用戶行為數(shù)據(jù)分析的三個(gè)層次是對(duì)用戶在產(chǎn)品上的產(chǎn)生的行為及行為背后的數(shù)據(jù)進(jìn)行分析，通過(guò)構(gòu)建用戶行為模型和用戶畫(huà)像，來(lái)改變產(chǎn)品決策，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，指導(dǎo)業(yè)務(wù)增長(zhǎng)。在產(chǎn)品運(yùn)營(yíng)過(guò)程中，DM hub對(duì)用戶行為的數(shù)據(jù)進(jìn)行收集、存儲(chǔ)、跟蹤、分析與應(yīng)用等，可以找到實(shí)現(xiàn)用戶自增長(zhǎng)的病毒因素、群體特征與目標(biāo)用戶，從而深度還原用戶使用場(chǎng)景、操作規(guī)律、訪問(wèn)路徑及行為特點(diǎn)等。

一分鐘學(xué)會(huì)用戶路徑分析模型（上）

用戶行為分析，是指在獲得網(wǎng)站訪問(wèn)量基本數(shù)據(jù)的情況下，對(duì)有關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析，從中發(fā)現(xiàn)用戶訪問(wèn)網(wǎng)站的規(guī)律，并將這些規(guī)律與網(wǎng)絡(luò)營(yíng)銷策略等相結(jié)合，從而發(fā)現(xiàn)目前網(wǎng)絡(luò)營(yíng)銷活動(dòng)中可能存在的問(wèn)題，并為進(jìn)一步修正或重新制定網(wǎng)絡(luò)營(yíng)銷策略提供依據(jù)。

用戶行為分析是對(duì)用戶在產(chǎn)品上的產(chǎn)生的行為及行為背后的數(shù)據(jù)進(jìn)行分析，通過(guò)構(gòu)建用戶行為模型和用戶畫(huà)像，來(lái)改變產(chǎn)品決策，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，指導(dǎo)業(yè)務(wù)增長(zhǎng)。在產(chǎn)品運(yùn)營(yíng)過(guò)程中，DM hub對(duì)用戶行為的數(shù)據(jù)進(jìn)行收集、存儲(chǔ)、跟蹤、分析與應(yīng)用等，可以找到實(shí)現(xiàn)用戶自增長(zhǎng)的病毒因素、群體特征與目標(biāo)用戶，從而深度還原用戶使用場(chǎng)景、操作規(guī)律、訪問(wèn)路徑及行為特點(diǎn)等。

提前預(yù)判，使用流量地圖，分析產(chǎn)品真實(shí)用戶體驗(yàn)和訪問(wèn)路徑，比如社群鴨，最后就是對(duì)比差距。

第一個(gè)問(wèn)題，什么是用戶行為分析：過(guò)去的用戶行為分析普遍的問(wèn)題是：分析不聚焦、采集不全面、開(kāi)發(fā)周期長(zhǎng)、完全依靠人工埋點(diǎn)、事后分析、維度單一、指標(biāo)傳統(tǒng)。所以當(dāng)下可以把用戶行為分析定義為：基于用戶生命周期管理模型、全面采集所有數(shù)據(jù)、事中分析、提前預(yù)測(cè)、實(shí)時(shí)多維組合、科學(xué)維度劃分、自定義指標(biāo)的分析。第二個(gè)問(wèn)題：怎么做用戶行為分析你提出這個(gè)問(wèn)題，證明你可能暫時(shí)沒(méi)有數(shù)據(jù)分析團(tuán)隊(duì)，或者數(shù)據(jù)分析團(tuán)隊(duì)尚不成熟和完善，所以需要開(kāi)展數(shù)據(jù)分析工作的話建議是借助第三方的平臺(tái)。這一塊業(yè)務(wù)目前國(guó)內(nèi)已經(jīng)相對(duì)成熟，也有很多不錯(cuò)的合作伙伴可以選擇了，硅谷的明星公司可以選擇Google Analytics或者M(jìn)ixpanel等，不過(guò)我最推薦的還是國(guó)內(nèi)的數(shù)極客。具體如何開(kāi)展，我個(gè)人的建議是：選擇采用AARRR模型的平臺(tái)，通過(guò)對(duì)用戶全程行為的跟蹤，讓我們?cè)诮?jīng)營(yíng)中運(yùn)營(yíng)中，擁有Acquisition(獲客)、Activation(激活與活躍)、Retention(留存)、Revenue(收入)、Refer(二次傳播) 全程數(shù)據(jù)分析功能。

問(wèn)題比較泛，只能粗略回答了 :) 一、精細(xì)化運(yùn)營(yíng)的目標(biāo) 比如說(shuō)你的產(chǎn)品只是個(gè)工具，那恐怕談不上過(guò)多的精細(xì)化運(yùn)營(yíng)，一般做好常規(guī)的用戶行為分析、再配合用戶定性研究，用于指導(dǎo)產(chǎn)品的設(shè)計(jì)即可;如果是內(nèi)容型產(chǎn)品，或者功能和內(nèi)容兼具的產(chǎn)品，那確實(shí)需要考慮。 設(shè)計(jì)統(tǒng)計(jì)框架 假設(shè)用戶在你的app上會(huì)頻繁進(jìn)行交互和使用功能，同時(shí)還會(huì)瀏覽或者產(chǎn)生內(nèi)容，那么需要在產(chǎn)品設(shè)計(jì)的同時(shí)，把你的統(tǒng)計(jì)框架設(shè)計(jì)好。 二、簡(jiǎn)要的操作流程 數(shù)據(jù)采集首先列出你需要的數(shù)據(jù)項(xiàng)，接著評(píng)估哪部分是需要APP上報(bào)的，哪部分是后臺(tái)可以統(tǒng)計(jì)的，然后分別在前后臺(tái)加上。一般來(lái)講，APP上報(bào)采集的數(shù)據(jù)，在發(fā)布前一定要經(jīng)過(guò)謹(jǐn)慎的校驗(yàn)和測(cè)試，因?yàn)橐坏┌姹景l(fā)布出去而數(shù)據(jù)采集出了問(wèn)題，不僅之前的功夫都白做了，還會(huì)帶來(lái)一大堆臟數(shù)據(jù)，同時(shí)還有可能降低客戶端的運(yùn)行效率，得不償失。 數(shù)據(jù)整理數(shù)據(jù)采集完之后，需要將各種原始數(shù)據(jù)加工成為產(chǎn)品經(jīng)理需要的直觀的可看數(shù)據(jù)，這里需要做一些基本的數(shù)據(jù)邏輯關(guān)聯(lián)和展示，就不贅述了。 數(shù)據(jù)分析按照一開(kāi)始設(shè)計(jì)的統(tǒng)計(jì)框架，你可以很清楚的看到自己需要的數(shù)據(jù)了。 當(dāng)然以上只是基礎(chǔ)得不能再基礎(chǔ)的分析，再深入一點(diǎn)的，例如你拿到這些數(shù)據(jù)，可以分析使用A功能的用戶同時(shí)還喜歡B功能，二者關(guān)聯(lián)性較強(qiáng)，是否可以在前端設(shè)計(jì)時(shí)更多的考慮整合，或者界面上的調(diào)整;比如分析點(diǎn)擊流，大部分用戶訪問(wèn)或使用APP的路徑是怎么樣的，是不是把核心功能藏得太深了?再比如可以分析不同用戶屬性，比如男性用戶和女性用戶，他們?cè)谟脩粜袨樯鲜欠裼忻黠@差異?等等。 不同產(chǎn)品的數(shù)據(jù)分析方式和模型差距非常大，沒(méi)法一下子就說(shuō)清楚。所以以上更多的是舉例。 三、一些需要注意的原則 數(shù)據(jù)本身是客觀的，但被解讀出來(lái)的數(shù)據(jù)一定是主觀的，同樣的數(shù)據(jù)由不同的人分析很可能得出完全相反的結(jié)論，所以一定不能提前帶著觀點(diǎn)去分析(比如已經(jīng)有了假設(shè)，再用數(shù)據(jù)去論證); APP采集數(shù)據(jù)，一定是優(yōu)先級(jí)比較低的事情，不能因?yàn)閿?shù)據(jù)的采集而影響產(chǎn)品的性能和用戶體驗(yàn)，更不能采集用戶的隱私數(shù)據(jù)(雖然國(guó)內(nèi)很多APP并沒(méi)有這么做); 數(shù)據(jù)不是萬(wàn)能的，還是要相信自己的判斷。