爲何要作用戶行爲分析，怎麼作好用戶行爲分析？

做者簡介：謝榮生，數極客 創始人 & CEO，前國美金融產品總監、淘寶網高級產品經理。

筆者在中國互聯網行業從業16年，經歷了多個互聯網發展階段，也前後負責過產品、運營、營銷等工做，發現最近幾年來由於流量成本激增和競爭壓力的緣由，互聯網公司對數據分析的依賴愈來愈大，但對於如何作好數據分析卻倍受困擾。

如何讓企業更好的應用好數據分析？數極客由此應運而生，成立2年來服務了3百多家企業客戶，累計擁有5000多家試用用戶，在此給你們分享一些用戶行爲分析的應用方面心得體會。

近幾年你們頻繁的在各種媒體上看到企業精細化運營、數據驅動增加、增加***這樣的字眼，這背後的核心就是數據分析，可是不少人並不理解用戶行爲和業務增加有什麼因果關係，只是由於別的企業經過用戶行爲分析得到了成功，所以跟風學習，但只學到皮毛，這就致使了在應用層面存在如下幾個極端：
1).購買了用戶行爲分析系統，由於缺少數據分析方法而處於閒置狀態;
2).低估了用戶行爲分析的難度，因堅持內部自建而致使業務部門一直都在等待可用的系統，浪費了大量資源和發展良機。
3).不瞭解用戶行爲分析的價值，只關注常規的PV、UV指標。
如何破解以上困局，讓咱們先從瞭解用戶行爲分析開始。

1、什麼是用戶行爲分析？
用戶行爲能夠用5W2H來總結：
Who(誰)、What(作了什麼行爲)、When(什麼時間)、Where(在哪裏)、Why(目的是什麼)、How(經過什麼方式)，How much (用了多長時間、花了多少錢)。
用戶行爲分析就是經過對這些數據進行統計、分析，從中發現用戶使用產品的規律，並將這些規律與網站的營銷策略、產品功能、運營策略相結合，發現營銷、產品和運營中可能存在的問題，解決這些問題就能優化用戶體驗、實現更精細和精準的運營與營銷，讓產品得到更好的增加。

2、爲何須要用戶行爲分析？
在PC互聯網時代，網民的年增加率達到50%，隨便建個網站就能獲得大量流量; 在移動互聯網早期，APP也經歷了一波流量紅利，獲取一個客戶的成本不到1元; 而近幾年隨着流量增加的紅利消退，競爭愈來愈激烈，每一個領域均有成百上千的同行競爭，獲客成本也飆升到難以承受的水平，業務增加愈來愈慢甚至倒退。

圖：互聯網行業競爭愈來愈激烈
在如此高成本、高競爭的環境下，若是企業內部不能利用數據分析作好精細化運營，將產生巨大的資源浪費，勢必會讓企業的運營成本高漲，缺少競爭力。 對於互聯網平臺來講，傳統的數據分析主要針對結果類的數據進行分析，而缺少對產生結果的用戶行爲過程的分析，所以數據分析的價值相對較侷限，這也是爲何近幾年不少企業感受作了充分的數據分析，但卻沒有太大效果的緣由。經過對用戶行爲的5W2H進行分析能夠掌握用戶從哪裏來，進行了哪些操做，爲何流失，從哪裏流失等等。從而提高提高用戶體驗，平臺的轉化率，用精細化運營使企業得到業務增加。

3、如何採集用戶行爲數據？
用戶行爲分析如此重要，爲何互聯網公司中能作好用戶行爲分析的百裏挑一？主要是緣由是數據採集不全面和分析模型不完善。
1.如何高效採集用戶行爲數據
傳統的數據分析由於數據精細度不夠和分析模型不完善等緣由，致使分析過於粗放，分析結果的應用價值低。而咱們要想作好分析，首先必需要有豐富的數據，所以要從數據採集提及，傳統的用戶行爲數據採集方法比較低效，例如：咱們獲取用戶的某個行爲數據時，須要在相應的按鈕、連接、或頁面等加入監測代碼，才能知道有多少人點擊了這個按鈕，點擊了這個頁面。這種方式被稱爲「埋點」，埋點須要耗費大量的人力，精力，過程繁瑣，致使人力物力投入成本太高。

在移動互聯網時代，埋點成了更痛苦的一件工做，由於每次埋點後都須要發佈到應用商店，蘋果應用商店的審覈週期又是硬傷，這使得數據獲取的時效性更加大打折扣。因爲數據分析是業務發展中極其重要的一個環節，即使人力物力成本太高，這項工做仍然沒法省掉。
所以，咱們也看到國內外有一些優秀的用戶行爲分析工具，實現了無埋點採集的功能，例如：國外有Mixpanel，國內的數極客在WEB、H五、Android、iOS四端均可以無埋點採集數據。經過無埋點的採集，能夠極大的加強數據的完善性和及時性。

2.如何精準採集用戶行爲數據
有些核心業務數據，咱們但願確保100％準確，所以還能夠經過後端埋點的方式做爲補充，這樣既能夠體驗到無埋點帶來的高效便捷，又能保障核心業務數據的精準性。數極客在數據採集方面支持無埋點、前端埋點、後端埋點以及數極客BI導入數據這四種方式的數據整合。

4、如何作好用戶行爲分析？
首先要明確業務目標，深入理解業務流程，根據目標，找出須要監測的關鍵數據節點，作好基礎的數據的收集和整理工做，有了足夠的數據，還要有科學的模型，才能更有效的支持分析結果。

上一代的用戶行爲分析(更確切的說法應該是：網站統計或APP統計)工具，主要功能仍是侷限於瀏覽行爲的分析，而沒有針對用戶的深度交互行爲進行分析，所以分析價值相對有限，目前大部份互聯網從業人員對用戶行爲分析的印象還停留在這個階段。

我認爲要作好用戶行爲分析，應該掌握如下的分析模型：
1.用戶行爲全程追蹤，支持AARRR模型
500 Startups 投資人Dave McClure提出了一套分析不一樣階段用戶獲取的「海盜指標」這套分析模型，在硅谷獲得了普遍應用。

AARRR是Acquisition、Activation、Retention、Revenue、Refer這個五個單詞的縮寫，分別對應用戶生命週期中的5個重要環節，首先要基於用戶的完整生命週期來作用戶行爲分析。
1).獲取用戶
在營銷推廣中，什麼渠道帶來的流量最高，渠道的ROI如何？不一樣廣告內容的轉化率如何，都是在這一步進行分析的數據。
來源渠道是獲客的第一步，經過系統自動識別和自定義渠道相結合，分析每個來源渠道的留存、轉化效果。網站的訪問來源，App 的下載渠道，以及各搜索引擎的搜索關鍵詞，經過數據分析平臺均可以很方便的進行統計和分析，利用UTM推廣參數的多維分析、經過推廣渠道、活動名稱、展現媒介、廣告內容、關鍵詞和着陸頁進行交叉分析，能夠甄別優質渠道和劣質渠道，精細化追蹤，提升渠道 ROI。
經過渠道質量模型，制定相應的獲客推廣策略：

圖：渠道質量模型
以上圖形中的所示渠道爲示例，渠道質量也會動態的變化。 第一象限，渠道質量又高流量又大，應該繼續保持渠道的投放策略和投放力度; 第二象限 渠道的質量比較高但流量比較小。應該加大渠道的投放，並持續關注渠道質量變化; 第三象限 這個象限裏渠道質量又差，帶來流量又小，應該謹慎調整逐步優化掉這個渠道; 第四象限 渠道質量比較差，可是流量較大，應該分析渠道數據作更精準的投放，提升渠道質量。
2).激活用戶
激活用戶是實現商業目標最關鍵的第一步，若是天天有大量用戶來使用你的產品，但沒有用戶和你創建強聯繫，你就沒法進行後續的運營行爲。

3).用戶留存
現在一款產品要得到成功的關鍵因素不是病毒性機制或大筆營銷資金，而是用戶留存率。開發出吸引用戶回頭的產品相當重要。 Facebook平臺存在「40 – 20 – 10」留存法則。數字表示的是日留存率、周留存率和月留存率，若是你想讓產品的DAU超過100萬，那麼日留存率應該大於40%，周留存率和月留存率分別大於20%和10%。
留存是 AARRR 模型中重要的環節之一，只有作好了留存，才能保障新用戶在註冊後不會白白流失。這就好像一個不斷漏水的籃子，若是不去修補底下的裂縫，而只顧着往裏倒水，是很難得到持續的增加的。
4).獲取收入
實現收入是每一個平臺生存的根本，所以找到適合本身的商業模式相當重要。根據不一樣的業務模式，獲取收入的方式也不一樣：媒體類平臺依靠廣告變現，遊戲類依靠用戶付費，電商類經過收取佣金或賣家付費的方式等，而在企業服務領域LTV: CAC大於3，纔能有效良性增加。

5).病毒傳播
經過模型前四個階段的優化分析，從不穩定用戶、活躍用戶再到最終的忠實用戶，將獲客作最大的留存和轉化，培養爲企業的忠實用戶，經過社交口碑傳播能夠給企業帶來高效的收益。
在獲客成本高昂的今天，社交傳播能夠爲企業帶來更優質的用戶羣，更低的獲客成本。

2.轉化分析模型
轉化率是持續經營的核心，所以我也用較大篇幅來詳細解讀。轉化分析經常使用的工具是轉化漏斗，簡稱漏斗（funnel）。新用戶在註冊流程中不斷流失，最終造成一個相似漏斗的形狀。用戶行爲數據分析的過程當中，咱們不只看最終的轉化率，也關心轉化的每一步的轉化率。
1).如何科學的構建漏斗
以往咱們會經過產品和運營的經驗去構建漏斗，但這個漏斗是否具備表明性，優化這個漏斗對於總體轉化率的提高有多大做用，內心沒有底氣，這時咱們能夠經過用戶流向分析去了解用戶的主流路徑。

圖：用戶流向分析
用戶流向分析，很是直觀，但須要分析人員有必定的經驗和判斷能力。爲了解決這個問題，數極客研發了智能路徑分析功能，只須要選擇轉化目標後，一鍵就能分析出用戶轉化的主流路徑。將建立漏斗的效率縮短到了幾秒鐘。

圖：智能轉化分析
2).漏斗對比分析法
轉化分析僅用普通的漏斗是不夠的，須要分析影響轉化的細節因素，可否進行細分和對比分析很是關鍵。例如：轉化漏斗按用戶來源渠道對比，能夠掌握不一樣渠道的轉化差別用於優化渠道; 而按用戶設備對比，則能夠了解不一樣設備的用戶的轉化差別(例如：一款價格較高的產品，從下單到支付轉化率，使用iphone的用戶比android的用戶明顯要高)。

圖：漏斗對比分析
3).漏斗與用戶流向結合分析法
通常的轉化漏斗只有主幹流程，而沒有每一個步驟流入流出的詳細信息，當咱們在分析用戶註冊轉化時，若是能知道沒有轉化到下一步的用戶去了哪，咱們就能更有效的規劃好用戶的轉化路徑。例以下圖中的轉化路徑，沒有進入第二步的用戶，有88%是直接離開了，而還有10%的用戶是註冊用戶選擇直接登陸，只有2％的用戶繞過了落地頁去網站首頁了; 而沒有從第二步轉化至第三步的用戶100％都離開了。這是比較典型的封閉式落地頁，所以只須要優化第三步的轉化率便可提高總體轉化率。

4).微轉化行爲分析法
不少行爲分析產品只能分析到功能層級和事件層級的轉化，但在用戶交互細節分析方面存在嚴重的缺失， 好比：在上圖的漏斗中咱們分析出最後一步是影響轉化的關鍵，但最後一步是註冊表單，所以對於填寫表單的細節行爲分析就相當重要， 這種行爲咱們稱爲微轉化。
例如：填寫表單所花費的時長，填寫但沒有提交表單的用戶在填哪一個字段時流失，表單字段空白率等表單填寫行爲。

圖：表單填寫轉化漏斗

圖：表單填寫時長
經過上述表單填寫的微轉化分析，用戶從開始填寫到註冊成功轉化率達85％，而流量到填寫只有8%，能夠得出影響轉化的最大泄漏點就是填寫率，那麼如何提升填寫率就是咱們提高註冊轉化的核心。有效的內容和精準的渠道是影響填寫的核心因素，渠道因素咱們在獲客分析中已經講過，這就引出咱們微轉化分析的第4種工具：用戶注意力分析。

5).用戶注意力分析法
用戶在頁面上的點擊、瀏覽、在頁面元素上的停留時長、滾動屏幕等用戶與頁面內容的交互行爲，這些都表明用戶對產品要展現的信息的關注程度，是否能吸引用戶的眼球。
業務數據能夠可視化，那麼行爲數據如何可視化呢？ 數極客把上述行爲轉化成了分屏觸達率熱圖、連接點擊圖、頁面點擊圖、瀏覽熱圖、注意力熱圖這5種熱圖，經過5種熱圖的交叉分析，能夠有效的分析出用戶最關注的內容。

圖：注意力熱圖
只有能掌握微轉化的交互行爲分析，才能更有效的提升轉化率。而一切不能有效提升平臺轉化率的分析工具都在浪費企業的人力和時間資源，這也是衆多企業沒有從用戶行爲分析中獲益的根本緣由。

3.精細化運營模型
之前作運營只能針對全體用戶，若是要針對部分目標客戶作精準運營行爲。

圖：用戶分羣畫像
例如：當咱們但願對某個地區使用iphone的註冊但三天不活躍或未造成交易轉化的用戶進行精準營銷時，須要運營人員、產品人員、技術人員 全體配合去調取數據、制定運營規則，其中涉及到大量人力和時間投入。而新一代的用戶行爲分析能夠採用用戶分羣、用戶畫像、自定義用戶活躍和留存行爲，精準的定位用戶，從而實現精細化運營。

圖：建立用戶分羣
4.定性分析模型
用戶體驗是企業的頭等大事，在產品設計、用戶研究、研發、運營、營銷、客戶服務等衆多環節，都須要掌握用戶的真實體驗過程。但如何優化用戶體驗向來是內部爭議較多，主要緣由仍是難以具體和形象的描述。經過行爲分析分現異經常使用戶行爲時，可否重現用戶使用你的產品時的具體場景，這對於優化產品的體驗相當重要。
之前我在淘寶時，用戶體驗部門會經過邀請用戶到公司進行訪談，作可用性實驗的方式來進行體驗優化，但這種方式須要化費比較多的時間和費用投入，樣本不必定具備表明性。爲了解決這個難題，數極客研發了用戶行爲錄屏工具，無需邀請用戶到公司實地錄製節省成本，直觀高效的以視頻形式還原用戶的真實操做，使得企業各崗位均能掌握用戶體驗一手信息，幫助產品研發提升用戶體驗。

圖：用戶行爲錄屏播放界面
總結：經過AAARRR模型分析用戶生命週期全程; 經過轉化率分析模型 提升產品轉化率; 經過精細化運營 提升運營有效性; 經過定性分析方法 優化用戶體驗; 若是以上4方面都作好了，就必定能夠經過用戶行爲分析實現業務增加。

5、用戶行爲分析的將來方向是什麼？
有不少人問我，爲何已經有幾家作用戶行爲分析的公司了，你還要創辦數極客？ 我認爲數據分析的目標是應用分析結果優化經營效率，而國內外主要的分析工具，還只停留在分析層面，對於如何高效的應用還有很大的空間。所以數極客除了要在分析層面作得更專業和更有效，還要在應用層面實現新的突破。數據分析結果反映的問題主要是兩類：運營(含營銷)和產品。因此須要針對這兩類問題提供針對性的解決方案。
1.運營的自動化
咱們前面講了，經過用戶行爲分析能夠實現精細化運營，但具體應用還須要人工制定運營策略，經過產品、研發開發才能應用，並且當策略改變時，須要從新開發相應的工具，這也佔用了不少時間，影響運營效率。數極客研發了自動化運營工具，運營人員直接設置規則，系統根據規則自動將精準的活動信息推送給符合條件的用戶，直接提升運營人員工做效率，運營人員能夠將工做重心轉移到策劃而不是浪費太量時間在重複執行，自動化運營可爲企業節約大量運營成本。

圖：建立自動化運營規則

2.產品、運營(營銷)方面的科學決策
用戶行爲數據分析，每每是在行爲發生以後進行分析，而產品、運營都是經過經驗，拍腦殼進行決策，一旦決策失誤就會形成難以挽回的結果。所以若是能在產品、運營方案上線前，經過用戶分流A/B測試進行小範圍驗證，選擇其中最優的方案發布，這樣就能夠大大提升決策的科學性。
Google每一年經過運行數萬次A/B測試優化產品、運營，爲公司帶來了100億美圓的收益。
A/B測試的方法很是有效，但國內互聯網公司應用不廣泛，主要和應用A/B測試的複雜性有關，
數極客擁有完整的A/B測試工具，業務人員能夠在網站和APP上自助使用可視化試驗編輯工具，建立並運行試驗，經過自動解讀測試報告，使得A/B測試門檻大大下降。

圖：網站端可視化編輯試驗工具

3.分析的自動化
數據分析有必定專業性，不只須要掌握不一樣的分析方法，還要熟悉業務，結合業務才能給出有價值的分析結果。 若是能像360安全衛士同樣，只須要加載SDK，就能自動診斷和分析，並給出解決方案，這是數據分析的將來方向，數極客在這方面也有積極的嘗試，並有了初步成果，目前擁有數據自動預警、自動報表等功能。

用戶行爲分析是一門科學，善於獲取數據、分析數據、應用數據，是每一個人作好工做的基本功，每家企業都應該增強對用戶行爲分析大數據的應用，從數據中找出規律，用數據驅動企業增加。