編輯導語：在這個流量為王的時代，流量紅利對各行各業(yè)來說都無比的重要。但是，在這片競爭壓力極大的紅海中，獲取用戶變得越來越難，成本也越來越高。盲目的去進行用戶增長、不掌握技巧只能是費力不討好，而掌握了接下來的這五大要素，用戶增長才能乘風破浪、快速成長。

在PC互聯網時代，網民的年增長率達到50%，隨便建個網站就能得到大量流量；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；而近幾年隨著流量增長的紅利消退，競爭越來越激烈，每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(yè)務增長越來越慢甚至倒退。

在如此高成本、高競爭的環(huán)境下，如果企業(yè)內部不能利用數據分析做好精細化運營，將產生巨大的資源浪費，勢必會讓企業(yè)的運營成本高漲，缺乏競爭力。

對于互聯網平臺來說，傳統的數據分析主要針對結果類的數據進行分析，而缺乏對產生結果的用戶行為過程的分析，因此數據分析的價值相對較局限，這也是為什么近幾年很多企業(yè)感覺做了充分的數據分析，但卻沒有太大效果的原因。

上一代的用戶行為分析（更確切的說法應該是：網站統計或APP統計）工具，主要功能還是局限于瀏覽行為的分析，而沒有針對用戶的深度交互行為進行分析，因此分析價值相對有限，目前大部分互聯網從業(yè)人員對用戶行為分析的印象還停留在這個階段。

很多人還不理解用戶行為與業(yè)務增長究竟有什么因果關系，即使購買了用戶行為分析系統，也只關注常規(guī)的pv、uv，不了解用戶行為分析的價值，同時也低估了用戶行為分析的難度，最終促使系統處于閑置狀態(tài)。

那如何破解這個困局呢？

——讓我們從了解用戶行為分析開始。

什么是用戶行為分析？

用戶行為分析就是通過對這些數據進行統計、分析，從中發(fā)現用戶使用產品的規(guī)律，并將這些規(guī)律與網站的營銷策略、產品功能、運營策略相結合，發(fā)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(yōu)化用戶體驗、實現更精細和精準的運營與營銷，讓產品獲得更好的增長。

通過對用戶行為的5W2H進行分析可以掌握用戶從哪里來，進行了哪些操作，為什么流失，從哪里流失等等。從而提升用戶體驗，平臺的轉化率，用精細化運營使企業(yè)獲得業(yè)務增長。

5W2H：Who（誰)、What（做了什么行為)、When（什么時間)、Where（在哪里)、Why（目的是什么)、How（通過什么方式)，Howmuch（用了多長時間、花了多少錢)。

如何做好用戶行為分析？

首先我們要明確業(yè)務目標，深刻理解業(yè)務流程，根據目標，找出需要監(jiān)測的關鍵數據節(jié)點，做好基礎的數據的收集和整理工作，有了足夠的數據，還需要掌握科學的方法和分析模型，加之以實際應用，實現有效分析，才能真正的做到數據驅動業(yè)務分析與決策。

一、從整體的用戶維度觀察數據趨勢的變化

新增用戶、活躍用戶、訪問次數、平均使用時長和使用時長分布，是日常運營工作中比較常用的，衡量整體數據維度的粗略指標。

我們可以利用這些指標，從宏觀角度查看不同時間段、不同渠道、不同產品的大致數據情況。一旦出現數據異常，例如今日的活躍登錄用戶數明顯下降，可以針對性的縮小分析范圍，便于定位產品問題。

以“閱讀”類產品為例，從圖中可以看出，在用戶的每一次使用中，這款產品大部分用戶的使用時長在1-5秒鐘和3-10分鐘之間，對產品粘性有了基本了解以后，你可以去分析使用時長在1-5秒鐘之間用戶的行為特征，也可以分析使用時長大于3分鐘的用戶行為特征，從而找到提升用戶使用時長的增長關鍵點。

二、針對不同的用戶行為進行具體分析

我們可以將用戶在產品上的行為定義為事件，這樣用戶在產品上的所有獲得的程序反饋都可以抽象為事件進行采集。事件可以完整記錄了用戶的行為。

如我們可以知道用戶A幾點幾分進入了商品詳情頁，并且通過屬性可以采集當前頁面的商品名稱、商品ID、商品類型等，最大化的還原用戶使用場景。我們可以針對用戶的不同行為，進行重點分析。

• 趨勢分析：分析單個事件隨時間的變化趨勢；
• 對比分析：根據用戶屬性或事件屬性進行分組對比；
• 篩選分析：通過篩選條件選擇符合某些特征的事件，并進行分析；
• 地域分析：對環(huán)境屬性、用戶屬性中省份、城市細分可查看地圖。

三、通過漏斗對不同行為之間的轉化率展開分析

對于業(yè)務流程相對規(guī)范、周期較長、環(huán)節(jié)較多的流程分析，漏斗分析能夠直觀地發(fā)現和說明問題所在。企業(yè)可以監(jiān)控用戶在各個層級的轉化情況，聚焦用戶選購全流程中最有效轉化路徑，找到可優(yōu)化的短板，提升用戶體驗。

同時科學的漏斗分析能夠展現轉化率趨勢的曲線，能幫助企業(yè)精細地捕捉用戶行為變化。對提升了轉化分析的精度和效率，流程的異常定位和策略調整效果驗證有科學指導意義。

運營人員可以通過觀察不同屬性的用戶群體（如新注冊用戶與老客戶、不同渠道來源的客戶）各環(huán)節(jié)轉化率，各流程步驟轉化率的差異對比，了解轉化率最高的用戶群體，分析漏斗合理性，并針對轉化率異常環(huán)節(jié)進行調整。

四、以初始行為、回訪行為針對用戶進行留存判斷

留存分析是一種用來分析用戶參與情況/活躍程度的分析模型，考察進行初始行為的用戶中，有多少人會進行后續(xù)行為，這是用來衡量產品對用戶價值高低的重要方法。

通過留存分析，我們主要可以查看新功能上線之后，對不同群體的留存是否帶來不同效果？可以判斷產品新功能或某活動是否提高了用戶的留存率？

結合版本更新、市場推廣等諸多因素結合，砍掉使用頻率低的功能，實現快速迭代驗證，制定相應的策略。

留存率是判斷產品價值最重要的標準，揭示了產品保留用戶的能力。實際上是一種轉化率，即由初期的不穩(wěn)定的用戶轉化為活躍用戶、穩(wěn)定用戶、忠誠用戶的過程。隨著統計數字的變化，運營人員可看到不同時期用戶的變化情況，從而判斷產品對客戶的吸引力。

五、記錄用戶的真實行為操作，判斷偏好路徑

用戶來到你的應用后，通常會沿著不同的路徑去使用你的產品。這時，我們需要從一個全局的視角，去探索用戶在應用中所經過的所有不同的路徑。

路徑分析可以讓我們看到在指定時間內，用戶所經過的最常見的那些路徑，了解到用戶進入應用后，后續(xù)分別都做了些什么，也可以了解到用戶是如何一步步離開應用的。

以電商為例，買家從登錄網站／APP到支付成功要經過首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等過程。

而在用戶真實的選購過程是一個交纏反復的過程，例如提交訂單后，用戶可能會返回首頁繼續(xù)搜索商品，也可能去取消訂單，每一個路徑背后都有不同的動機。

與其他分析模型配合進行深入分析后，能為找到快速用戶動機，從而引領用戶走向最優(yōu)路徑或者期望中的路徑。

六、最后

對于任何事情，我們要想做好它就必須先了解它，了解之后我們才能更好的駕馭它。那么對一款產品的市場表現情況我們需要如何才能清晰地知道呢？

這就需要我們通過用戶對該產品的使用行為來進行分析，善于獲取數據、分析數據、應用數據，是每個人做好工作的基本功，每家企業(yè)都應該加強對用戶行為分析大數據的應用，從數據中找出規(guī)律，用數據驅動企業(yè)增長。

作者：諸葛io，微信公眾號：諸葛io

本文由 @諸葛io 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。