確定哪條路徑是最長的、哪條路徑是最短的，這時就可以采用智能路徑模型來進(jìn)行分析，探索最優(yōu)的轉(zhuǎn)化路徑。首先確定想要觀察的目標(biāo)行為，通常是業(yè)務(wù)中需要引導(dǎo)用戶完成的某個功能或到達(dá)的某個頁面，將其設(shè)置為最終目標(biāo)，然后分析該行為的前置路徑。

智能路徑分析適用于產(chǎn)品初創(chuàng)期，可以用來探索更優(yōu)質(zhì)的轉(zhuǎn)化路徑，而當(dāng)聚焦于某條具體路徑時，其實就是一個轉(zhuǎn)化漏斗，可以將其固定下來，進(jìn)行日常分析。

比如，對于電商產(chǎn)品，人們最關(guān)心最終的下單用戶數(shù)，用戶下單的路徑有多條：訪問推薦商品—瀏覽商品—添加購物車—提交訂單—支付訂單、搜索商品—瀏覽商品—立即購買—支付訂單等，通過智能路徑分析，可以找出通往下單的所有路徑，評估每條路徑的優(yōu)勢和劣勢，然后匹配合適的運營策略。

（3）用戶路徑。

用戶路徑分析，不需要預(yù)先設(shè)置漏斗或者圈定目標(biāo)事件，而是計算用戶使用產(chǎn)品時的所有第一步，然后依次計算后續(xù)每一步的流向和轉(zhuǎn)化率，步步追蹤，找到分析用戶路徑行為最原始、最基礎(chǔ)的數(shù)據(jù)，從用戶行為出發(fā)，進(jìn)行全方位的路徑分析，通過發(fā)散性的分析方式確定最優(yōu)路徑。通過全路徑數(shù)據(jù)，真實呈現(xiàn)所有用戶從開始使用產(chǎn)品到離開的整個過程，然后分析各種路徑模式，評估哪條路徑的用戶最多、哪條路徑用時最短、哪條路徑的節(jié)點最少，判斷用戶走到哪一步時最容易流失、從哪里開始偏離了目標(biāo)路徑，也可以通過路徑識別用戶行為特征，分析用戶是直奔目標(biāo)用完即走型的還是無目的瀏覽型的等，明確用戶現(xiàn)存路徑，結(jié)合業(yè)務(wù)場景需求進(jìn)行路徑優(yōu)化調(diào)整，引導(dǎo)用戶行為，使用戶沿著最優(yōu)路徑前進(jìn)?？傊?，用戶路徑分析對產(chǎn)品和用戶運營有著非常重要的啟發(fā)作用。

用戶路徑可以用?；鶊D的形式直觀展示，如圖1-9所示（示例），用戶進(jìn)入產(chǎn)品后的所有訪問路徑，以及每一步的流量、轉(zhuǎn)化率、流失率，都能從桑基圖中體現(xiàn)出來。通過?；鶊D，我們能夠快速、直觀地了解用戶主流訪問路徑的轉(zhuǎn)化情況。

4）行為邏輯分析

黑格爾在《法哲學(xué)原理》中有一句至理名言“存在即合理”，意思是說一切真實事物都合乎道理或事理，也就是有原因的或可被歸因的。

用戶的行為是真實發(fā)生的，也都是有原因的。對用戶行為背后的邏輯進(jìn)行分析，可以弄清楚用戶為什么產(chǎn)生這樣的行為，以及怎樣促使用戶產(chǎn)生某些行為；然后針對用戶的具體問題進(jìn)行解決和對于用戶的需求給予滿足，優(yōu)化產(chǎn)品功能，提供相應(yīng)的服務(wù)，或者引導(dǎo)更多用戶朝著理想路徑前進(jìn)，進(jìn)而提升業(yè)務(wù)指標(biāo)。

與互聯(lián)網(wǎng)大數(shù)據(jù)相比，某類用戶在某個場景下某個路徑上的行為數(shù)據(jù)是可識別的、具體的、有邏輯的，是不可忽視的力量。通過對這種具象的數(shù)據(jù)進(jìn)行研究，能找出用戶行為背后的驅(qū)動因素，也能解釋用戶行為的前因后果，了解用戶的態(tài)度、決策過程和使用體驗，尤其在產(chǎn)品早期階段，這樣做對于尋找靈感、尋找方向、尋找共創(chuàng)價值點至關(guān)重要。

比如，在用戶買燈籠時，為什么一般會一次買兩個呢？原因可能是中國傳統(tǒng)中掛燈籠一次掛兩個。知道了這個情況，商家在賣燈籠時，如果把兩個燈籠打包，當(dāng)作一個商品進(jìn)行售賣，是否會更多地促成交易呢？（這里只提供了一個分析和解決問題的方法或思路，實際效果是否更好，還需要結(jié)合實際業(yè)務(wù)情況和其他更多因素綜合考慮，或者進(jìn)行實驗。）再比如，老用戶直接在商品列表頁點擊加購商品，而沒有查看商品詳情，是因為老用戶了解商品情況，不需要再查看詳情了嗎？如果情況是這樣的，是否可以拓展場景，增加商品定期復(fù)購、常購清單等功能呢，這樣可以更方便地滿足相關(guān)用戶的復(fù)購需求。

5.用戶業(yè)務(wù)數(shù)據(jù)分析

從用戶層面分析業(yè)務(wù)數(shù)據(jù)，就是分析用戶對產(chǎn)品和業(yè)務(wù)的使用及貢獻(xiàn)情況，是企業(yè)日常運營和制定決策時必不可少的環(huán)節(jié)，是用數(shù)據(jù)驅(qū)動用戶運營的基礎(chǔ)。用戶業(yè)務(wù)數(shù)據(jù)分析可以結(jié)合用戶運營的幾個模塊來進(jìn)行，需要分析的數(shù)據(jù)項目舉例如下。

● 用戶增長模塊

整體：總用戶數(shù)。

拉新：新用戶數(shù)、拉新轉(zhuǎn)化率、投入產(chǎn)出率。

留存：留存用戶數(shù)、留存率。

激活：激活用戶數(shù)、激活率。

● 用戶成長和貢獻(xiàn)模塊

成長過程：會員用戶數(shù)、用戶的激勵數(shù)據(jù)。

用戶質(zhì)量：戶均ARPU、客單價、使用頻次、購買頻次、購買件數(shù)。

用戶價值：總收入、戶均貢獻(xiàn)收入、用戶傳播K因子。

● 用戶分層模塊

按生命周期：潛客期、新生期、成長期、成熟期、衰退期、沉默期、流失期各階段的用戶數(shù)。

按增長漏斗：獲取、激活、留存、獲得收入、傳播各環(huán)節(jié)的用戶數(shù)。

按轉(zhuǎn)化漏斗：觸達(dá)（總用戶）、訪問、意向、加購、下單、支付各環(huán)節(jié)的用戶數(shù)。

用戶服務(wù)：用戶體驗、用戶客訴等數(shù)據(jù)。

用戶業(yè)務(wù)數(shù)據(jù)分析，可以是單一模塊分析，也可以是多模塊聯(lián)合分析，還可以結(jié)合其他層面一起分析，比如結(jié)合用戶畫像，分析不同畫像維度的用戶業(yè)務(wù)數(shù)據(jù)情況；又如按不同的渠道查看拉新用戶數(shù)，按性別查看交易用戶數(shù)。