用戶運營實戰(zhàn)案例之 7 大用戶分析增長模型

用戶研究是用戶中心的設計流程中的第一步。它是一種理解用戶，將他們的目標、需求與商業(yè)宗旨相匹配的理想方法，能夠幫助企業(yè)定義產品的目標用戶群。在用戶研究過程中，數(shù)據的使用及挖掘是非常重要的。那么，有哪些通用的用戶分析方法？如何分析你的用戶？本篇重點圍繞七大用戶分析方法論/模型，展開分享幾個比較常見的用戶運營實際案例。

六大用戶分析方法論

• 1、行為事件分析
• 2、點擊分析模型
• 3、用戶行為路徑分析
• 4、用戶健康度分析
• 5、漏斗模型分析
• 6、用戶畫像分析

下面一一解析每種方法論的定義及實戰(zhàn)案例，先從最基礎的行為事件分析法開始

1?行為事件分析

行為事件分析法主要用于研究某行為事件的發(fā)生對企業(yè)組織價值的影響以及影響程度。企業(yè)借此來追蹤或記錄用戶行為及業(yè)務過程，如用戶注冊、瀏覽商品詳情頁、成功下單、退款等，通過研究與事件發(fā)生關聯(lián)的所有因素來挖掘用戶行為事件背后的原因、交互影響等。

行為事件分析法一般經過三大環(huán)節(jié)：事件定義、多維度下鉆分析、解釋與結論。

1、事件定義

事件定義包括定義所關注的事件及事件窗口的長度，這也是事件分析法最為核心和關鍵的步驟。事件的定義遵循5W原則：Who、When、Where、What、How。

5W事件定義方式：

某X平臺的所有注冊用戶在X月X日使用優(yōu)惠券下單購買的單數(shù)是多少？這是一個完整的時間定義，一般數(shù)據人員需要記錄的對應字段有：時間、商品名稱、商品是否使用優(yōu)惠券、父單數(shù)、購買數(shù)量、購買金額等。

5W

• （Where）某X平臺
• （Who）所有注冊用戶
• （When）在X月X日
• （How）使用優(yōu)惠券
• （What）下單購買的單數(shù)

在大廠混的我們都多少接觸過各種數(shù)據報表，Path口徑、Session口徑等各種口徑，我們所熟悉的字段“訪問次數(shù)”、“瀏覽深度”、“使用時長”、“停留時長”、“跳出率”、“頁面退出率”等指標，都需引入 Session 才能分析。因此，創(chuàng)建和管理 Session 是事件定義的關鍵步驟。

這里需要了解“Session”的概念，Session一般翻譯為時域。在計算機專業(yè)術語中，Session是指一個終端用戶與交互系統(tǒng)進行通信的時間間隔，通常指從注冊進入系統(tǒng)到注銷退出系統(tǒng)之間所經過的時間。具體到Web中的Session指的就是用戶在瀏覽某個網站時，從進入網站到關閉瀏覽器所經過的這段時間，也就是用戶瀏覽這個網站所花費的時間。因此從上述的定義中我們可以看到，Session實際上是一個特定的時間概念。

2、多維度下鉆分析

最為高效的行為事件分析要支持任意下鉆分析和精細化條件篩選。當行為事件分析合理配置追蹤事件和屬性，可以激發(fā)出事件分析的強大潛能，為企業(yè)回答關于變化趨勢、維度對比等等各種細分問題。“篩選條件”例如：“地理位置”、“時間”、“廣告系列媒介”、“操作系統(tǒng)”、“渠道來源”等。當進行細分篩查時，才可以更好地精細化定位問題來源。

3、解釋與結論

解釋與結論即所謂的出分析報告階段。對分析結果進行合理的理論解釋，判斷數(shù)據分析結果是否與預期相符，如果相悖，則應該針對不足的部分進行再分析與實證。

行為事件分析案例解說

運營A在日常運營某平臺頻道的過程中發(fā)現(xiàn)，某天的UV值突然翻倍異常標高，需要快速定位：是異常流量還是虛假流量？我們可以先按照5W法則拆解事件，可以發(fā)現(xiàn)實際上我們是要找出HOW，也就是為什么流量飆升的理由。

• （Where）某平臺
• （Who）某頻道
• （When）某天
• （How）？？？
• （What）UV值異常翻倍

緊接著，通過多維度“篩選條件”進行下鉆分析：選擇“流量入口來源”、“時間點”、“地理位置”、“操作系統(tǒng)”等。當進行細分篩查時，運營A發(fā)現(xiàn)：早上10點鐘時，微信渠道側的流量飆高并且是由于公眾號推送場景帶來的流量，確認公眾號確實為早上10點推動并且當天的推送質量很高，用戶點擊數(shù)較往常更高，基本判斷UV的飆高是異常值，不是虛假流量，并且是由于該事件帶來。

2?點擊分析模型

點擊分析模型在各行業(yè)內數(shù)據分析應用較為廣泛，是重要的數(shù)據分析模型之一。其中點擊圖是點擊分析方法的效果呈現(xiàn)，在用戶行為分析領域，點擊分析包括元素被點擊的次數(shù)、占比、發(fā)生點擊的用戶列表、按鈕的當前與歷史內容等因素。

點擊分析方法主要解決的問題主要有三點：

• 1、精準評估用戶與產品交互背后的深層關系；
• 2、實現(xiàn)產品的跳轉路徑分析，完成產品頁面之間的深層次的關系需求挖掘；
• 3、與其他分析模型配合，全面視角探索數(shù)據價值，深度感知用戶體驗，實現(xiàn)科學決策。

點擊分析模型主要用于什么分析？

• 1、官網
• 2、活動頁面
• 3、產品頻道/首頁
• 4、詳情頁

點擊分析通用的兩種形式包括：可視化與固定埋點，可視化多用熱力圖進行呈現(xiàn)，運營可以根據點擊密度判斷用戶的瀏覽喜好。

下面對比熱力圖與固定埋點形式的差異化

點擊分析模型案例解說

以上圖天貓超市為案例，開發(fā)可對每一個前端模塊進行埋點，然后上報數(shù)據，運營可在數(shù)據報表處下載對應數(shù)據，數(shù)據可包括：PV、UV、下單、GMV等，可針對不同指標進行分析。

假設上圖中個人護理icon點擊UV占比為67%，是頻道內所有icon中最高的一個，那么對于貓超這么一個老用戶居多的業(yè)務場景來說，老用戶對在超市中購買“個人護理”有很強烈的訴求與黏性，可以重點挖掘業(yè)務價值。再比如，假設banner模塊的日均UV為1w，我們假定這個值是偏低的，并且banner在頁面首頁的使用面積占比又超過UV及訂單的貢獻占比，此時可以考慮兩種方案：壓縮banner尺寸或者提升banner點擊率。

從長期監(jiān)控數(shù)據上看，點擊分析可以觀察頁面某位置（業(yè)務）的改變對于用戶的價值，一般而言，點擊UV越高，說明用戶的黏性越大。當然點擊率還跟所處位置有關，同一頁面高度，根據用戶視覺習慣，一般左邊點擊優(yōu)于右邊。

3?用戶行為路徑分析

用戶路徑的定義，就是用戶在APP或網站中的訪問行為路徑。對于一個指定的頁面（URL），用戶是從哪些場景來到這個頁面（來源）？進入這個頁面后又去往哪些場景(去向）？用戶瀏覽路徑是否是按照運營設計的路徑前進還是偏移？用戶行為路徑分析就是解決以上問題的分析方法：指導運營明確用戶現(xiàn)存路徑，優(yōu)化用戶行為沿著最優(yōu)訪問路徑前進，結合業(yè)務場景需求進行前端布局調整。

以電商為例，買家從登錄網站／APP到支付成功需要經過首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等一系列過程。一個新用戶和一個老用戶在進行購買流程的時候，他們的瀏覽路徑是否有區(qū)別？新用戶傾向什么路徑？老用戶傾向什么路徑？與其他分析模型配合進行深入分析后，可以快速找到用戶動機，從而引領用戶走向最優(yōu)路徑或者期望中的路徑。

用戶路徑分析案例解說

假設上圖中，用戶進入店鋪頁中選擇以下路徑：

• 1、約40%的客戶會點擊Banner活動頁；
• 2、約30%的客戶會直接進行商品搜索；
• 3、約10%的用戶會瀏覽商品詳情頁；
• 4、約5%的客戶啥都不干直接退出店鋪；

假設以上四種路徑中，第三種直接瀏覽商品詳情頁的用戶下單比例最高，超過90% ，與其形成鮮明對比的是，盡管第一種“點擊Banner活動頁”的用戶占比高達40%，但是僅5%的用戶下單了，說明Banner的內容布局和利益點有著比較糟糕的用戶體驗，則將此作為首選優(yōu)化與改進的方向。

改進方式：

• 1、優(yōu)化內容質量：素材圖片、利益點、承接頁動線、承接頁商品讓利程度等；
• 2、壓縮banner模塊實際面積：比如淘寶的banner基本為千人千面或者商家直通車購買，展示總量大，比較難控制所有內容質量，因此選擇更小的尺寸高度來分散用戶點擊占比，為其它首屏優(yōu)質業(yè)務提供更多的流量；相對的，天貓的banner活動一般為類目排期活動，較少商家購買（能花得起這個錢的商家一般也是KA，不會把內容質量搞的很糟糕），因此天貓的banner高度較淘寶會更醒目；

4?用戶健康度分析

用戶健康度是基于用戶行為數(shù)據綜合考慮的核心指標，體現(xiàn)產品的運營情況，為產品的發(fā)展進行預警。包括三大類型指標：產品基礎指標、流量質量指標、產品營收指標。它們三者構成了評價產品健康度的體系，它們也各有側重點。

• 1、產品基礎指標，主要評價產品本身的運行狀態(tài)：PV、UV、新用戶數(shù)；
• 2、流量質量指標，主要評價用戶流量的質量高低：跳出率、人均瀏覽次數(shù)、人均停留時間、用戶留存率、用戶回訪率；
• 3、產品營收指標，主要評價產品的盈利能力與可持續(xù)性：用戶支付金額（GMV）、客單價（ARPU）、訂單轉化率；

1、產品基礎指標：

UV：獨立訪客數(shù)（unique visitor），指通過互聯(lián)網訪問、瀏覽這個網頁的自然人。但對于UV的定義有一個時間限制，一般是1天之內，訪問你的產品的獨立訪客數(shù)，如果一個用戶一天內多次訪問也只計算為1個訪客。UV是衡量產品量級的最重要指標。

PV：頁面瀏覽量（Page View），用戶每1次對網站中的每個網頁訪問均被記錄1次。用戶對同一頁面的多次訪問，訪問量累計。因此一般PV值大于UV值。

新用戶數(shù)：對于電商來說，新用戶一般定義為未注冊或者已注冊，但還未進行首單支付的用戶。一個新用戶到老用戶的轉變過程可以用四象空間來劃分：次數(shù)、金額、時間、品類；

2、流量質量指標

跳出率：跳出率(Bounce Rate)也被稱為蹦失率：瀏覽單頁即退出的次數(shù)/訪問次數(shù)=single access/entry visits。瀏覽單頁即退出的次數(shù)——簡單說就是進入某個頁面后沒有點擊任何頁面就離開。一般用來來衡量用戶訪問質量，高跳出率通常表示內容對用戶不具針對性（吸引）；

• A頁面的跳失率=(5/10) *100%
• A頁面的退出率= (5+2/10+2 )*100%

人均停留時間：是指用戶瀏覽某一頁面時所花費的平均時長，平均停留時間越長，說明網站或頁面對用戶的吸引力越強，能帶給用戶的有用信息越多。

用戶留存率：留存指的就是“有多少用戶留下來了”。用戶在某段時間內開始使用應用的用戶，經過一段時間后，仍然繼續(xù)使用的用戶，被認作是留存用戶。

留存率=新增用戶中登錄用戶數(shù)/新增用戶數(shù)（一般統(tǒng)計周期為天）

留存率反映的實際上是用戶的一個留存漏斗，即新用戶轉化為活躍用戶、穩(wěn)定用戶、忠誠用戶的過程，宏觀觀察用戶的生命進程情況，通過用戶的后期留存情況就能從一個層面把握渠道質量，比如，付費，粘性，價值量，CAC成本。

用戶回訪率：用戶在某段時間內開始使用應用，經過一段時間后，繼續(xù)登陸使用的用戶，被認作是回訪用戶。比如用戶在使用該App之后的N天/周/月之后，再次使用該App的比例，叫做N天/周/月回訪率。留存與回訪這兩者的區(qū)別就是：前者是新增多少用戶，留下來多少；后者是在某時間段內，用戶再次使用、訪問app、軟件的數(shù)量。

3、產品營收指標

客單價（ARPU）：客單價=支付有效金額/支付用戶數(shù)，客單價反應平均一個用戶支付的金額，金額越高，為企業(yè)帶來的利潤也越多，因此提升客單價是一個很好幾刺激毛利潤的方法，比如我們常見的促銷手段：買2件減10元，買2件送贈品等；

轉化率：訂單轉化率=有效訂單用戶數(shù)/UV。轉化率是做成交營收的一個關鍵因素，轉化越高表示越多用戶在目標頁面下單。

用戶支付金額（GMV）：支付金額即產品某段時間的流水。產品的營收做得好與不好，主要就是看支付流水。盈利模式如何，有沒有穩(wěn)定的創(chuàng)收能力，是對一個產品終極的考驗（戰(zhàn)略燒錢和圈用戶的先不算在內）

產品營收指標有一個恒等式：

• 銷售額=訪客數(shù)×成交轉化率×客單價
• 銷售額=曝光次數(shù)×點擊率×成交轉化率×客單價；

這是電商入門基礎中的戰(zhàn)斗機

5?漏斗模型分析

定義：漏斗模型分析，本質是分解和量化，也就是說從一個事件環(huán)節(jié)的最開始（獲取用戶）到最終轉化成購買這整個流程中的一個個子環(huán)節(jié)，相鄰環(huán)節(jié)的轉化率表現(xiàn)力，就是指用數(shù)據指標來量化每一個步驟的表現(xiàn)。所以整個漏斗模型就是先將整個事件流程拆分成一個個步驟，然后用轉化率來衡量每一個步驟的表現(xiàn)，最后通過異常的數(shù)據指標找出有問題的環(huán)節(jié)，從而解決問題，優(yōu)化該步驟，最終達到提升整體購買轉化率的目的。

流量漏斗模型在產品運用中的一個經典運用是AARRR模型，來自增長黑客Growth hacker一書中（這本書特別值得一看），AARRR模型是結合產品本身的特點以及產品的生命周期位置，來關注不同的數(shù)據指標，最終制定不同的運營策略。

《增長黑客》增長黑客是介于技術和市場之間的新型團隊角色，主要依靠技術和數(shù)據的力量來達成各種營銷目標，而非傳統(tǒng)意義上靠砸錢來獲取用戶的市場推廣角色。他們能從單線思維者時常忽略的角度和難以企及的高度通盤考慮影響產品發(fā)展的因素，提出基于產品本身的改造和開發(fā)策略，以切實的依據、低廉的成本、可控的風險來達成用戶增長、活躍度上升、收入額增加等商業(yè)目的。簡單來說，就是低成本甚至零成本地讓產品獲得有效增長。增長黑客的核心是：自傳播/病毒傳播。

AARRR的說明：

• 獲取Acquisition：用戶如何發(fā)現(xiàn)并來到你的產品？（瀏覽層）
• 激活Activation：用戶的第一次使用體驗如何？（點擊/參與）
• 留存Retention：用戶是否還會回到產品？（回訪/留存）
• 收入Retention：產品怎樣通過用戶賺錢？（付費）
• 傳播Retention：用戶是否愿意告訴其他用戶？（忠實/傳播用戶）

漏斗模型在實際的運營中很常見，我們可以抽象出決定漏斗形態(tài)的三個元素：時間、節(jié)點、流量。

• 1、時間：轉化周期，即為完成每一層漏斗所需時間的集合。通常來講，一個漏斗的轉化周期越短越好。
• 2、節(jié)點：每一層漏斗，就是一個節(jié)點。而對于節(jié)點來說，最核心的指標就是轉化率，轉化率 = 通過該層到達下一次層的流量/到達該層的流量。
• 3、流量：每個環(huán)節(jié)的數(shù)值大小，也就是人群數(shù)。

流量漏斗模型案例解說

以電商實際運營過程中的具體案例說明流量漏斗模型的運用，假設（數(shù)據均虛擬）我們做了一場營銷活動，活動頁面的流量漏斗模型如下圖：用戶的流量路徑如下：點擊主會場頁面→進入商品詳情頁→下單購買→發(fā)貨（上賬）；

對比正常賣場流量漏斗平均圖可以看出，用戶在“活動頁面→進入商品詳情頁”這個步驟中，跳轉率只有40%，假設遠低于平均值45%，可以思考下用戶進入主會場后為什么不點擊商品呢？一般而言，跳轉率低下主要由以下幾個原因：

• 1、頁面開發(fā)問題bug：手機機型適配問題、無法點擊、頁面空窗、鏈接錯誤等；
• 2、內容與引流用戶不匹配：引流用戶對商品/內容不感興趣、BI推薦不準確等 ；
• 3、頁面運營問題：利益點對應商品承接、商品讓利不夠、文案內容與承接落地頁面不符；

一個個去排除問題后，我們可以初步將問題點鎖定，針對性解決。簡單總結，漏斗模型適合運用于監(jiān)控不同的產品環(huán)節(jié)數(shù)據指標，并找出對應的問題。

6?用戶畫像分析

用戶畫像的正式名稱是User Profile，是指根據用戶的屬性、用戶偏好、生活習慣、用戶行為等信息而抽象出來的標簽化用戶模型。通俗說就是給用戶打標簽，而標簽是通過對用戶信息分析而來的高度精煉的特征標識。通過打標簽可以利用一些高度概括、容易理解的特征來描述用戶，可以讓人更容易理解用戶，并且可以方便計算機處理。在產品早期和發(fā)展期，會較多地借助用戶畫像，幫助產品運營理解用戶的需求，想象用戶使用的場景，產品設計從為所有人做產品，變成為帶有某些標簽的3-5個人群做產品，間接降低復雜度。

用戶畫像的數(shù)據內容包含但不局限于：

• 1、人口屬性：包括性別、年齡等人的基本信息；
• 2、興趣特征：瀏覽內容、收藏內容、閱讀咨詢、購買物品偏好等；
• 3、位置特征：用戶所處城市、所處居住區(qū)域、用戶移動軌跡等；
• 4、設備屬性：使用的終端特征等；
• 5、行為數(shù)據：訪問時間、瀏覽路徑等用戶在網站的行為日志數(shù)據；
• 6、社交數(shù)據：用戶社交相關數(shù)據；

用戶畫像主要運用常場景如下圖

用戶畫像運用場景三維空間圖，X軸代表業(yè)務場景維度；Y軸代表用戶標簽維度；Z軸代表服務層次維度。首先用戶畫像業(yè)務場景可以分為用戶細分、產品優(yōu)化、渠道拓展、運用提升、風險控制等?；诿恳粋€業(yè)務場景，都有不同的用戶標簽定義，比如用戶細分場景業(yè)務中，主要是用戶的基本屬性，包括性別、年齡、地域等。而風險控制業(yè)務場景中，主要是用戶風險控制標簽，包括黃牛標簽、異常評分標簽等。首先對用戶群進行用戶標簽處理，根據不同的標簽進行個性化推薦，再到到運營層面進行決策運營。環(huán)環(huán)相扣，所以用戶畫像的核心是標簽的建立。

用戶畫像分析案例解說

「她是一位住在北京的80后的女性白領，起居時間規(guī)律，喜歡運動，家有幼兒，關注時尚愛蘭蔻……」這段話語用來描述的是某個用戶，并不是一類用戶。我們談的用戶畫像User Profile，本質是對任何一個用戶都能用標簽和數(shù)據描述。

因此，我們將此類用戶標簽化為：作息規(guī)律、注重品質、生活健康、嘗試新鮮、小資；當然這種標簽沒辦法精細化指導運營工作，對于用戶運營而言，比較經典的用戶畫像指導運營的模型是RFM模型；

文：廖小蟲愛吃肉/運營狗成長筆記（yygczbj）

首席增長官CGO薦讀產品運營：

• 《如何從0到1精細化做用戶運營？|用戶分層篇》
• 《從快速增長用戶分析上來看：為什么拼多多能成功上市》
• 《完整的競品分析可以幫你隨時隨地調整產品運營策略》

更多精彩，關注：增長黑客（GrowthHK.cn）

增長黑客（Growth Hacker）是依靠技術和數(shù)據來達成各種營銷目標的新型團隊角色。從單線思維者時常忽略的角度和高度，梳理整合產品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…