在日常的用戶分析中，常用的有六大分析方法論：
「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6、用戶畫像分析
在之前的文章中我們詳細(xì)介紹了：《用戶行為路徑分析》、《漏斗模型》、《用戶畫像》這3大方法論（點擊可查看原文），今天我們推出用戶分析方法論的最終章，因為剩余3個方法論涉及內(nèi)容較少，所以整合成了一篇文章來做介紹。
下面為大家逐一解析剩余3種方法論，先從最基礎(chǔ)的行為事件分析法開始。
一、行為事件分析
“行為事件分析”對于很多業(yè)務(wù)人員來說相對比較陌生，但它卻是用戶分析的第一步，也是用戶分析的核心和基礎(chǔ)。一般來說事件通過埋點來獲得。（點擊可查看《如何做數(shù)據(jù)埋點》）
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)常常通過研究與事件發(fā)生關(guān)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。
行為事件分析一般經(jīng)過三大環(huán)節(jié)：行為事件定義、多維度下鉆分析、解釋與結(jié)論。
1、行為事件定義
對用戶行為進(jìn)行分析，要將其定義為各種事件，而將人物（who）、時間（when）、地點（where）、交互（how）、交互的內(nèi)容（what）聚合在一起，便構(gòu)成了一個完整的用戶行為事件。具體來說：
Who：即參與事件的主體，對于未登陸用戶，可以是 Cookie、設(shè)備 ID 等匿名 ID ；對于登錄用戶，可以是用后臺配置的實際用戶 ID。
When：即事件發(fā)生的實際時間，應(yīng)該記錄精確到毫秒的事件發(fā)生時間。
Where：即事件發(fā)生的地點，可以通過 IP 來解析用戶所在省市；也可以根據(jù) GPS 定位方式獲取地理位置信息。
How：即用戶從事這個事件的方式。用戶使用的設(shè)備、瀏覽器、 APP 版本、渠道來源等等。
What：描述用戶所做的這個事件的所有具體內(nèi)容。比如對于“購買”類型的事件，則可能需要記錄的字段有：商品名稱、商品類型、購買數(shù)量、購買金額、付款方式等。
行為事件指一個用戶在某個時間點、某個地方、以某種方式完成了某個具體的事情。比如：某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？這是一個完整的事件定義，有了這樣的事件以后，就可以把用戶行為連起來觀察。
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(xì)化條件篩選。當(dāng)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(guān)于變化趨勢、維度對比等等各種細(xì)分問題。在此基礎(chǔ)上再進(jìn)行細(xì)分篩查時，才可以更好地精細(xì)化定位問題來源。
3、解釋與結(jié)論
解釋與結(jié)論即所謂的出分析報告階段。對分析結(jié)果進(jìn)行合理的理論解釋，判斷數(shù)據(jù)分析結(jié)果是否與預(yù)期相符，如果相悖，則應(yīng)該針對不足的部分進(jìn)行再分析與實證。
4.行為事件分析應(yīng)用場景舉例
某互聯(lián)網(wǎng)金融客戶運營人員發(fā)現(xiàn)，4月10日號來自新浪渠道的 PV 數(shù)異常標(biāo)高，因此需要快速排查原因：是異常流量還是虛假流量？
企業(yè)可以先定義事件，通過“篩選條件”限定廣告系列來源為“新浪”。再從其它多個維度進(jìn)行細(xì)分下鉆，比如「地理位置」、「時間」、「操作系統(tǒng)」、「操作系統(tǒng)」、「瀏覽器」等。當(dāng)進(jìn)行細(xì)分篩查時，虛假流量無處遁形。下圖為來源為“新浪”的各城市瀏覽頁面的總次數(shù)。
在剔除虛假流量后，運營人員可進(jìn)行其他用戶行為分析。
二、點擊分析模型
在用戶行為分析領(lǐng)域，點擊分析被應(yīng)用于顯示頁面或頁面組（結(jié)構(gòu)相同的頁面，如商品詳情頁、官網(wǎng)博客等）區(qū)域中不同元素點擊密度的圖示。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(dāng)前與歷史內(nèi)容等因素。
點擊圖（來自網(wǎng)絡(luò)）
1、點擊分析方法主要解決的問題主要有三點：
● 精準(zhǔn)評估用戶與產(chǎn)品交互背后的深層關(guān)系；
● 實現(xiàn)產(chǎn)品的跳轉(zhuǎn)路徑分析，完成產(chǎn)品頁面之間的深層次的關(guān)系需求挖掘；
● 與其他分析模型配合，全面視角探索數(shù)據(jù)價值，深度感知用戶體驗，實現(xiàn)科學(xué)決策。
2、點擊分析模型主要用于什么分析？
● 官網(wǎng)
● 活動頁面
● 產(chǎn)品頻道/首頁
● 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(jìn)行呈現(xiàn)，運營可以根據(jù)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。
熱力圖VS固定埋點
3、點擊分析模型應(yīng)用場景舉例
例1：以上圖天貓超市為案例，開發(fā)可對每一個前端模塊進(jìn)行埋點，然后上報數(shù)據(jù)，運營可在數(shù)據(jù)報表處下載對應(yīng)數(shù)據(jù)，數(shù)據(jù)可包括：PV、UV、下單、GMV 等，可針對不同指標(biāo)進(jìn)行分析。
固定埋點形式（圖片來源：天貓超市 (數(shù)據(jù)虛構(gòu))）
假設(shè)上圖中個人護(hù)理 icon 點擊 UV 占比為 67%，是頻道內(nèi)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(wù)場景來說，老用戶對在超市中購買“個人護(hù)理”有很強烈的訴求與黏性，可以重點挖掘業(yè)務(wù)價值。
再比如，假設(shè) 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(xiàn)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(jù)上看，點擊分析可以觀察頁面某位置（業(yè)務(wù)）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(dāng)然點擊率還跟所處位置有關(guān)，同一頁面高度，根據(jù)用戶視覺習(xí)慣，一般左邊點擊優(yōu)于右邊。
例2：企業(yè)官網(wǎng)改版——篩選細(xì)分訪客，頁面優(yōu)化有的放矢
企業(yè)官網(wǎng)是企業(yè)潛在客戶的指路牌。某 To B 企業(yè)官網(wǎng)運營人員，根據(jù)用戶的官網(wǎng)訪問時長、用戶行為路徑、活躍度、注冊與否等因素，將用戶細(xì)分為「單純?yōu)g覽者」、「信息收集者」、「購買需求強烈者」三類。 運營人員事先按照自定義規(guī)則，將三類訪客進(jìn)行用戶分群。接下來，在“點擊分析”功能模塊中，分別篩選出三類人群，并查看其頁面點擊情況。下面以「單純?yōu)g覽者」、「信息收集者」兩類進(jìn)行介紹。
（1）用戶群體之“單純?yōu)g覽者”的點擊分析與優(yōu)化方法
比如通過點擊分析了解到，近 30 天，“單純?yōu)g覽者”對官網(wǎng)導(dǎo)航欄的點擊情況。通過分析，若發(fā)現(xiàn)該類用戶群體對“產(chǎn)品介紹”、“視頻”點擊率較高，這說明“產(chǎn)品介紹”、“視頻”是初來乍到的訪問者了解企業(yè)的“窗口”，而元素內(nèi)容缺少“亮點”，導(dǎo)致訪問者不愿意花時間停留。因此可嘗試以下兩方面優(yōu)化：
● 優(yōu)化內(nèi)容。讓產(chǎn)品價值、優(yōu)勢、案例等內(nèi)容盡可能醒目，以快速吸引瀏覽者注意；
● 在導(dǎo)航欄中嘗試增加社交因素。如建立論壇、設(shè)立產(chǎn)品博客，如此增強訪問者對官網(wǎng)的黏性，提高網(wǎng)站的活躍用戶數(shù)量。
（2）用戶群體之“信息收集者”的點擊分析與優(yōu)化方向
運營人員可以通過點擊分析了解近 30 天，“信息收集者”對官網(wǎng)導(dǎo)航欄的點擊情況，官網(wǎng)運營人員應(yīng)該幫助該用戶群體確定購買意向。例如，「信息收集者」群體對官網(wǎng)導(dǎo)航條中“文檔”、“博客”興趣很高，而行業(yè)解決方案的點擊較少。事實上，行業(yè)解決方案是該類群體值得關(guān)注的價值點，由于點擊較低，可以嘗試將其調(diào)整至醒目位置，進(jìn)行效果對比。
三、用戶健康度分析
用戶健康度是基于用戶行為數(shù)據(jù)綜合考慮的核心指標(biāo)，體現(xiàn)產(chǎn)品的運營情況，為產(chǎn)品的發(fā)展進(jìn)行預(yù)警。包括三大類型指標(biāo)：產(chǎn)品基礎(chǔ)指標(biāo)、流量質(zhì)量指標(biāo)、產(chǎn)品營收指標(biāo)。它們?nèi)邩?gòu)成了評價產(chǎn)品健康度的體系，它們也各有側(cè)重點。
● 產(chǎn)品基礎(chǔ)指標(biāo)，主要評價產(chǎn)品本身的運行狀態(tài)：PV、UV、IP 數(shù)、新用戶數(shù)；
● 流量質(zhì)量指標(biāo)，主要評價用戶流量的質(zhì)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；
● 產(chǎn)品營收指標(biāo)，主要評價產(chǎn)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(zhuǎn)化率。
1、產(chǎn)品基礎(chǔ)指標(biāo)
UV：獨立訪客數(shù)（unique visitor），指通過互聯(lián)網(wǎng)訪問、瀏覽這個網(wǎng)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(nèi)，訪問你的產(chǎn)品的獨立訪客數(shù)，如果一個用戶一天內(nèi)多次訪問也只計算為1個訪客。UV是衡量產(chǎn)品量級的最重要指標(biāo)。
PV：頁面瀏覽量（Page View），用戶每1次對網(wǎng)站中的每個網(wǎng)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。
IP 數(shù)：訪問 IP 數(shù)指 1 天之內(nèi)，訪問產(chǎn)品的不重復(fù) IP 數(shù)。如果一天內(nèi)相同 IP 地址多次訪問你的產(chǎn)品，只被計算為 1 次有效 IP 訪問數(shù)。
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(jìn)行首單支付的用戶。一個新用戶到老用戶的轉(zhuǎn)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(zhì)量指標(biāo)
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(jìn)入某個頁面后沒有點擊任何頁面就離開。一般用來衡量用戶訪問質(zhì)量，高跳出率通常表示內(nèi)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(wǎng)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(nèi)開始使用應(yīng)用的用戶，經(jīng)過一段時間后，仍然繼續(xù)使用的用戶，被認(rèn)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(zhuǎn)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(jìn)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(zhì)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(nèi)開始使用應(yīng)用，經(jīng)過一段時間后，繼續(xù)登陸使用的用戶，被認(rèn)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(nèi)，用戶再次使用、訪問app、軟件的數(shù)量。
3、產(chǎn)品營收指標(biāo)
客單價（ARPU）：客單價=支付有效金額/支付用戶數(shù)，客單價反應(yīng)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(zhuǎn)化率：訂單轉(zhuǎn)化率=有效訂單用戶數(shù)/UV。轉(zhuǎn)化率是做成交營收的一個關(guān)鍵因素，轉(zhuǎn)化越高表示越多用戶在目標(biāo)頁面下單。
用戶支付金額（GMV）：支付金額即產(chǎn)品某段時間的流水。產(chǎn)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(chǎn)品終極的考驗（戰(zhàn)略燒錢和圈用戶的先不算在內(nèi)）
產(chǎn)品營收指標(biāo)有一個恒等式：
銷售額=訪客數(shù)×成交轉(zhuǎn)化率×客單價
銷售額=曝光次數(shù)×點擊率×成交轉(zhuǎn)化率×客單價
（這是電商入門基礎(chǔ)中的戰(zhàn)斗機）
四、小結(jié)
至此，精準(zhǔn)進(jìn)行用戶分析的6大方法論都介紹完了。精準(zhǔn)的定位用戶才能實現(xiàn)精細(xì)化用戶運營。我們需要從數(shù)據(jù)中尋找規(guī)律，來進(jìn)行精準(zhǔn)的用戶分析和用戶運營從而驅(qū)動業(yè)務(wù)增長，不能想當(dāng)然的依靠經(jīng)驗來制定決策。
-數(shù)據(jù)分析展示就用DataHunter-
聯(lián)系客服
