商業(yè)模式發(fā)展至今，已經(jīng)不僅僅是銷售能夠制造的產(chǎn)品，而是制造能夠銷售的產(chǎn)品。企業(yè)的業(yè)務(wù)一定建立在有某種需求的用戶上，所以市場拓張的落腳點都會落到用戶的行為分析上。只有更好地了解用戶習(xí)慣、用戶偏好、用戶畫像才能更好地創(chuàng)新或改進(jìn)或迭代產(chǎn)品，而數(shù)據(jù)分析能夠幫助我們做到這一點。
從另一方面來說，隨著科技的發(fā)展，產(chǎn)品和技術(shù)終將被淘汰，但基本的市場需要從來都是在的，會一直延續(xù)下去，只是用戶的要求變高了或者改變了，所以數(shù)據(jù)分析也會不斷反復(fù)驗證、更新迭代、學(xué)習(xí)進(jìn)步，雖然最近“數(shù)據(jù)殺熟”的概念出現(xiàn)的比較多，我們不去做過多解讀，但終歸了解你的用戶還是有必要的。
01
用戶行為分析的前提
用戶行為分析是對用戶在產(chǎn)品使用上產(chǎn)生的行為及行為背后的數(shù)據(jù)進(jìn)行分析，通過構(gòu)建用戶行為模型和用戶畫像，來改變產(chǎn)品決策，實現(xiàn)精細(xì)化運營，指導(dǎo)業(yè)務(wù)增長。
在產(chǎn)品運營過程中，對用戶行為的數(shù)據(jù)進(jìn)行收集、存儲、跟蹤、分析與應(yīng)用等，可以找到實現(xiàn)用戶自增長的病毒因素、群體特征與目標(biāo)用戶。從而深度還原用戶使用場景、操作規(guī)律、訪問路徑及行為特點等。
所以數(shù)據(jù)分析和用戶行為分析的基本前提是，你要對公司的業(yè)務(wù)非常地了解和熟悉，有四個簡單的問題可以幫助理解業(yè)務(wù)：
我們的業(yè)務(wù)是什么?(定位)
誰是我們的客戶?(市場細(xì)分)
顧客看重什么?(競爭優(yōu)勢)
我們的業(yè)務(wù)應(yīng)該是什么?(愿景及目標(biāo))
02
用戶行為分析的目的
對于互聯(lián)網(wǎng)金融、新零售、供應(yīng)鏈、在線教育、銀行、證券等行業(yè)的產(chǎn)品而言，以數(shù)據(jù)為驅(qū)動的用戶行為分析尤為重要。用戶行為分析的目的是：推動產(chǎn)品迭代、實現(xiàn)精準(zhǔn)營銷，提供定制服務(wù)，驅(qū)動產(chǎn)品決策。主要體現(xiàn)在以下幾個方面：
對產(chǎn)品而言，幫助驗證產(chǎn)品的可行性，研究產(chǎn)品決策，清楚地了解用戶的行為習(xí)慣，并找出產(chǎn)品的缺陷，以便需求的迭代與優(yōu)化。
對設(shè)計而言，幫助增加體驗的友好性，匹配用戶情感，細(xì)膩地貼合用戶的個性服務(wù)，并發(fā)現(xiàn)交互的不足，以便設(shè)計的完善與改進(jìn)。
對運營而言，幫助裂變增長的有效性，實現(xiàn)精準(zhǔn)營銷，全面地挖掘用戶的使用場景，并分析運營的問題，以便決策的轉(zhuǎn)變與調(diào)整。
03
如何做用戶行為分析
用戶行為分析，說白了就是從各個維度去看用戶對于產(chǎn)品在某些指標(biāo)上的反饋。
關(guān)鍵詞1：維度—用戶分類
維度指的就是用戶分類，雖然公司在產(chǎn)品定位和市場細(xì)分階段已經(jīng)對用戶群體有清晰的定位，但是在產(chǎn)品運營階段，對使用產(chǎn)品的用戶群體還需要更加細(xì)分。
「按照個人屬性或標(biāo)簽劃分」
比如：性別、年齡、地區(qū)、學(xué)歷等也可以為用戶貼上標(biāo)簽，如星座、行業(yè)、職業(yè)、消費能力、支付偏好等
「按照用戶使用產(chǎn)品的生命周期劃分」——同期群劃分
用戶使用產(chǎn)品的生命周期一般是：免費試用、付費使用、結(jié)束使用。同期群劃分指的是按用戶初始使用產(chǎn)品的時間將用戶劃分。產(chǎn)品總是在更新迭代中的，對不同的同期群的影響是不一樣的。。
「按照用戶使用產(chǎn)品的頻率劃分」——活躍度
根據(jù)活躍度，可將用戶劃分為：新增用戶、普通用戶、活躍用戶、核心用戶、流失用戶。活躍度的指標(biāo)需根據(jù)不同類型業(yè)務(wù)在不同發(fā)展階段進(jìn)行自我定義。
舉例，假如是微信等社交類應(yīng)用，可能指的是日均使用時長;假如是外賣等 O2O 類應(yīng)用，可能是周均使用次數(shù);假如是喜馬拉雅內(nèi)容類應(yīng)用，可能指的是日均聽音頻的時間。
「按照用戶價值劃分」——RFM 模型及其衍生
PFM 模型通過衡量客戶價值和客戶創(chuàng)造價值能力來進(jìn)行用戶分類，有三個維度：
R：最近一次消費 Recency
F：消費頻率 Frequency
M：消費金額 Money
可分為 5 類：
「基于業(yè)務(wù)模型的指標(biāo)」——AARRR 漏斗模型
AARRR 對應(yīng)移動應(yīng)用生命周期的 5 個重要環(huán)節(jié)
A：Acquisition 獲取用戶A：Activation 提高活躍度R：Retention 提高留存率R：Revenue 獲取收入R：Refer 自傳播
金字塔模型，就是根據(jù)這個流程來給用戶分類的一個模型。
于是這五層的用戶分類，對于每一類都有不同的需求：新用戶我們希望他下載，那么給新手福利;下載用戶希望他們使用，那么給予傻瓜式的操作引導(dǎo);而使用的用戶又希望他多來，常來，建立信任，那么就要有不斷的刺激和優(yōu)化。而興趣用戶，當(dāng)然希望他付費了，自然促銷是常用手段。至于付費用戶，那么服務(wù)肯定要做好，希望人家二次購買，三次購買，甚至推薦給其他人。
正態(tài)分布模型
當(dāng)用戶運維的資源更加的粗放，而且資源非常有限的時候，就可以用正態(tài)分布模型。比如二八法則就是一種正態(tài)分布的形式，80%處于曲線的平均值附近，而剩下的20%才是利潤的來源。
正態(tài)分布模型，就是在兩個維度比如利潤貢獻(xiàn)和人數(shù)兩個維度進(jìn)行建模，你會發(fā)現(xiàn)提供利潤最多的那幾個客戶是少數(shù)，因為運營成本和突發(fā)狀況造成沒錢賺反而虧本的也是少數(shù)，而留下的大多數(shù)利潤都是在一個恒定值附近的。
那么根據(jù)這三種情況，我們就可以來分配運維的資源了，重點維護(hù)高利潤用戶，同時也要核心關(guān)注不給利潤但是占據(jù)大部分公司資源的客戶，要舍棄。而中間大多數(shù)在恒定值附近的客戶，則要進(jìn)行標(biāo)準(zhǔn)化服務(wù)，節(jié)省資源，讓邊際成本降低。
「按照用戶使用業(yè)務(wù)場景劃分」
舉例，對于 O2O 類應(yīng)用，可劃分為：買家用戶、賣家用戶、快遞。買家和賣家和快遞用戶可以繼續(xù)按照前面所講的分類模式繼續(xù)細(xì)分。
關(guān)鍵詞2：指標(biāo)
指標(biāo)就是衡量基準(zhǔn)，是一個明確的數(shù)據(jù)。
「基本財務(wù)指標(biāo)」
財務(wù)指標(biāo)就是企業(yè)的經(jīng)營利潤、銷售總額、經(jīng)營成本等。具體的分析可按照下圖思路：
「基于業(yè)務(wù)模型的指標(biāo)」——AARRR 漏斗模型
AARRR 對應(yīng)移動應(yīng)用生命周期的 5 個重要環(huán)節(jié)
A：Acquisition 獲取用戶A：Activation 提高活躍度R：Retention 提高留存率R：Revenue 獲取收入R：Refer 自傳播
具體每一步的目的和相關(guān)指標(biāo)如下圖：
「基于業(yè)務(wù)模型的指標(biāo)」——長漏斗模型
根據(jù)不同業(yè)務(wù)模型，企業(yè)分析的指標(biāo)模型也不一致。針對電商類應(yīng)用，更多的是使用長漏斗模型來分析業(yè)務(wù)，如下圖所示：
需要注意：
1、商業(yè)的不同階段的用戶行為分析的重點不同。RFM，更多是基于成交金額的優(yōu)化，提升用戶的LTV的分類方式。金字塔模型，則是基于多層次數(shù)據(jù)穩(wěn)定增長，形成健康A(chǔ)ARRR體系循環(huán)的分類方式。而正態(tài)分布，則更加偏向于粗放式運營，在維護(hù)用戶資源有限的情況下，調(diào)用有限資源維護(hù)長尾客戶的分類方式。
2、選擇出具有指導(dǎo)意義的指標(biāo)。指標(biāo)最關(guān)鍵的含義就是，一定要有指導(dǎo)意義，有利于作出決策。比如雙十一那天凌晨，需要實時監(jiān)測交易額，1小時后率先完成10億，但 “10億” 其實就是個數(shù)字，不具任何參考意義，但只要說第一個小時相比去年增長了40%，但預(yù)計增長60%，就非常有參考意義，此時可以去看為什么沒有達(dá)成，作出是否需要給用戶在設(shè)置提醒之類的決策。(數(shù)據(jù)只是舉例，不具有參考意義)
關(guān)鍵詞3：反饋
針對指標(biāo)的反饋主要有四個方面：
變化，隨時間波動如何;
分布，在不同區(qū)域之間，不同產(chǎn)品之間，不同用戶群體之間的占比如何;
對比，產(chǎn)品之間的對比;
預(yù)測，基于過去表現(xiàn)分析預(yù)測未來表現(xiàn);
所以在根據(jù)業(yè)務(wù)表現(xiàn)研究用戶行為分析時，可結(jié)合以上維度、指標(biāo)、反饋三點對業(yè)務(wù)現(xiàn)狀和背后原因進(jìn)行深層挖掘。用戶行為分析對企業(yè)來說主要有以下幾點應(yīng)用：
根據(jù)不同用戶行為及表現(xiàn)，提出精準(zhǔn)營銷建議，實現(xiàn)營銷利益最大化;
研究學(xué)習(xí)優(yōu)質(zhì)用戶的行為模式及共同特征，引導(dǎo)更多用戶發(fā)展為優(yōu)質(zhì)用戶;
有利于發(fā)現(xiàn)產(chǎn)品機會點，并利用A/B測試等測試的參考來改進(jìn)或迭代產(chǎn)品;
04
行為路徑分析
行為路徑分析就是分析用戶在產(chǎn)品使用過程中的訪問路徑。通過對行為路徑的數(shù)據(jù)分析，可以發(fā)現(xiàn)用戶最常用的功能和使用路徑。并從頁面的多維度分析，追蹤用戶轉(zhuǎn)化路徑，提升產(chǎn)品用戶體驗。
不管是產(chǎn)品冷啟動，還是日�；顒訝I銷，做行為路徑分析首先要梳理用戶行為軌跡。用戶行為軌跡包括認(rèn)知、熟悉、試用、使用到忠誠等。軌跡背后反映的是用戶特征，這些特征對產(chǎn)品運營有重要的參考價值。
以用戶投標(biāo)的行為路徑為例，我們可以記錄用戶從注冊、認(rèn)證、開戶、充值到投資的行為軌跡。通過分析用戶的這些行為軌跡數(shù)據(jù)，來驗證訪問路徑是否和預(yù)期指標(biāo)的一致。
在分析用戶行為路徑時，我們會發(fā)現(xiàn)用戶實際的行為路徑與期望的行為路徑有一定的偏差。這個偏差就是產(chǎn)品可能存在的問題，需要及時對產(chǎn)品進(jìn)行優(yōu)化，找到縮短路徑的空間。
福格模型分析
福格行為模型是用來研究用戶行為原因的分析模型，福格行為模型用公式來簡化就是B=MAT，即B=MAT。B代表行為，M代表動機，A代表能力，T代表觸發(fā)。它認(rèn)為要讓一個行為發(fā)生，必須同時具備三個元素：動機、能力和觸發(fā)器。因此可以借助福格行為模型來評估產(chǎn)品的合理性和能否達(dá)到預(yù)期目標(biāo)。
以活動分享為例，投資人完成活動分享的行為，也是必須滿足福格行為模型的三個元素。即通過邀請有獎讓用戶有足夠的內(nèi)驅(qū)力，自主性的分享活動給好友，且活動專題頁有醒目的按鈕和文案提示激勵用戶完成任務(wù)。
用戶行為分析模型其實也是一種AISAS模型，即代表了用戶從注冊、認(rèn)證、開戶、充值到投資整個過程表現(xiàn)：Attention注意、Interest興趣、Search搜索、Action行動、Share分享，也影響了用戶行為決策。
用戶行為分析模型是一個完整的行為模型，可以對產(chǎn)品的功能進(jìn)行驗證，也是一個閉環(huán)的分析體系，可以對數(shù)據(jù)的結(jié)果進(jìn)行分析�？偠灾脩舻暮诵氖嵌床煨睦�，行為的本質(zhì)是挖掘需求，分析的目的是增長業(yè)務(wù)。
來源：客戶忠誠度研究
以上是關(guān)于用戶增長師的相關(guān)信息，以供大家查看了解。想要了解更多用戶增長師信息，第一時間了解用戶增長師相關(guān)資訊，敬請關(guān)注唯學(xué)網(wǎng)用戶增長師欄目，如有任何疑問也可在線留言，小編會為您在第一時間解答!
