数据产品指北：用户行为分析平台

本文主要介绍了用户行为分析平台中使用最广泛的一些产品功能和分析方法，包括:用户分组、保留分析、转换分析、行为路径分析和事件分析，供大家参考和学习。

与传统行业相比，用户行为分析平台可能是互联网企业唯一的数据分析工具。分析用户行为然后执行精细操作的能力也可能是互联网产业快速发展的原因之一。随着传统行业越来越基于互联网，用户行为分析的应用场景越来越广泛，平台在企业中发挥着越来越重要的作用。

由于用户使用的硬件和软件，我们可以记录大量的行为数据。用户行为分析平台是对这些数据进行深入分析，从中挖掘出有价值的信息，如不同群体对产品的偏好、使用习惯等。这些信息可以最终指导产品和操作的优化。可以说，用户行为分析平台是数据驱动业务的代表产品。

典型的行为分析包括保留分析、转换分析、路径分析等。和基本用户聚类。如果这些功能能够在平台上沉淀和产生，企业行为数据分析的效率和用户覆盖的广度将会大大提高。没有专业数据分析技能的人员也可以在接受产品培训后完成相关分析。本文还将关注上述模块。

一、用户分组

将用户分组的操作本身不会直接产生价值，但可以说是所有后续分析的基础。如果不进行分组，所有分析都基于汇总数据，在汇总过程中会丢失许多细节。引用资深数据专家、谷歌分析倡导者之一阿维纳什·卡什克(Avinash Kaushik)的话来说，所有聚集的数据都是垃圾，要么分组，要么死亡。分组和分组的重要性可见一斑。我们常见的子组包括:用户接入渠道的来源、设备终端、新老用户等属性，以及是否有任何特定类型的行为。根据用户的需求对其进行分组，然后对其进行保留、转换等分析。，它通常会事半功倍，还能发现真正有价值的信息。

用户肖像也可以理解为一种用户分组。用户肖像根据一系列用户标签和算法描述和分组用户。这里介绍的用户分组产品可以视为用户肖像的消费者，用户分组产品可以根据现有肖像进行分组。具体的肖像产品可能会在另一篇文章中描述。

无论是根据用户拥有的自然属性还是在使用产品过程中表现出的行为特征进行分组，都要求产品能够被记录有足够的广度和深度的数据，这是我们在第一篇文章中应该做的。

在用户分组模块中，我们可以配置分组规则，并根据现有数据创建新的组。分组操作实际上类似于SQL中的条件查询。通过制造代码函数产品，降低了使用阈值。

下图显示了厕神产品中直播服务的用户分组功能。

用户分组

分组结果是用户属性满足用户评分10以上，用户类型为普通用户，2017年4月17日至2017年5月16日至少有5次送礼行为，赠品类型为付费赠品，2017年4月17日至2017年5月16日有评论和表扬行为。我们将其视为高粘度、高频率的消费者，并在平台上筛选后命名和保存用户组。操作员可以查看该用户组的详细列表，更重要的是，他们可以通过其他行为分析工具观察该用户组的行为及其与其他用户的差异。这种分析对于我们在用户增长工作中定义目标群体、神奇数字、发现增长机会以及进行增长实验非常有帮助。

可以看出，用户分组本质上是一个条件过滤器，满足特定要求的用户组在每个过滤器中被过滤掉。在过滤器中，您需要首先定义过滤后的字段(特定的用户属性、行为特征等。)，然后通过关键字设置条件，如大小等于或不等于，它是否在之间，以及它是否在内。如果筛选字段是一个数字，自然筛选范围也是一个数字。如果过滤的字段是字符串，可以提供相应字段的列表进行过滤。过滤器可以嵌套，并通过“与”、“或”(代表“与”、“或”)等关键字连接。

二。残留分析

保留分析是一种分析模型，通过分析用户对产品的使用及其活动水平来确定用户是否仍然保留在产品中。用户在产品运行周期中的重要性无需多说。由于本文侧重于已经分析过的数据产品，因此不会涉及太多具体的分析。

为了进行保留分析，首先需要定义保留和损失标准。不同类型的产品可能有不同的定义。一些公司会简单地定义保留，因为用户在一段时间后仍然打开产品。然而，一些公司可能需要一个更严格的定义。例如，电子商务公司可能会将保留定义为用户在一定时间内再次消费的行为。

因此，在保留分析模块中，可以定义保留，即支持用户定义的开始和返回事件，过滤条件可以单独设置。例如，对于一个简短的视频应用程序，我们可以设计打开应用程序的初始事件和播放视频的返回事件。当然，此时我们已经可以应用用户分组模块中设置的用户组来分析特定的组。下图显示了增长IO定义保留的页面。

定义用户保留

为了测量保留率，我们通常计算同一用户组在不同时间段的保留率，并绘制保留曲线，这就是我们通常所说的一致性分析。在同期分组分析中，我们将把同期添加的用户放入模型中，并横向跟踪他们是否仍然保留或丢失，以及将来丢失的时间和比例。例如，每日保留、7天保留、每周保留和较长时间内粒度较粗的每月保留等。用户开始事件的日期和回访事件的日期间隔n是用户的保留日期，即n天的保留用户。

保留率的计算公式为:某一天的n天保留率=该天的起始用户在n天保留的用户数/该天的起始用户数。当然，您也可以选择其他统计周期，如周、月甚至年。

在确定保留事件、保留期和统计持续时间后，可以计算每个期间的保留率并绘制保留曲线。这些功能可以由保留分析模块自动输出。例如，下图显示了通过增长IO对过去180天内每月用户保留情况的分析。更详细的分析还可以同时绘制初始用户在多个不同统计周期下的保留曲线，从而解释每个周期下不同保留性能背后的不同动作。

用户保留曲线

详细的数据可以在下面的保留表中查看，该表记录了初始用户在每个统计期间以及随后的每个保留期间的保留性能，并通过单元格的颜色深度来指示保留程度。

保留详细信息表

如果你想知道用户的保留情况总体上是否越来越好，你也可以查看保留率在特定时期内随时间的变化趋势。下图反映了过去30天中第二天、第七天和第十四天的用户保留率趋势。

特定时期的保留率趋势

对于特定期间的保留用户，我们还可以查看保留用户的详细列表，进行更详细的分析，并将用户组保存为新的用户子组。

三。转换分析

转换分析是一种分析模型，它为完成关键行为的每个环节建立一个转换漏斗，并了解每个步骤的最终和具体的转换情况。转换分析使我们能够清楚地识别当前转换中的问题节点，并进行优化工作。

为了进行转换分析，首先定义转换漏斗是很自然的。转换分析模块可以创建任何转换漏斗，并正确选择新流程中每个步骤的事件或指标。例如，下图是增长的IO中新的转换漏斗的页面。左边是可以选择的特定事件或指示器，右边将根据检查顺序构建一个漏斗。在定义转换漏斗时，我们还可以选择特定的用户组进行分析。

新的转换漏斗

应当注意，用户完成的整个转换链不一定是连续的。例如，当用户在电子商务网站上购买商品时，他或她可能已经在第一天完成了商品的额外购买，但是直到三天后才完成订单支付。因此，在转换分析模块中，需要设置转换的窗口周期，即用户完成整个转换链的总时间长度。转换分析的统计时间范围通常意味着转换步骤的第一步发生在该统计范围内，而后续步骤不一定在该范围内。例如，下图显示了一个简单的电子商务网站的购买转换漏斗，它是在增长的IO中模拟的。统计范围是过去14天，这意味着统计和浏览过去14天内发生的商品详细信息页面(第一步)的所有记录。转换周期为3天，这意味着在3天内只记录整个转换链。

购买转换漏斗

在转化漏斗中，可以知道整体的总转化率、每个步骤的绝对数量和阶段转化率。以上述数据为例，很明显，问题在于大量用户在浏览商品后没有进行额外购买，导致最终无法下单。

与保留分析一样，我们也可以查看转化率随时间变化的趋势图，以确定转化率问题与特定时间点之间的相关性。下图显示了该示例数据的转换趋势。可以发现，在统计周期的最后3天，转化率显著下降。但是，由于我们选择的统计范围是过去14天，转换周期是3天，因此可能是因为这个原因，一些用户在过去3天进入漏斗时没有完成整个链接，从而影响了当天的转换率。

转换趋势图

简单的转换漏斗分析可能还不能满足精细化操作的需要，更理想的是细分和比较不同的维度或用户组，了解不同组之间的转换差异，然后指导我们的操作方向(是的，再次使用用户分组)。例如，下图根据用户级别比较了漏斗。发现钻石用户的转化率实际上低于普通用户，这可能意味着会员系统的设计存在缺陷。相关产品人员可能需要反映和总结。

转化漏斗的比较

四、行为路径分析

转换分析可以告诉我们有多少用户已经成功转换，有多少用户已经丢失。但是这些失去的用户都去了哪里？他们输之前做了什么？他们为什么会输？这些问题转换分析都不能告诉我们，所以我们需要分析用户的行为路径来帮助我们更深入地理解损失背后的原因。

行为路径分析是一种分析方法，用于跟踪从事件开始到事件结束的所有动态用户线。这听起来有点类似于转换分析，但是行为路径分析记录了更多的信息，并且通常花费更短的时间来记录。

转换漏斗是人为定义的，尽管我们可以通过产品设计来引导用户的行为路径，但我们无法控制它。因此，我们分析用户的行为路径，不仅是对用户转换分析的补充，也是为了了解用户的实际动作和操作行为，使产品符合用户的需求，找到用户的期望路线。欲望线的概念来自设计心理学，它反映了人们最想走的道路。最典型的例子是，我们会发现，除了修建良好的道路，总有一些人踩着草坪走出道路，这是用户真正想要的道路。在产品设计中，我们实际上应该遵从用户的行为，而不是计划用户的行为。

要完成行为路径分析，您需要首先定义一个会话。会话是一个会话，指的是用户在一段时间内在产品中的总体行为。会话可以包括多个页面访问、图片浏览、社交互动、支付交易和其他行为，以及在多个页面之间来回流动的重复行为。我们将根据持续时间和特定事件完成会话分段。行为路径分析和转换分析的另一个区别是，行为路径通常被定义为一系列连续的行为，因此以天为单位的统计周期不像转换分析那样设置。例如，对于网络产品，会话的切割时间可能是30分钟，而对于应用产品，切割时间可能只有5分钟。通过会话，我们可以知道用户的实际使用持续时间和交互深度，但是持续时间越长，交互事件越多，产品对用户的价值就越大，这就需要对具体问题进行具体分析。电力线的不合理设计也可能导致用户增加大量无效操作。

其次，需要挖掘会话中用户最大的前驱路径。最大前驱路径是指用户在产品中可以完成的所有行为路径的集合。例如，用户访问会话具有以下路径{a，b，c，d，c，b，e，g，h，g，w，a，o，u，o，v}，其中每个字母代表一个访问节点。寻找最大前体路径的想法是，每次回滚事件发生时，这意味着路径结束，它需要在回滚事件之前返回到节点，并继续向下查看。因此，这里获得的最大前驱路径是{ABCD，ABEGH，ABEGW，AOV，AOU}，总共5条路径，绘制成如下树:

最大前驱路径示例

有特定的算法来寻找最大的前驱路径。在完成这些准备工作后，我们需要更加关注行为路径分析的产生。在行为路径分析模块中，我们可以设置路径的开始和结束节点以及统计时间范围。如果与转换分析相结合，可以将其设置为转换漏斗的第一步和最后一步。该模块还可以支持属性和用户组的过滤。最终的分析结果以产经图的形式呈现。例如，下图是对厕神用户行为路径的分析。每个串联的流向都是一条用户路径，直到用户路径具有最大数量的节点。

用户行为路径示例

用户行为路径分析可以使我们对用户的实际行为趋势有更深的理解，并发现更深层次的问题。在上图中，打开应用程序后，横幅活动成功吸引了大量用户，但最终只有30%的用户通过活动登录页面提交订单(假设这是一个开放付费会员的活动)，大量用户选择跳转到商品详细信息页面。这表明事件登录页面的设计存在问题，不足以直接将用户转换为付费成员。用户仍然需要通过浏览实际商品来了解付费会员的价值。

V.事件分析

事件分析是指对特定事件或指标的查询和分析。事件分析是最基本的用户行为分析，但也可以说是最详细的分析，所以它被放在最后来解释。通过在不同的维度和时间范围内筛选预先设计的隐藏点事件，我们可以简单快速地查询我们想要的数据，这与我们通过SQL完成的检索工作基本相似。

要完成事件分析，首先要做的是定义事件。由于已经在数据嵌入部分中详细描述了它，所以这里不再重复。只需了解事件是通过隐藏点记录的，一个产品将包含大量事件。一个事件可能包含多个事件属性，并以键值的形式记录。例如，隐藏文章中的活动访问事件包含诸如活动标识、访问源等属性。但是，所有事件都有一些属性，这些属性可以单独记录为通用属性，如设备终端、操作系统、应用程序版本等。

事件分析模块的一个重要功能是支持自定义事件或指示器。埋葬点是最详细的统计数据。同时，它有一定的开发成本，不会经常变化。因此，一些有分析要求的事件或指标不会被埋点逐一直接记录，而是需要事后人工定义。例如，要计算同时访问活动A和活动B的用户数量，需要定义一个新事件:活动A和活动B都有。对于通过组合和过滤多个原始事件获得的这个新事件，它通常被称为虚拟事件。以及数据索引一章中提到的计算指标，如商品明细页面的点击率，都需要通过定制明细页面的点击次数/商品显示次数来获得。

在事件分析中，只需选择具体的事件或指标以及指标的统计方法，通常包括求和/平均/人均等。基本分析可以在统计的时间范围内完成。对于更详细的需求，还可以通过添加拆分维度和对用户进行分组来进行深入分析。下图统计了过去七天点击量和购买量的变化趋势，并按男女服装类别进行了细分。

事件分析示例

由于保留分析、转换分析和路径分析实际上是对事件进行定义和组合后的分析，因此可以认为事件分析是其他类型分析的基础。在基本事件分析中，我们通常配置一些常用的分析指标，如光伏、紫外、DAU等。作为最原始和最基本的分析工具，事件分析的粒度也是最小的。因此，除了了解常规事件和指标的表现之外，我们有必要通过事件分析来挖掘更详细的数据。

本文主要介绍用户行为分析平台中使用最广泛的一些产品功能和分析方法，此外还有其他相关功能，如详细的用户行为检查和温度记录分析。随着技术本身和员工分析水平的提高，未来不可避免地会有更丰富、更科学的分析工具和方法，如帮助企业智能定位具有人工智能能力的幻数和愿望线的功能。我们所能做的就是不断进步，跟上行业的发展趋势，确保我们走在行业的前列。你越早掌握新工具，就越能更好地获得先下手为强的优势。

关于用户行为分析平台的章节到此结束。

作者:罗文；；公众电话:罗先生

这篇文章最初由@Rowan发表。每个人都是产品经理。未经允许禁止转载。

主题图来自Unsplash，基于CC0协议。

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/6967.html。