八大數據分析模型之——全行爲路徑分析（七）

用戶在產品中的行爲實際上是個黑盒子，全行爲路徑是用全局視野看用戶的行爲軌跡，不少時候你會有意想不到的收穫，在可視化的過程當中有兩個模型，一個是樹形圖、一個是太陽圖，今天咱們將繼續解讀八大數據分析模型之——全行爲路徑分析，讓你快速直觀看到用戶如何在使用你的產品。

1、行爲路徑分析

單體洞察、用戶分羣、行爲路徑分析是用戶行爲數據分析的三大利器。單體洞察知足了咱們對單個用戶的特徵洞察，用戶分羣知足了咱們對全量用戶或某一特徵人羣的洞察，而行爲路徑分析是對用戶產生的行爲數據的可視化分析模型，某一人羣交叉行爲路徑分析模型，能夠快速洞察到這一羣體的行爲特徵。經常使用的行爲路徑分析模型有漏斗分析模型和全行爲路徑分析模型。

在分析既定的行爲路徑轉化時，咱們會採用漏斗分析模型，你會看到用戶在咱們設定的路徑中的每一步轉化，好比從查看商品詳情到最終支付成功每一步的轉化率，從而對既定路徑不斷調優。

圖1：註冊轉化漏斗

可是，用戶在產品內的行爲路徑能夠說是個黑盒子，界面內的每個按鈕、信息都會影響用戶的下一行爲。爲此，咱們須要擁有一個更高的視野去俯視用戶的行爲，打開這個黑盒子，而這一分析模型就是全行爲路徑分析模型。

2、全行爲路徑分析模型

全行爲路徑分析是互聯網產品特有的一類數據分析方法，它主要根據每位用戶在App或網站中的行爲事件，分析用戶在App或網站中各個模塊的流轉規律與特色，挖掘用戶的訪問或瀏覽模式，進而實現一些特定的業務用途，如對App核心模塊的到達率提高、特定用戶羣體的主流路徑提取與瀏覽特徵刻畫，App產品設計的優化等。

經常使用的全行爲路徑分析模型有兩種：

一、樹形圖

圖2：樹形圖

如上圖所示，從會話開始，每一行表明用戶的一步。樹形圖最多展現五步。第一步是會話開始，第二步，用戶一般會進行搜索課程、查看課程詳情、註冊、登陸、開始付款。從上圖能夠看出，在用戶的使用中，絕大部分的用戶打開app後會進行課程搜索。你可能會問橫向相加爲何不等於100%？

如圖示，轉化率計算的是用戶的每一次會話，同一個用戶，可能上午進入app後進行了搜索，下午可能進入app後直接在首頁進行了查看課程詳情，同一我的在不一樣會話可能會有不一樣的行爲。分母是全部使用的用戶，那計算每一步的時候分子會出現同一我的。因此百分比相加大於1。

二、太陽圖

樹狀圖經過用戶行爲的步驟縱向進行了展現並基於每一步的比例進行了從高到底的排序，相較於樹狀圖，太陽圖的全局視野更清晰，你能夠用一個平面的視角看用戶的使用狀況。

圖3：太陽圖

如上圖所示，每一環表明用戶的一步，不一樣的顏色表明不一樣的行爲，同一環顏色佔比越大表明在當前步驟中用戶行爲越統一，環越長說明用戶的行爲路徑越長。

你能夠把路徑設計過程當中咱們忽略的步驟添加到漏斗進行監控，並對用戶的這一路徑作用戶動機分析，並不斷進行優化。

3、場景舉例

圖4：樹形圖

咱們以上圖中的樹形圖爲例，這是一個教育培訓類產品，咱們發現75.2%的用戶都是從「搜索課程」這一行爲開始的，說明「搜索」是這一產品的重要功能之一，搜索優化得越好，購買下單的可能性就越大，同時有助於瞭解用戶的真實需求。

可是咱們還發現，從第二步以後的數據來看，一次的搜索行爲顯然沒有幫用戶找到他所須要的課程，由於，他並無直接進入「查看課程詳情」。

對於用戶來講最理想的體驗是，在輸入關鍵詞後，快速找到其所須要的商品/課程/服務，對於產品來講，就是在用戶尚未失去耐心前完成搜索轉化，那麼針對上圖的場景，咱們該如何提高一次搜索轉化率呢？

除了識別不利於轉化的關鍵詞，經過放置搜索結果頂端或者底部來升級或降級產品外，你還可經過洞察用戶行爲數據來優化：

好比：凡搜索「數據分析」、「數據驅動」、「數據思惟」等關鍵詞的用戶最終都點開查看了A課程，那麼咱們便可根據數據相關性將搜索詞「數據」與A課程關聯到一塊兒。

好比：將近期用戶高頻搜索的關鍵詞同步到前端頁面，設置成可點擊元素，提升搜索效率。

好比：經過分析用戶的搜索行爲，爲用戶補充商品/課程/服務、優化搜索結果頁結構、優化搜索推薦等提供數據支持。

總之，透過用戶行爲數據深挖用戶表面行爲背後真實、本質的需求，惟有經過數據看透本質需求，才能真正觸達用戶的「心」。

用戶運營的本質是精細化運營，而精細化運營的前提是，對可真實還原用戶與產品交互過程的用戶行爲的洞察，全行爲路徑分析讓你更直觀的看到用戶使用產品的情況，瞭解用戶的前因後果，找到用戶最有可能完成核心轉化的行爲，經過產品上以及運營策略上的引導，持續挖掘更多用戶的價值。