用戶運營之用戶行為分析！

從流量營銷到數(shù)據(jù)驅(qū)動，很多產(chǎn)品的精細化運營都是圍繞用戶來進行的，關(guān)鍵在于用戶研究。

用戶研究的常用方法有：情境調(diào)查、用戶訪談、問卷調(diào)查、A/B測試、可用性測試與用戶行為分析，其中用戶行為分析是用戶研究的最有效方法之一。

用戶行為分析是對用戶在產(chǎn)品上的產(chǎn)生的行為及行為背后的數(shù)據(jù)進行分析，通過構(gòu)建用戶行為模型和用戶畫像，來改變產(chǎn)品決策，實現(xiàn)精細化運營，指導(dǎo)業(yè)務(wù)增長。

在產(chǎn)品運營過程中，對用戶行為的數(shù)據(jù)進行收集、存儲、跟蹤、分析與應(yīng)用等，可以找到實現(xiàn)用戶自增長的病毒因素、群體特征與目標(biāo)用戶。從而深度還原用戶使用場景、操作規(guī)律、訪問路徑及行為特點等。

對于互聯(lián)網(wǎng)金融、新零售、供應(yīng)鏈、在線教育、銀行、證券等行業(yè)的產(chǎn)品而言，以數(shù)據(jù)為驅(qū)動的用戶行為分析尤為重要。用戶行為分析的目的是：推動產(chǎn)品迭代、實現(xiàn)精準(zhǔn)營銷，提供定制服務(wù)，驅(qū)動產(chǎn)品決策。主要體現(xiàn)在以下幾個方面：

對產(chǎn)品而言，幫助驗證產(chǎn)品的可行性，研究產(chǎn)品決策，清楚地了解用戶的行為習(xí)慣，并找出產(chǎn)品的缺陷，以便需求的迭代與優(yōu)化。

對設(shè)計而言，幫助增加體驗的友好性，匹配用戶情感，細膩地貼合用戶的個性服務(wù)，并發(fā)現(xiàn)交互的不足，以便設(shè)計的完善與改進。

對運營而言，幫助裂變增長的有效性，實現(xiàn)精準(zhǔn)營銷，全面地挖掘用戶的使用場景，并分析運營的問題，以便決策的轉(zhuǎn)變與調(diào)整。

用戶行為數(shù)據(jù)其實有很大的商業(yè)價值，首先要明確數(shù)據(jù)的采集方式，以便更好的支持后續(xù)的數(shù)據(jù)分析。常用的數(shù)據(jù)采集方式有：平臺設(shè)置埋點和第三方統(tǒng)計工具。

平臺設(shè)置埋點是一種非常普遍的收集方式，即通過編寫代碼和日志布點的方式，來詳細描述事件和屬性的方式。以用戶登錄為例，用戶在APP上進行登錄時，相關(guān)操作都會被記錄下來，并以日志形式存儲在指定的服務(wù)器上。

第三方統(tǒng)計工具一般是通過SDK接入，我們只需根據(jù)指標(biāo)去搭建分析模型。常見的第三方統(tǒng)計工具有：百度統(tǒng)計、CNZZ統(tǒng)計、GrowingIO、諸葛IO、神策IO、Google Analytics、Thinking Analytics、友盟、Mixpanel、Heap等。

對用戶行為數(shù)據(jù)進行分析，關(guān)鍵是找到一個衡量數(shù)據(jù)的指標(biāo)。根據(jù)用戶行為表現(xiàn)，可以細分多個指標(biāo)，主要分為三類：黏性指標(biāo)、活躍指標(biāo)和產(chǎn)出指標(biāo)。

粘性指標(biāo)：主要關(guān)注用戶周期內(nèi)持續(xù)訪問的情況，比如新用戶數(shù)與比例、活躍用戶數(shù)與比例、用戶轉(zhuǎn)化率、用戶留存率、用戶流失率、用戶訪問率。

活躍指標(biāo)：主要考察的是用戶訪問的參與度，比如活躍用戶、新增用戶、回訪用戶、流失用戶、平均停留時長、使用頻率等。

產(chǎn)出指標(biāo)：主要衡量用戶創(chuàng)造的直接價值輸出，比如頁面瀏覽數(shù)PV、獨立訪客數(shù)UV、點擊次數(shù)、消費頻次、消費金額等。

這些指標(biāo)細分的目的是指導(dǎo)運營決策，即根據(jù)不同的指標(biāo)去優(yōu)化與調(diào)整運營策略。簡而言之，用戶行為分析指標(biāo)細分的根本目的有：一是增加用戶的粘性，提升用戶的認知度；二是促進用戶的活躍，誘導(dǎo)用戶的參與度；三是提高用戶的價值，培養(yǎng)用戶的忠誠度。

確定好用戶行為分析指標(biāo)后，我們可以借助一些模型對用戶行為的數(shù)據(jù)進行定性和定量的分析。常用的分析模型有：行為事件分析、用戶留存分析、漏斗模型分析、行為路徑分析和福格模型分析。

1.行為事件分析

行為事件分析是根據(jù)運營關(guān)鍵指標(biāo)對用戶特定事件進行分析。通過追蹤或記錄用戶行為事件，可以快速的了解到事件的趨勢走向和用戶的完成情況。

以用戶投標(biāo)的行為事件為例，出借人在完成投標(biāo)過程中，所進行的注冊、認證、開戶、充值、投資等行為，都可以定義為事件，也是完成投標(biāo)成功的一個完整事件。

確定投標(biāo)行為事件后，我們可以根據(jù)事件屬性細分維度：用戶來源、性別、出生年月、注冊時間、綁卡時間、首次充值時間、首次投資時間、標(biāo)的ID，標(biāo)名、期限、利率、還款方式等。然后從中找出符合指標(biāo)的規(guī)律，并制定針對性的措施。

2.用戶留存分析

用戶留存分析是一種用來分析用戶參與情況與活躍程度的模型。通過留存量和留存率，可以了解用戶的留存和流失狀況。比如用次日留存、周留存、月留存等指標(biāo)來衡量產(chǎn)品的人氣或粘度。

以渠道訪問的用戶留存為例，我們對APP端有過訪問行為的渠道用戶進行留存分析。從圖中可以看出8月14日~8月20日的次日留存率在41%以上，周留存率在22%以上。但在8月17日的次日留存率突然飆升到67%，一般是進行了活動策劃或功能優(yōu)化才會留存率這么高。

用戶留存一般符合40-20-10法則，即新用戶的次日留存應(yīng)該大于40%，周留存大于20%，月留存大于10%才符合業(yè)務(wù)標(biāo)準(zhǔn)。我們做用戶留存分析主要驗證是否達到既定的運營目標(biāo)，進而影響下一步的產(chǎn)品決策。

3.漏斗模型分析

漏斗模型分析是用戶在使用產(chǎn)品過程中，描述各個階段中關(guān)鍵環(huán)節(jié)的用戶轉(zhuǎn)化和流失率情況。比如在日?；顒舆\營中，通過確定各個環(huán)節(jié)的流失率，分析用戶怎么流失、為什么流失、在哪里流失。找到需要改進的環(huán)節(jié)，要重點關(guān)注，并采取有效的措施來提升整體轉(zhuǎn)化率。

以邀請投資的漏斗模型為例，邀請人將活動專題頁分享給好友，之后進行的注冊、認證、開戶、充值到投資，用漏斗模型分析一些關(guān)鍵節(jié)點的轉(zhuǎn)化率。其中用戶注冊轉(zhuǎn)化率為68%，實名認證轉(zhuǎn)化率為45%，綁卡開戶轉(zhuǎn)化率為29%，線上充值轉(zhuǎn)化率為17%，投資標(biāo)的轉(zhuǎn)化率為8%。

漏斗模型分析可以驗證整個流程的設(shè)計是否合理。經(jīng)過對比發(fā)現(xiàn)，訪問到注冊的轉(zhuǎn)化率為68%，遠低于預(yù)期的80%。這次運營策略是用戶必須先注冊才能領(lǐng)取新手福利。之后采取A/B測試的方式，優(yōu)化為先領(lǐng)取新手福利再誘導(dǎo)用戶注冊。經(jīng)過數(shù)據(jù)對比分析，注冊轉(zhuǎn)化率提升了20%。因此，通過對各環(huán)節(jié)相關(guān)轉(zhuǎn)化率的比較，可以發(fā)現(xiàn)運營活動中哪些環(huán)節(jié)的轉(zhuǎn)化率沒有達到預(yù)期指標(biāo)，從而發(fā)現(xiàn)問題所在，并找到優(yōu)化方向。

4.行為路徑分析

行為路徑分析就是分析用戶在產(chǎn)品使用過程中的訪問路徑。通過對行為路徑的數(shù)據(jù)分析，可以發(fā)現(xiàn)用戶最常用的功能和使用路徑。并從頁面的多維度分析，追蹤用戶轉(zhuǎn)化路徑，提升產(chǎn)品用戶體驗。

不管是產(chǎn)品冷啟動，還是日?；顒訝I銷，做行為路徑分析首先要梳理用戶行為軌跡。用戶行為軌跡包括認知、熟悉、試用、使用到忠誠等。軌跡背后反映的是用戶特征，這些特征對產(chǎn)品運營有重要的參考價值。

以用戶投標(biāo)的行為路徑為例，我們可以記錄用戶從注冊、認證、開戶、充值到投資的行為軌跡。通過分析用戶的這些行為軌跡數(shù)據(jù)，來驗證訪問路徑是否和預(yù)期指標(biāo)的一致。

在分析用戶行為路徑時，我們會發(fā)現(xiàn)用戶實際的行為路徑與期望的行為路徑有一定的偏差。這個偏差就是產(chǎn)品可能存在的問題，需要及時對產(chǎn)品進行優(yōu)化，找到縮短路徑的空間。

5.福格模型分析

福格行為模型是用來研究用戶行為原因的分析模型，福格行為模型用公式來簡化就是B=MAT，即B=MAT。B代表行為，M代表動機，A代表能力，T代表觸發(fā)。它認為要讓一個行為發(fā)生，必須同時具備三個元素：動機、能力和觸發(fā)器。因此可以借助福格行為模型來評估產(chǎn)品的合理性和能否達到預(yù)期目標(biāo)。

以活動分享為例，投資人完成活動分享的行為，也是必須滿足福格行為模型的三個元素。即通過邀請有獎讓用戶有足夠的內(nèi)驅(qū)力，自主性的分享活動給好友，且活動專題頁有醒目的按鈕和文案提示激勵用戶完成任務(wù)。

用戶行為分析模型其實也是一種AISAS模型，即代表了用戶從注冊、認證、開戶、充值到投資整個過程表現(xiàn)：Attention注意、Interest興趣、Search搜索、Action行動、Share分享，也影響了用戶行為決策。

用戶行為分析模型是一個完整的行為模型，可以對產(chǎn)品的功能進行驗證；也是一個閉環(huán)的分析體系，可以對數(shù)據(jù)的結(jié)果進行分析?？偠灾脩舻暮诵氖嵌床煨睦?，行為的本質(zhì)是挖掘需求，分析的目的是增長業(yè)務(wù)。

作者： 朱學(xué)敏

來源：朱學(xué)敏