为什么要做用户行为分析?

简介:

很多人可能不知道,「行为分析」四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度,同时,它也催生出了新一代的数据分析工具和分析方法。过去,所有人都在关注PV、UV、跳出率、访问深度、停留时长,还有很多人始终放不下的热力图等,总体来说,这些指标都属于统计指标,反映的都是产品总体情况,数据的价值除了反映现状,还有更重要的是应用。统计是数据汇总整理的结果,没有分析,怎能拿来指导业务增长呢?

当然,可能指导过。比如一款阅读产品,通过文章详情页的停留时长可以判断用户对文章的喜好程度,但是,他可能在滑动屏幕看文章、可能在评论区输入一段评论,当然,也可能没看文章却登录了诸葛io的官网看当天的实时数据(此处为硬广)。所以比起用户在该页面所花时间的汇总,用户是否是在看文章还是在评论以及评论的内容是什么对我们更有指导意义。

技术在发展,时代在召唤,所以,行为分析,你需要了解并且知道如何应用。

一、什么是用户行为分析

一口气说:基于用户在互联网产品上的行为以及行为背后的人发生的时间频次等维度深度还原用户使用场景并且可以指导业务增长。

慢点说:对用户模型做关键补充。通过行为数据的补充,构建出精细、完整的用户画像。传统统计工具的数据背后没有人,所以也谈不上用户模型(画像),一个完整、多维、精确的用户画像=用户行为数据+用户属性数据

二、用户行为分析在应用中的价值

关于影响数据结果和判断的三个维度:

1. product-market fit(PMF:产品-市场契合点)

意思是产品符合市场需求。比如你做了个社区电商平台,拿一个demo产品投向市场,可能这个阶段不会看有多少收入,而是看来了多少人,有多少人看了商品链接,有多少人真正支付了,这个阶段用户的认可可能对你是否决定做这个项目、判断这个项目是否有市场更有决定性因素;

2. 用户来源

这点是说用户质量。所有的产品核心人群都不是面向所有人的(至少一开始不是),一定有他的核心人群,所以用户来源渠道的质量就决定了数据结果的好坏,可能会影响你对项目、对产品的判断和决策;

3. 产品本身

第三点落脚到产品上了。产品承载着你的商业模式,产品本身的功能设计、用户体验、迭代以及运营策略等都会影响数据、影响留存、影响项目的生死。

基于以上理解,我们看行为分析的重要性,基于行为分析,需要让CEO对产品所切入的市场判断更准确,让市场推广人员精细化评估渠道质量,让产品设计人员准确评估用户行为路径转化、产品改版优良、某一新功能对产品的影响几何,让运营人员做精准营销并且评估营销结果等。

所以,价值在哪儿呢?罗列4点

1、自定义留存分析

从前:我们通常会认定一个用户只要打开APP就算当天的一个活跃用户,今天新增的用户只要明天启动一次APP就认为是一个留存用户;

现在:基于用户行为,我们可以做精细化留存评估。根据产品特性自定义用户留存,比如一个阅读类产品,用户打开APP后有没有去浏览或是查看一篇文章,我们可以把今天来了查看了至少一篇文章的用户算作今天的一个活跃;

意义:留存是反映任何一款产品健康度的高级指标,无论是运营好坏、产品功能设计如何,最终都可以通过留存衡量整体的情况,贴合产品业务本身去衡量留存,精细化评估产品健康度,让留存数据更有价值和指导意义。

2、精细化渠道质量评估

从前:流量时代,评估渠道带来了多少访问人数,注册人数。

现在:人口红利期已过,产品推广渠道在增多,产品越来越垂直,加上同质化竞争直接导致获客成本变高,无论从市场执行人员的角度还是公司角度,都在评估ROI,除了看流量,更需要看质量。如何评估质量,需要基于用户行为并且贴合业务去评估,一款理财产品,通过不同渠道带来的用户,真正查看了理财产品详情的有多少,真正投资成功的又有多少,哪个渠道用户又有邀请行为,最后留存最高的是哪个渠道,再结合渠道投入,计算ROI。

意义:降低渠道成本,提升渠道转化。

3、产品分析(路径转化/漏斗分析、找到产品改进关键点、找到促进核心转化的相关因素、Aha moment等)

路径转化/漏斗分析:关注核心转化,比如注册转化、购买转化,从而优化流失节点,优化行为路径设计;

找到产品改进关键点:用数据量化产品核心功能,让产品迭代排期更科学,部门配合更高效;

找到促进核心转化的相关因素:挖掘促进用户触发核心行为的关键行为,比如可促进用户实现购买的某些因素,找到相关行为做优化或运营激励;

Aha moment(惊艳一刻):快速执行,超出用户预期,让产品指数级增长。

4、精准营销(用户分群、用户分层、活动质量评估)

从前:面向所有用户或者基于用户属性维度做营销、做服务。属性包括:注册账号、手机号、性别、年龄、地域、积分和一些标签。

现在:属性+行为,无限接近真实用户。通过用户点击查看商品详情、搜索行为、点击关注某款理财产品的关注按钮、购买了个东西等等这些行为以及行为触发的人、时间、频次知道用户最近在关注什么、对哪一类商品感兴趣、对哪一类文章感兴趣、哪种理财偏好。

意义:用行为维度和属性维度共同去定位用户在产品的生命周期以及真实生活场景中的角色。营销更精准,用户体验更佳。

以上4点,每一点都可以再展开来说,说价值、说方法、说案例,篇幅有限,日子还长,慢慢聊~


本文作者:诸葛io 韩重明

来源:51CTO

相关文章
|
机器学习/深度学习 数据采集 算法
精准营销!用机器学习完成客户分群!⛵
客户分群对于精准营销的意义重大,而机器学习可以优化这一过程。本文会详细拆解实现过程:数据收集、创建RFM表、探索数据&数据变换、应用聚类做用户分群、解释结果。
823 1
精准营销!用机器学习完成客户分群!⛵
|
SQL 数据采集 运维
《实时数仓助力互联网实时决策和精准营销》|学习笔记
快速学习《实时数仓助力互联网实时决策和精准营销》
200 0
|
存储 SQL 消息中间件
浅谈用户行为分析
浅谈用户行为分析
280 0
|
分布式计算 数据可视化 搜索推荐
用户画像分析-21
用户画像分析-21
210 0
用户画像分析-21
|
监控 搜索推荐
用户画像分析-20
用户画像分析-20
122 0
|
监控 搜索推荐
用户画像分析-19
用户画像分析-19
112 0
|
SQL 分布式计算 搜索推荐
用户画像分析-13
用户画像分析-13
129 0
用户画像分析-13
|
SQL 分布式计算 搜索推荐
用户画像分析-14
用户画像分析-14
115 0
用户画像分析-14
|
运维 分布式计算 搜索推荐
用户画像分析-15
用户画像分析-15
136 0
用户画像分析-15
|
数据采集 监控 搜索推荐
用户画像分析-16
用户画像分析-16
104 0