運(yùn)營(yíng)人都需要掌握的用戶行為分析，到底是什么｜易觀數(shù)科

2021年，私域運(yùn)營(yíng)成為各行各業(yè)的必做之事，用戶行為分析也越來越受到重視，其理論和工具的發(fā)展日漸成熟。

用戶行為分析的重要之處，是提供數(shù)據(jù)結(jié)論，幫助我們了解在當(dāng)前場(chǎng)景下優(yōu)化運(yùn)營(yíng)策略解決我們?cè)跇I(yè)務(wù)上遇到的具體問題。

本文將分享用戶行為分析的全景，從采集到分析幫助你理解其邏輯與思路，希望對(duì)你的運(yùn)營(yíng)工作有一定的啟發(fā)和幫助。

1

初識(shí)用戶行為分析

2015年開始，傳統(tǒng)的線下行業(yè)紛紛進(jìn)行線上轉(zhuǎn)型。在轉(zhuǎn)型的過程中，形成用戶行為從線下向線上遷移的大趨勢(shì)。

用戶行為分析越來越受到關(guān)注，其重要性也在今天的行業(yè)實(shí)踐中得到了凸顯，原因主要有兩點(diǎn)：

• 行業(yè)轉(zhuǎn)型線上后，用戶產(chǎn)生的行為數(shù)據(jù)相比之前的線下數(shù)據(jù)，維度更多、更具有豐富性。
• 線上的數(shù)據(jù)從采集、獲取到分析，能夠進(jìn)行實(shí)時(shí)的處理。

這就賦予了企業(yè)及時(shí)優(yōu)化運(yùn)營(yíng)策略的可能。例如，客戶要做購(gòu)物節(jié)的促銷活動(dòng)，活動(dòng)開始后，數(shù)據(jù)化工具實(shí)時(shí)跟蹤活動(dòng)投放之后的落地頁，抓取用戶訪問數(shù)據(jù)。根據(jù)獲得的數(shù)據(jù)，就可以在活動(dòng)開始后半小時(shí)內(nèi)就調(diào)整策略。再去觀察用戶的反饋，如果效果不佳，還可以進(jìn)一步調(diào)整。

什么是用戶行為分析

用戶行為分析是對(duì)用戶在產(chǎn)品或觸點(diǎn)上產(chǎn)生的行為及行為背后的數(shù)據(jù)進(jìn)行分析，通過構(gòu)建用戶行為數(shù)據(jù)分析體系和用戶畫像，來改變產(chǎn)品、營(yíng)銷、運(yùn)營(yíng)決策，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，指導(dǎo)業(yè)務(wù)增長(zhǎng)。

數(shù)據(jù)來源

用戶行為的數(shù)據(jù)的來源，可以分為線上觸點(diǎn)和線下觸點(diǎn)兩部分。線上觸點(diǎn)主要有APP、H5、Web、小程序、企業(yè)微信、電商平臺(tái)等；線下觸點(diǎn)包括門店動(dòng)線、400（客服電話）、可穿戴設(shè)備等。

數(shù)據(jù)歸屬

在數(shù)據(jù)歸屬上，我們將用戶行為數(shù)據(jù)分為一方數(shù)據(jù)、二方數(shù)據(jù)、三方數(shù)據(jù)。

• 一方數(shù)據(jù)：即客戶自身的行為和經(jīng)營(yíng)活動(dòng)所產(chǎn)生的數(shù)據(jù)。例如，因訪問或點(diǎn)擊自建APP、小程序而產(chǎn)生的用戶行為數(shù)據(jù)。
• 二方數(shù)據(jù)：一般指通過客戶的經(jīng)營(yíng)活動(dòng)或營(yíng)銷活動(dòng)附帶產(chǎn)生的數(shù)據(jù)。在廣告投放領(lǐng)域比較典型，客戶投放廣告后，會(huì)在廣告媒介上額外產(chǎn)生用戶設(shè)備等數(shù)據(jù)。
• 三方數(shù)據(jù)：一般指和客戶的實(shí)際經(jīng)營(yíng)沒有關(guān)系，通過外部采買等方式，合法公開地獲得用戶或潛在訪客的相關(guān)數(shù)據(jù)。

從數(shù)據(jù)價(jià)值上看：一方數(shù)據(jù)的價(jià)值最大，二方數(shù)據(jù)其次，三方數(shù)據(jù)最小。因?yàn)橐环綌?shù)據(jù)從客戶自身的觸點(diǎn)或平臺(tái)上產(chǎn)生，與客戶的業(yè)務(wù)聯(lián)系最直接、親密。

2

用戶行為數(shù)據(jù)的采集方式

用戶行為數(shù)據(jù)的采集方式也非常重要，因?yàn)楦咝У臄?shù)據(jù)采集是做好分析的前提和基礎(chǔ)。用戶行為數(shù)據(jù)采集可以分為三類，客戶端SDK(注：Software Development Kit，軟件開發(fā)工具包)、服務(wù)端SDK及工具導(dǎo)入。

客戶端SDK

目前，針對(duì)客戶端有各種各樣支持的SDK。無論是易觀數(shù)科或是國(guó)內(nèi)外功能相似的產(chǎn)品，基本的方式都是通過SDK采集用戶在平臺(tái)的行為數(shù)據(jù)。如，使用SDK在IOS、安卓、H5小程序、支付寶小程序等用戶觸點(diǎn)上進(jìn)行數(shù)據(jù)采集。

服務(wù)端SDK

服務(wù)端SDK的數(shù)據(jù)采集，是在后端的服務(wù)器中完成的，不會(huì)在APP上被用戶直觀地感受到。例如，用戶在APP上點(diǎn)擊了加入購(gòu)物車的按鈕，這個(gè)行為背后會(huì)有用戶加購(gòu)商品的價(jià)格、庫存狀態(tài)、甚至是商品在調(diào)倉(cāng)過程中動(dòng)態(tài)庫存等相關(guān)數(shù)據(jù)產(chǎn)生。

通過服務(wù)端SDK的采集，可以豐富數(shù)據(jù)的范圍和維度，得出更理想的分析結(jié)果。

工具導(dǎo)入

很多零售的客戶，不止使用自身的小程序作為用戶觸點(diǎn)，還使用第三方的電商平臺(tái)。

出于數(shù)據(jù)安全性上的考慮，抖音電商、淘寶、京東等大平臺(tái)都將數(shù)據(jù)做得越來越封閉。以往通過API（注：Application Programming Interface，應(yīng)用程序接口）的形式把數(shù)據(jù)同步到客戶自身服務(wù)器上的做法，如今很難行得通。

目前第三方電商平臺(tái)的數(shù)據(jù)，很難通過正規(guī)的服務(wù)商去做同步，直接導(dǎo)致了融合電商平臺(tái)數(shù)據(jù)的門檻越來越高。

3

用戶行為分析的基本邏輯

用戶行為分析的核心對(duì)象是用戶。其跟BI分析的最大區(qū)別在于，BI分析還包括財(cái)務(wù)分析、庫存分析、互動(dòng)量分析、人力分析等。因此BI分析的對(duì)象可以是商品、財(cái)務(wù)表，也可以是供應(yīng)鏈。

但用戶行為分析聚焦于用戶，主要回答在實(shí)際的經(jīng)營(yíng)過程當(dāng)中，某一業(yè)務(wù)場(chǎng)景下發(fā)生了怎樣的用戶事件。用戶事件包括了五個(gè)基本的元素：誰（Who）、在什么地方（Where）、在什么時(shí)候（When）、發(fā)生了什么(What)、怎么發(fā)生的（How）。

用戶行為采集的數(shù)據(jù)范圍

用戶行為數(shù)據(jù)分成兩部分：數(shù)據(jù)的生產(chǎn)和數(shù)據(jù)的消費(fèi)。

其中，數(shù)據(jù)的生產(chǎn)在用戶觸點(diǎn)上發(fā)生，會(huì)產(chǎn)生各種各樣的用戶行為數(shù)據(jù)?？蛻粢ㄟ^合適的工具加上合理的方法把數(shù)據(jù)消費(fèi)掉，從而得到一定的數(shù)據(jù)結(jié)論。

某個(gè)用戶加上地點(diǎn)、時(shí)間、事情和方式，就構(gòu)成了一個(gè)用戶事件。例如，張三在 2021 年 5 月 1 日 20:00:00，在京東 APP，iPhone 12 商品詳情頁點(diǎn)擊了加入購(gòu)物車按鈕。這就構(gòu)成了對(duì)用戶行為的描述，其中的張三就是分析對(duì)象。

用戶在日常場(chǎng)景中的操作，能夠抽象成數(shù)據(jù)的維度和指標(biāo)。通過一個(gè)小事件，可以采集用戶的ID以及所對(duì)應(yīng)的基本屬性。比如，加購(gòu)商品的名稱、價(jià)格數(shù)量，等事件屬性。

總結(jié)一下，采集上來的數(shù)據(jù)范圍就是：

• 用戶及用戶屬性：用戶 ID+用戶基本屬性+用戶標(biāo)簽
• 事件及事件屬性：加入購(gòu)物車事件+購(gòu)物車商品名稱、價(jià)格、數(shù)量

從用戶行為數(shù)據(jù)到用戶畫像

通過數(shù)據(jù)的采集，就能夠做用戶相關(guān)的分析，其中最核心的是用戶屬性。

用戶屬性可以形成用戶畫像，對(duì)用戶畫像的描述越精確，越有利于運(yùn)營(yíng)中制定針對(duì)性的策略或營(yíng)銷活動(dòng)。用戶畫像的精確性取決于采集到的用戶行為的數(shù)據(jù)質(zhì)量。

不同的行業(yè)，畫像體系各不相同，以我們?yōu)榻鹑谛袠I(yè)的用戶基礎(chǔ)畫像為例。

這個(gè)畫像的體系包括了用戶的基本屬性、關(guān)聯(lián)關(guān)系、興趣偏好、客戶價(jià)值、輿論評(píng)價(jià)等，其中的一些屬性與用戶行為緊密相關(guān)，另一些則是用戶的自然屬性，包括姓名、性別、住址等。

用戶畫像會(huì)隨著數(shù)據(jù)的收集不斷優(yōu)化，比如，用戶偏好會(huì)隨對(duì)用戶行為分析的不斷深入，而進(jìn)行動(dòng)態(tài)的調(diào)整。

4

用戶行為分析的基本思路

下面將從渠道分析、轉(zhuǎn)化分析、路徑分析、留存分析四個(gè)方面，簡(jiǎn)單介紹一下用戶行為分析的基本思路。

如何降低獲客成本

有效獲取高價(jià)值用戶

首先，我們需要對(duì)渠道的拉新能力和獲客質(zhì)量進(jìn)行評(píng)估。

評(píng)估可能包含下面一系列問題：哪個(gè)渠道帶來的新增用戶更多？哪個(gè)渠道的虛假流量占比更少？哪個(gè)渠道的高價(jià)值用戶更多？哪個(gè)渠道的轉(zhuǎn)化效果更好？

為了得到這些問題的答案，我們要做事件分析或渠道分析。第一步，需要定義分析的對(duì)象，比如評(píng)估渠道拉新能力時(shí)，我們的分析對(duì)象就是新用戶。第二步，我們會(huì)分析拉新渠道的獲客量，及用戶后續(xù)的轉(zhuǎn)化情況與價(jià)值情況。

結(jié)合對(duì)獲客渠道的分析，可以嘗試尋找ROI更高的渠道組合，并且合理地分配預(yù)算。

如何提升營(yíng)銷轉(zhuǎn)化率和收入

用戶觸達(dá)后的理想路徑，是通過營(yíng)銷活動(dòng)到達(dá)落地頁，再到具體的商品詳情頁，最終完成購(gòu)買行為。如果落地頁跳出率90%，產(chǎn)品做得再好也是事倍功半！

在設(shè)計(jì)好的路徑中間，存在著用戶流失的情況。這就需要進(jìn)行用戶行為分析，去解決用戶在哪個(gè)環(huán)節(jié)流失的問題。用戶流失率最高的環(huán)節(jié)，就是我們優(yōu)化的重點(diǎn)。關(guān)鍵環(huán)節(jié)的策略改進(jìn)，對(duì)于整體的用戶轉(zhuǎn)化和業(yè)務(wù)收入的幫助非?？捎^。

轉(zhuǎn)化分析中，時(shí)常借助漏斗分析模型，將用戶的訪問路徑編號(hào)，如1、2、3、4、5等多個(gè)步驟，去看每一步的用戶轉(zhuǎn)化情況，用轉(zhuǎn)化漏斗快速找到轉(zhuǎn)化瓶頸，通過維度的細(xì)分拆解用戶流失。

通過漏斗分析，我們得到了導(dǎo)致用戶流失的事件，進(jìn)而找到問題的根源。這些都可以幫助我們改進(jìn)產(chǎn)品設(shè)計(jì)和用戶體驗(yàn)，甚至促進(jìn)業(yè)務(wù)流程的重構(gòu)。

如何引導(dǎo)用戶路徑

促進(jìn)轉(zhuǎn)化

用戶路徑分析即使用智能路徑，跟蹤用戶從轉(zhuǎn)化流程的開始到最終實(shí)現(xiàn)轉(zhuǎn)化目標(biāo)，經(jīng)過了哪些關(guān)鍵節(jié)點(diǎn)。觀察在節(jié)點(diǎn)之間的用戶流轉(zhuǎn)，從中發(fā)現(xiàn)一些問題。

例如，現(xiàn)有用戶群A和B，兩個(gè)用戶分群的價(jià)值不同。低價(jià)值用戶群產(chǎn)生的原因是多樣的，可能是用戶群自身的消費(fèi)能力不足，也可能是因?yàn)楫a(chǎn)品的設(shè)計(jì)不佳，給這部分用戶的轉(zhuǎn)化造成了阻礙。

用戶在APP中的實(shí)際路徑，與我們預(yù)設(shè)的轉(zhuǎn)化路徑時(shí)常存在差異。線上的用戶路徑分析其實(shí)與線下的動(dòng)線分析類似，關(guān)鍵的數(shù)據(jù)是用戶訪問了哪些頁面，在哪些環(huán)節(jié)中離開了轉(zhuǎn)化流程。

這時(shí)候我們會(huì)根據(jù)需要，做針對(duì)性的優(yōu)化，比如在關(guān)鍵的頁面定向推送促銷信息，減少流失 。

如何提高召回用戶

提升留存率

用戶行為分析中，最重要指標(biāo)就是用戶的留存率。只有留存的用戶，才會(huì)有不斷產(chǎn)生業(yè)務(wù)貢獻(xiàn)的可能。

因此，我們需要進(jìn)行用戶的留存分析，通過新用戶的七日留存、三十日留存、復(fù)購(gòu)等指標(biāo)，判斷其留存情況。

但是，對(duì)于用戶留存分析來說，只有這些指標(biāo)是遠(yuǎn)遠(yuǎn)不夠的，還需要看用戶的關(guān)鍵行為。因?yàn)楹芏鄷r(shí)候，用戶產(chǎn)生了購(gòu)買行為只是一個(gè)結(jié)果，需要分析過程中的行為，了解用戶成單背后的邏輯。

比如，經(jīng)常點(diǎn)擊促銷類的活動(dòng)頁面與點(diǎn)擊滿減類活動(dòng)頁面的用戶，哪一類的購(gòu)買力比較高，通過這樣的分析，我們能更好地掌握高價(jià)值用戶的真實(shí)需求。

探究和分析用戶行為過程和最終的結(jié)果之間的邏輯關(guān)系，有助于了解如何影響用戶行為，并最終達(dá)到業(yè)務(wù)轉(zhuǎn)化的目標(biāo)。

5

用戶行為分析案例

這里以易觀數(shù)科的某智能硬件（豆?jié){機(jī)）客戶為例。通過IOT SDK+服務(wù)端SDK+線下數(shù)據(jù)導(dǎo)入，打通用戶唯一標(biāo)識(shí)，幫助客戶實(shí)現(xiàn)全景數(shù)據(jù)智能運(yùn)營(yíng)。

該品牌膠囊豆?jié){機(jī)是正在線下向線上轉(zhuǎn)型的客戶。膠囊豆?jié){機(jī)的用戶行為數(shù)據(jù)來源于兩部分，線上的數(shù)據(jù)來源于該品牌的APP、小程序等，線下的則來自膠囊豆?jié){機(jī)產(chǎn)品所采集的數(shù)據(jù)。

我們對(duì)線上和線下兩個(gè)場(chǎng)景的用戶行為數(shù)據(jù)進(jìn)行整合，通過數(shù)據(jù)有效地評(píng)估該品牌膠囊豆?jié){機(jī)的用戶行為，找到用戶使用豆?jié){機(jī)時(shí)消耗膠囊的習(xí)慣，進(jìn)而幫助客戶尋找膠囊需求涌現(xiàn)的時(shí)間節(jié)點(diǎn)，推薦客戶進(jìn)行促銷和優(yōu)惠等營(yíng)銷活動(dòng)的設(shè)計(jì)與執(zhí)行。

用戶行為分析的最終目標(biāo)是創(chuàng)建不同的用戶分群，把具有相同特征的一類用戶歸到一起。再針對(duì)這一類用戶，發(fā)現(xiàn)他們的問題，做出具有針對(duì)性的營(yíng)銷策略或運(yùn)營(yíng)策略，并讓設(shè)計(jì)好的策略執(zhí)行、落地。這就是用戶行為分析完整的業(yè)務(wù)流程。

在易觀方舟Demo中，提供了多種分析方法及模型，根據(jù)不同的行業(yè)用戶分群的需要，提供了多樣化的模板。針對(duì)用戶行為分析，在產(chǎn)品中預(yù)置了事件分析、渠道分析、熱圖分析、漏斗分析、歸因分析等12大分析模型。歡迎大家前來體驗(yàn)。

—— 如果覺得文章還OK，請(qǐng)轉(zhuǎn)發(fā) ——

首席增長(zhǎng)官CGO薦讀：

• 《增長(zhǎng)黑客官網(wǎng)》
• 《小紅書推廣：KOC種草，明星KOL，探店視頻，紅人推薦》
• 《抖音推廣：抖音關(guān)鍵詞排名，抖音種草，抖音數(shù)據(jù)監(jiān)測(cè)》

更多精彩，關(guān)注：增長(zhǎng)黑客（GrowthHK.cn）

增長(zhǎng)黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營(yíng)銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實(shí)現(xiàn)低成本甚至零成本帶來的有效增長(zhǎng)…