用户行为分析的意义

1. 用户行为分析的意义

通过对用户行为监测获得的数据进行分析，可以让企业更加详细、清楚地了解用户的行为习惯，从而找出网站、推广渠道等企业营销环境存在的问题，有助于企业发掘高转化率页面，让企业的营销更加精准、有效，提高业务转化率，从而提升企业的广告收益。

2. 浅析用户行为分析的意义及5大应用场景

浅析用户行为分析的意义及5大应用场景
通过用户行为分析才能知道用户画像、用户在网站上个各种浏览、点击、购买背后的商业真相，用户行为分析的价值不言而喻。一、什么是用户行为？
用户行为由最简单的五个元素构成：时间、地点、人物、交互、交互的内容。
（一）什么是用户行为？
对用户行为进行分析，要将其定义为各种事件。比如用户搜索是一个事件，在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件，也是对用户行为的一个定义；我们可以在网站或者是 APP 中定义千千万万个这样的事件。
有了这样的事件以后，就可以把用户行为连起来观察。用户首次进入网站后就是一个新用户，他可能要注册，那么注册行为就是一个事件。注册要填写个人信息，之后他可能开始搜索买东西，所有这些都是用户行为的事件。
（二）如何获取用户行为数据？
那么，我们又该如何去监测这些用户行为数据呢？
一种非常传统、非常普遍的方式就是通过写代码去定义这个事件。在网站需要监测用户行为数据的地方加载一段代码，比如说注册按钮、下单按钮等。加载了监测代码，我们才能知道用户是否点击了注册按钮、用户下了什么订单。
所有这些通过写代码来详细描述事件和属性的方式，国内都统称为“埋点”。这是一种非常耗费人力的工程，并且过程非常繁琐重复；但是大部分互联网公司仍然雇佣了大批埋点团队。
二、为什么要做用户行为分析？
既然这么麻烦，那为什么要做用户行为分析？
因为只有做了用户行为分析才能知道用户画像、才能知道用户在网站上个各种浏览、点击、购买背后的商业真相。
简单讲，分析的主要方式就是关注流失，尤其是对转化有要求的网站。我们希望用户不要流失，上来之后不要走。像很多 O2O 产品，用户一上来就有很多补贴；一旦钱烧完了，用户就都走了。这样的产品或者商业模式并不佳，我们希望用户真正找到平台的价值，不停的来，不要流失。
用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。
比如最简单的一个搜索行为：某一个 ID 什么时间搜索了关键词、看了哪一页、哪几个结果，同时这个 ID 在哪个时间下单购买了，这个整个行为都非常重要的。如果中间他对搜索结果不满意，他肯定会再搜一次，把关键词换成别的，然后才能够搜索到结果。
用户行为分析还能做哪些事情？
当你有了很多用户行为数据、定义事件之后，你可以把用户数据做成一个按小时、按天，或者按用户级别、事件级别拆分的一个表。这个表用来做什么？一个是知道用户最简单事件，比如登录或者是购买，也可以知道哪些是优质用户、哪些是即将流失的客户，这样的数据每天或每个小时都能看到。
三、用户行为分析的五大场景
有了用户的行为数据以后，我们有哪些应用场景呢？
拉新，也就是获取新用户。
转化，比如电商特别注重订单转化率。
促活，如何让用户经常使用我们的产品。
留存，提前发现可能流失用户，降低流失率。
变现，发现高价值用户，提高销售效率。
（一）拉新
2008年我在 eBay 时，我的工作就是分析 SEM 和 SEO 的每个关键词的 ROI。eBay 每天要向谷歌买400万个关键词，除了SEM、SEO 我们还要分析其它各种合作伙伴渠道。比如一家小电商网站上面放了 eBay 的链接，而后用户通过该链接最终在 eBay 上完成了购买，eBay 就会分钱给这家网站。
eBay 特别注重是哪个搜索引擎、哪个关键词带来的流量；关键词是付费还是免费的。从谷歌那边搜素引擎词带来了很多流量，但是这些流量是否在 eBay 上成单，所以这个数据还要跟 eBay 本身数据结合、然后再做渠道分配，到底成单的是哪个渠道。整个数据链要从头到尾打通，需要把两边的数据整合之后才能做到。
（二）转化
以注册转化漏斗为例，第一步我们知道网页上有哪些注册入口，很多网站的注册入口不只一个，需要定义每个事件；我们还想知道下一步多少人、多少百分比的人点击了注册按钮、多少人打开了验证页；多少人登录了，多少人完成了整个完整的注册。
期间每一步都会有用户流失，漏斗做完后，我们就可以直观看到，每个环节的流失率。
（三）促活
还有一个是用户使用产品的流畅度。我们可以分析具体用户行为，比如访问时长，在那个页面上停留时间特别长，尤其在 APP 上会特别明显。再有是完善用户画像，拿用户行为分析做用户画像是比较准的。
举个例子，在美国有一个非常有名的在线视频网络 Netflix。Netflix 非常有意思，通过用户行为分析，他把你一家人都进行精准分析定义。你们一家人有多少人，是大人还是小孩，你最喜欢看的是哪三部电影？你的行为输出越多，他的推荐就会越来越精准。
（四）留存
用户流失不是说一下子就流失了，一些细微、小的一些行为，就能预示他将来会流失。
在LinkedIn的时候，我们要去追踪用户的使用行为。比如说有没有登录、登录之后有没有搜简历、有没有上传简历等等。用户这些点点滴滴的行为，都很重要。有了这些数据支撑，LinkedIn的产品、销售每天都要去看用户报告，最简单的就是用户使用行为有没有下降、哪些行为下降、哪些用户用的特别好等，以此来维护用户关系。
（五）变现
LinkedIn 是一家 2C 又 2B 的公司，在全球有4亿的用户，有很多真实用户的简历信息。2B 的业务是LinkedIn 为每一个企业 HR 销售的，目的就是帮助美国的企业去找中高端的人才，这里面有很多的不同的产品线。LinkedIn 本身就是一个社交网络，用户是经理、VP还是总监，还是业务类的，市场的、销售的等等这些数据在 LinkedIn 上都聚合成一个公司的纬度。
通过这个简单的分布，就可以迅速看出来人才流失情况。如果是蓝的多，说明这家公司的人才吸引方面是强的，如果是红色的多，说明这家公司人才储备和招聘方面正处于颓势。我们把数据展示给最终客户，基本上就可以拿到单子。我们可以通过数据来讲故事。我们一开始做了很多的报告，销售可以拿去讲故事，可以很快促进成单。
所有这些是通过用户行为分析做出来的，不是通过拍脑门或者是第三方数据，用户行为分析的价值不言而喻。

3. 用户行为分析的介绍

用户行为分析，是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。

4. 为什么要做用户行为行为分析？

对于C端产品来说，用户就是你的目标，不分析用户，你难道在盲目的自嗨么。所以不以用户利益为目标的产品经都是捣蛋鬼。


产品经理要时刻站在用户的角度去分析这个问题是不是存在，功能是不是设置合理。张小龙能一秒变小白，然后来体验产品感受产品是不是好的，是不是解决问题的。但是大多数产品经理并不能做到一秒变小白，经常所谓的用户觉得，用户认为，只不过是按照自己的理解瞎搞，给自己赋予了用户的头衔，这种主观是错误的。


用户看不到摸不着，你可以调研你可以访谈，但样本过低你的结论往往是片面的不具备普适性的。所以你应该从app的数据中去分析你的用户。一个用户在app中的生命周期，从认知、熟悉，再到试用、使用，最后到达忠诚。这漫长的历程中，你需要研究每一个节点有多少用户到达了，没有到达的用户是因为什么流失的，研究他们在app中所做过的行为，卡在了哪里，流失在了哪里，然后针对这个地方去优化去提升，然后继续观察你的数据，流失的那部分又没有好转有没有提升。然后你的app才会形成正向循环，保证你的每一滴分析都会带来价值和意义。你作为一个产品经理才算是小部分的成功了。


当然，坐着一大堆事情搞的前提是，你在app中之前就预先建立了一套统计体系，用来分析你的用户行为框架。所以，在你做任何一个功能的时候，都不要忘了给你即将要分析的功能做好埋点。不要问我什么是埋点，请自行搜索百度。至于如何做好埋点，那是另外一个话题。

5. 为什么要做用户行为行为分析？

对于C端产品来说，用户就是你的目标，不分析用户，你难道在盲目的自嗨么。所以不以用户利益为目标的产品经都是捣蛋鬼。


产品经理要时刻站在用户的角度去分析这个问题是不是存在，功能是不是设置合理。张小龙能一秒变小白，然后来体验产品感受产品是不是好的，是不是解决问题的。但是大多数产品经理并不能做到一秒变小白，经常所谓的用户觉得，用户认为，只不过是按照自己的理解瞎搞，给自己赋予了用户的头衔，这种主观是错误的。


用户看不到摸不着，你可以调研你可以访谈，但样本过低你的结论往往是片面的不具备普适性的。所以你应该从app的数据中去分析你的用户。一个用户在app中的生命周期，从认知、熟悉，再到试用、使用，最后到达忠诚。这漫长的历程中，你需要研究每一个节点有多少用户到达了，没有到达的用户是因为什么流失的，研究他们在app中所做过的行为，卡在了哪里，流失在了哪里，然后针对这个地方去优化去提升，然后继续观察你的数据，流失的那部分又没有好转有没有提升。然后你的app才会形成正向循环，保证你的每一滴分析都会带来价值和意义。你作为一个产品经理才算是小部分的成功了。


当然，坐着一大堆事情搞的前提是，你在app中之前就预先建立了一套统计体系，用来分析你的用户行为框架。所以，在你做任何一个功能的时候，都不要忘了给你即将要分析的功能做好埋点。不要问我什么是埋点，请自行搜索百度。至于如何做好埋点，那是另外一个话题。

6. 什么是用户行为分析？

要回答以上问题，我们需要关注用户在咱们产品上的各种行为，并对用户行为进行统计和分析。以上述第一个问题为例，需要关注的行为包括：点击功能入口、进入新功能页面、点击目标按钮等。如果对行为进行统计，则会得到如下指标
  
 如果对行为进行分析，你可能会提出如下问题：
  
 以上是围绕用户行为分析的一个小案例，这个案例展现了我们做行为分析需要经历的 3 个步骤：
  
 参考神策分析，使用“事件模型（ Event 模型）”来描述用户的各种行为，事件模型包括事件（ Event ）和用户（ User ）两个核心实体。
  
 为什么这两个实体结合在一起就可以清晰地描述清楚用户行为？
  
 实际上，我们在描述用户行为时，往往只需要描述清楚几个要点，即可将整个行为描述清楚，要点包括：是谁、什么时间、什么地点、以什么方式、干了什么。而事件（ Event ）和用户（ User ）这两个实体结合在一起就可以达到这一目的
                                          
 一个完整的事件（ Event ），包含如下的几个关键因素：
  
 Who：即参与这个事件的用户是谁。
  
 When：即这个事件发生的实际时间。
  
 Where：即事件发生的地点。
  
 How：即用户从事这个事件的方式。这个概念就比较广了，包括用户使用的设备、使用的浏览器、使用的 App 版本、操作系统版本、进入的渠道、跳转过来时的 referer 等，目前，神策分析预置了如下字段用来描述这类信息，使用者也可以根据自己的需要来增加相应的自定义字段。
  
 What：以字段的方式记录用户所做的事件的具体内容。不同的事件需要记录的信息不同，下面给出一些典型的例子：
  
 对于一个“购买”类型的事件，则可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、 付款方式等；
  
 对于一个“搜索”类型的事件，则可能需要记录的字段有：搜索关键词、搜索类型等；
  
 对于一个“点击”类型的事件，则可能需要记录的字段有：点击 URL、点击 title、点击位置等；
  
 对于一个“用户注册”类型的事件，则可能需要记录的字段有：注册渠道、注册邀请码等；
  
 对于一个“用户投诉”类型的事件，则可能需要记录的字段有：投诉内容、投诉对象、投诉渠道、投诉方式等；
  
 对于一个“申请退货”类型的事件，则可能需要记录的字段有：退货金额、退货原因、退货方式等。
  
 描述事件的任意一个字段，都是一个事件属性。应该采集哪些事件，以及每个事件采集哪些事件属性，完全取决于产品形态以及分析需求。
  
 每个 User 实体对应一个真实的用户，每个用户有各种属性，常见的属性例如：年龄、性别，和业务相关的属性则可能有：会员等级、当前积分、好友数等等。这些描述用户的字段，就是用户属性。

7. 如何理解用户的行为？

产品经理的核心工作就是研究用户，根据用户需求研发产品。而研究用户的核心是研究用户行为，研究用户行为背后的原理。
  
 用户不是自然人，而是需求的集合。怎么理解这句话呢？我们都知道用户有很多需求，用户会使用不同的产品满足其不同的需求。当我们在说我们产品有多少用户的时候，其实说的是，我们产品满足了多少位用户的需求。
  
 用户有五个属性：异质性、情境性、可塑性、自利性、有限性。
  
 异质性是指用户是唯一的，世界上没有完全一样的用户。
  
 情境性是指用户的行为受情境的影响，没有情境就没有用户，同一个用户在不同情境下会有不同的反应和行为。
  
 可塑性是指用户是可变的，其偏好和认知会随着外界不同的信息刺激发生变化而演化。
  
 自利性是指用户追求个人利益最大化。
  
 有限理性是指用户追求理性，但由于能力有限，只存在有限理性。
  
 首先，在用户行为发生前，用户经常会受到一个情境的刺激，这个情境的刺激会调用用户的偏好和认知，产生一个主观期望效用，促使用户产生相应的行为，即追求这个预期的效用。而行为会产生某个结果，这个结果又会变成经验，影响到原来的偏好和认知函数，从而可能对用户下一次行为产生影响。如下图：
                                          
 举个例子，有个词语叫望梅止渴。讲的是人在口渴的时候谈论梅子，口里就会产生唾液，从而产生止渴的作用。这里其实就有一个假设前提，也就是用户的原来的偏好和认知是知道梅子是酸的。口渴+谈论梅子是一个场景，用户有这样的认知就能够被这个场景所刺激，产生期望——吃梅子，可能认为吃梅子可以解渴，从而产生行动，去找梅子。
  
 但是，如果用户没有这个认知，那就不会被这个场景所刺激，也就不会产生吃梅子的期望效用。再假如，后面他吃到的梅子是苦的，那么这个结果会形成新的经验，使用户对梅子的认知产生变化，从而形成新的偏好，那么下次受到类似情境刺激时，用户可能会修正自己的期望效用，从而可能产生不一样的行为。
  
 人是需求的集合。研究人，就是研究人的“偏好和认知函数”。研究人的需求，就是研究人在不同情境里用户表现出来的偏好。用户偏好会塑造用户的期望效用，这个塑造的过程，大概会经过感知、解读、选择集合、模拟推演、价值判断五个阶段。这是一个复杂的过程，塑造过程中会受到各种认知偏误的影响。最终形成的期望效用会影响人的行为，并根据实际使用体验形成经验，反馈给用户偏好，对其进行修正或强化，形成新的偏好。
  
 研究用户行为的目的，最终是促进用户的某种行为（使用、交易）。理解了用户行为，我们就能更好地促进用户行为。反过来，当我们能更好地促进用户行为时，也意味着我们能做出更适合当下用户的产品。例如，做新的产品设计的时候，我们可以这样来思考应该做一个什么样的产品：
  
 1. 用户的需求是多种多样的，要满足所有人的需求不容易。我们可以先找到具有某种特性的用户（具有类似认知和偏好的人群），再去做需求分析，找到或创造更适合他们认知和偏好的场景，再去设计产品。
  
 2. 既然每个用户对某个场景下的需求反应是不一样的。那我们可以先找到一个场景，去看在这个场景里的一个一个具体的人，去对他们的使用行为进行分析（使用、反馈、投诉等），当获得足够多的数据，我们就可以根据数据，形成用户分布模型，然后基于这个模型去分类用户，从而设计产品。
  
 第一种方案，是先确定目标的核心用户，再去设计满足其特定场景下的产品。
  
 第二种方案，是先找到某个需求，再去看不同用户在这个特定场景下的反应，在足够多的用户数据里找到我们产品的核心目标用户，然后再去设计产品。

8. 为什么要做用户行为分析？如何利用数据分析用户行为

您的这个问题横跨网络营销和大数据分析，不过归根结底都是互联网。
以我们公司举例子，如果我们不做用户行为分析，那么怎么知道用户偏好和市场偏向，就不能及时调整战略方向，不能及时更新课程，结果就是：1.我们卖不出去课，客户被抢走；2.客户买了课，教出的学员也不适应市场最终没办法就业。而这两个最终导致我们，华信智原，死亡，死在社会经济发展的大浪潮中。
但我们做了用户行为分析就不一样了，我们知道社会现在最需要什么样的技术，哪一个行业更能高薪就业，那我们及时调整策略就能促进学员就业率，进而机构得到发展，顺便提高知名度，一举多得。
数据体现着用户偏好，一般一个平台的后台都可以收集用户的一些具体且真实的资料。拿共享单车举例：GPS定位可以确定一个人某一时段出现在哪，早晚上下班时间出现在某一地点的人多等，基于专业人士的分析可以预估单车需求，据此决定投放量。当然每个行业需要的数据不一样但是可以把所有的数据联系在一起，总能分析出自己的需要的用户行为。