先回答题主的为用为分问题,我认为用户行为分析最重要的户行三点:黏性,活跃 ,析最产出 。个点
黏性是用户在一段时间内持续访问和使用网站的情况
,更强调一种持续的分析状态 ,这里包括 :访问频率和访问间隔时间,中认重
活跃用户指每次访问的为用为分过程,考察用户访问的户行参与度
,所以对统计期内的析最每次访问取了平均值 ,选择平均访问时长和平均访问页数来衡量活跃,个点黏性和活跃产生的数据价值可能是显性的,可能是隐性的,如品牌或者口碑 ,但产出直接根据网站的业务衡量用户创造的价值输出,如电子商务网站可以选择订单数和“客单价”,一个衡量产出的频率
,一个衡量平均产出值的大小。
如果你对上面几个名字感到陌生或者是从来没有接触过数据分析 ,推荐你先学一下知乎知学堂推出的这个数据分析课程,里边不仅讲到了Excel,SQL工具的使用,还有一些核心的数据分析方法,当然也会涉及到一些比较专业概念,但是有助教三天伴学 ,学起来也不会那么吃力 。
讲师是知乎上非常有名的大V猴子老师,你看他的主页就会知道他很专业 ,他的回答经常对我的工作产生启发 ,不妨你也也来近距离听一听 。点击卡片 ,1毛钱听3天课。
报完名之后 ,我们继续。
当然
,不同的网站对用户行为的需求是不一样的
,这里仅对电商网站的用户行为做一个分析。
在这里,用户行为可以用着三个指标:
在网站分析中电子商务网站可以直接套用,其他网站也可以基于RFM模型进行修改后使用。
最近一次消费取出来的是时间点,与当前的时间间隔;
消费频率可以直接对每位用户的消费次数进行计数得到;
消费金额这里取的是每位用户的消费总额,通过相加进行得到,
计算每个指标的均值
,每个客户的均值与三个指标进行比较,可以将客户分为8类;
用坐标表示如图 :X轴代表
:Requency,Y轴代表Frequency,Z轴代表Monetary
现在的电子商务网站分析的数据中,也可以捕捉到用户浏览的访问数据
,这样就可以发现潜在用户 。
基于用户行为指标的用户分布:
Google Analytics可以对新老用户占比,访问频率和占比,访问深度和时长进行分析和展现,如下图频率的分布展现
:
用于展现用户分布情况的图表有很多,用饼图可以显示每个数据所占的比例,可以用于新老用户的展现
,直方图用于展现所占的比例 ,柱形图展示数量,折线图用于来访频率分布等 ,
这里主要是一些工具的使用,这里去参考:
Google Analytics 数据分析教程-Google Analytics 数据分析教程
同时如果不用Google Analytics
可以用 :
CNZZ数据专家——全球最大的中文网站统计分析平台,
电子商务数据分析,网络广告监测,网站用户行为分析-99click 商助科技
百度统计——最大的中文网站分析平台
淘宝页面显微镜系统
clickheat (http://www.labsmedia.com/index.html)
这些工具一个共同的特点可以分析出以下几个方面 ,对于其他非电商类网站 ,可以参考以下几个方面 。
其他:注册项 ,转化项等
除了这些还有一些不同的指标如跳出率
,二跳率等,这些不能全混在一起分析的,代表着不同的用户。
不同的行为代表着不同的用户 ,细分成不同的步骤针对每一部分用户进行分析结果会更加准确
。
因为本身用户就分为新老用户 ,活跃用户和流失用户的 ,很多时候,我们以为的用户是这样 :
可实际上
,用户是这样的:
细分举例:12个月份的销售总表:这是对其他问题的分析
:
同样是一个趋势图,下图由于对组成比进行了细分 ,更具有参考性 。
在Google analysis可以进行用户细分 ,具体要自己探索。
用户行为轨迹
认知------->网站访问-------->IP、PV、人均页面访问量、访问来源
熟悉------->网站浏览 、网站搜索--------->平均停留时长 、跳出率、页面偏好、搜索访问次数占比
试用------->用户注册-------->注册用户数、注册转化率
使用------->用户登录、用户订购--------->登录用户数 、人均登录、访问登录比、订购量、订购频次
、内容、转化率
忠诚------->用户粘度
、用户流失--------->回访者比率、访问深度 、用户流失数
、流失率
对不同的用户关注的点要不同 ,所以要分析的点也不同 ,当然前提还是你的用户应该足够多 ,基于大数据才是最主要的 。
有了以上的用户行为数据,那么我们应该怎么分析呢 ?其实从这些图中我们是可以看出一些端倪的 ,用户分析能力还是需要慢慢去培养。
分析的结果要能有效的指导行动
, 才能对网站的规划和设计
,提供最有效的设计。具体网站怎么应用 ,那就要见仁见智,各抒己见了
。
参考:
网站分析实战 (豆瓣)
精通Web Analytics 2.0 (豆瓣)
谁说菜鸟不会数据分析 (豆瓣)
阿里内部培训资料:用户行为分析之基本理论及相关工具PPT_图文
MBA智库百科RFM模型
http://wiki.mbalib.com/zh-tw/RFM%E6%A8%A1%E5%9E%8B
以上部分图是自己画的
,如果有不对的地方欢迎指正
。
前两本参考书非常不错,除了这一部分
,还包括:
虽然本篇讲的是网站用户行为分析,但我只是摘录了其中一些加上自己的工作的一些思考,还不是能很好的结合,这篇还是偏理论 ,记忆最深的还是用CNZZ热力图细分用户确实可以分析出不同的结论。
推荐这两本书是因为用户行为和别的网站自身也存在莫大的关系 ,以上这些东西要结合其他的一块来看才能得出更好的结果。
最后 ,还是温馨提示,别忘记报名哦!
数据分析脱离不了业务 ,不同的业务所关注的数据不同,比如互联网、快消等,行业不同 ,关注的数据点也不同。在互联网行业普遍产品的数据分析中,我认为渠道分析、转化分析和留存分析是用户行为分析比较重要的的三个点 。
了解 Growth Hacker(增长黑客)的同学会发现,这三点其实对应着的是 AARRR 模型的前三个环节,即用户获取(Acquisition)、用户激活(Activation)和用户留存(Retention) 。这三个环节覆盖了用户从获取、激活转化、活跃 、留存到最后的流失;也在一定程度上决定了 AARRR 模型的最后两个环节用户变现(Revenue)和推荐传播(Referral)。
渠道分析保证优质、高 ROI 的流量来源;转化分析保证用户能准确地触达需求,保证高注册、高成单;留存分析保证产品活跃用户正向增长,最终完成持续地变现。
其实事物的核心往往很简单,数据分析所要达到的目的就是「增长」 。
所以说,渠道、转化和留存是用户行为数据分析中比较重要的三个点 。
Part 1 | 渠道分析
企业为了获取新用户 ,一般都会在外部渠道进行资源投放,例如 SEM、广告联盟、社交媒体等等。外部渠道的的投放都是需要真金白银的支持,所以对获客渠道的分析至关重要,它直接决定我们能否将一定的预算效果最大化。
通过渠道分析 ,我们能够获取到网站的 uv/pv (或者App 的 DAU / NDAU)等等 ,查看新用户的分渠道流量 ,进而根据投放资金计算渠道 ROI 。
渠道分析一般通过以下方式:
1. 访问 / 下载来源 ,搜索词
网站的访问来源,App 的下载渠道,以及各搜索引擎的搜索关键词,通过数据分析平台都可以很方便的进行统计和分析,分析平台通过归因模型判断网站流量来源 ,在 App 中分渠道来打包,产品经理在分析这些流量时 ,只需要用自建或者第三方的数据平台追踪流量变化即可 ,第三方平台如国外知名的 Google Analytics 、国内的用户行为数据分析工具
GrowingIO等;
2. 自主投放追踪
平时我们在微信等外部渠道投放文章 、H5 等 ,许多产品都会很苦恼无法追踪数据。
分析不同获客渠道流量的数量和质量 ,进而优化投放渠道。
目前常用的监测方法是 UTM 链接,在投放的外部链接中加入 UTM 参数。UTM 参数包括 utm_source(广告来源)、utm_mediam(广告媒介) 、utm_campaign(广告系列)、utm_content(广告内容)和 utm_term(广告字词),可以多维度对获客渠道进行监测。Google Analytics 、
GrowingIO都支持 UTM 监控。
上图展示了一个在线旅游平台的广告投放的详细效果,运营人员可以针对现有渠道的获客数量和质量进行优化 。关于 UTM 链接的具体使用方法和场景应用可以参考这篇文章:
这个「追踪利器」能帮你节省50%的运营推广费用。
3. 实时流量分析
实时监测产品的访问走势,尤其要关心流量异常值。举个例子,某互联网金融平台因为一个产品 Bug 导致用户疯狂抢购造成的流量峰值 ,产品经理发现实时数据异常后迅速下线该产品修复 Bug,避免了损失扩大 。
4. 优化获客渠道
如何优化获客渠道 ,其实是有一套系统的方法论的 ,新型的波士顿矩阵可以很好的分析这个问题。
我们按照不同渠道的获客成本和获客质量或者数量对渠道进行分类,如上图分成了四个大类。渠道 1 成本高、质量高 ,这种渠道需要进一步评估;渠道 2 质量高、成本低,应该加大投放;渠道 3 成本高 、质量低,可以考虑放弃;渠道 4 成本低 、质量差 ,有待进一步评估 。
当然,上面提供的是一个方法论;现实业务中 ,我们需要对其进行量化 。这个就涉及到我们接下来要介绍的转化率 ,因为转化和新用户的质量息息相关 。
Part 2 | 转化分析
对于一款产品来说 ,如何让用户更好地转化,是用户能否留存下来产生价值的关键因素。转化不是一个一步到位的事情,每个环节的优化都可能带来更好的结果。
以注册为例 ,用户需要经历到达落地页 、填写各类信息 、激活账号等步骤;
以交易类产品流程的用户行为为例:流量从各个渠道过来 ,到达我们的落地页,感兴趣的用户开始浏览页面,甚至开始走购买流程,直到最后购买成功 ,在这个过程中 ,市场、产品经理和运营要充分利用工具获得更好的转化。
转化分析常用的工具是转化漏斗 ,简称漏斗(funnel) 。如上图所示,新用户在注册流中不断流失,最终形成一个类似漏斗的形状 。用户行为数据分析的过程中 ,我们不仅看最终的转化率 ,也关心转化的每一步的转化率。例如上图的转化漏斗,总体转化率为 2.6%;但是它是三步转化率的最终结果,它的每一步转化率分别是 6.48% ,45.7% 和 87.8% 。
影响转化率的因素很多 ,我们总结了三个大的方面:渠道流量、用户营销、网站 / APP 体验 。以渠道流量为例,通过优选渠道并且量化分配我们的投放资源 ,可以有效提升总体的转化率。
这篇文章详细讲解了从获取流量的来源到用户在产品内使用产品的各个节点 ,如何做转化率 ?
如何用数据分析提升产品转化率? - 张溪梦的回答这篇文章细化地讲解了如何用提升新用户注册转化率 ?
如何提升新用户转化率 ? - 张溪梦的回答Part 3 | 留存分析
在互联网行业里 ,通常我们会通过拉新把客户引过来 ,但是经过一段时间可能就会有一部分客户逐渐流失了。那些留下来的人或者是经常回访我们公司网站 / App 的人就称为留存 。
留存是 AARRR 模型中重要的环节之一 ,只有做好了留存 ,才能保障新用户在注册后不会白白流失 。这就好像一个不断漏水的篮子 ,如果不去修补底下的裂缝,而只顾着往里倒水,是很难获得持续的增长的。
我们经常使用留存图和留存表来表示用户的留存情况 ,下图展示的是用户留存图(也称留存曲线)。一条留存曲线,如果你不去做什么的话 ,用户就慢慢流失了 。
用户留存分析的过程中,我们可以从用户群组和产品功能两个角度来进行分析 。
通常情况下,用户在早期流失现象非常严重 。产品需要让用户快速容易的体验到产品的价值。一旦用户发现产品对自己的价值,继续使用和探索产品新功能的概率就会增大很多 。
分析用户对不同产品功能的使用粘性与活跃度 。一般我们不仅需要关注整个网站 / App 的留存,还需要关注核心行为的留存率,比如重复购买的情况 。对产品进行迭代时,我们还可以使用产品功能留存观测这个功能的留存率整体有没有提高。
关于留存,你可以看这篇文章
你能找到的最深入的留存分析文章 - 留存 · 增长 · Magic Number。
Part 4 | 增长黑客的核心:AARRR 模型
用户行为数据分析是一个非常大的话题 ,如何做好这方面的分析不可能一蹴而就。况且不同行业 、不同平台、不同发展阶段的企业都有自己的侧重点,要根据实际情况灵活调整 。但是总的来说 ,用户行为数据分析是有规律可循的,目前增长黑客的 AARRR 模型就是一个不错的选择。更多增长方面的内容,可以参考这篇文章 ,
增长黑客的力量 :这 10 家公司凭什么估值过百亿?我们一直在做互联网行业数据分析知识的普及,目前我们已经做了 14 期「GrowingIO数据分析公开课」 ,面向产品经理、运营等等,这里是我们整理出来的「互联网增长的第一本数据分析手册」 :里面汇聚了我们自己在用户行为数据分析方面的增长实践总结 ,希望能帮助大家少踩到很多坑 ,提高用户行为数据分析的效率。
这是一本神奇的书 。
产品经理用它来分析数据 、拆解指标 ,实现流程的良性运转;
市场运营用它来解析数据、确定方法 ,实现运营效果最大化 。
30%注册率的提升 ,90%的客户留存 ,硅谷数据之神手把手教你实践增长黑客 。
翔实的分析方法 ,真实案例与心得,GrowingIO 团队的创业实战分享都在这里了 !
严格意义上这不算是一本书,但是能够手把手教你如何做数据分析 。
获取完整书籍下载,点击
互联网增长的第一本数据分析手册。
注:文中实时 、漏斗等功能均来自
GrowingIO 官网 硅谷新一代数据分析产品。
其实 ,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 ,全国上下都在关注PV 、UV、跳出率 、访问深度 、停留时长 ,哦,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更重要的是能应用。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 ,他可能是在写一个800字的评论,内容可能是“晃一晃作者的脑袋,都能听到海浪的声音 ,否则文章不可能这么水 ,使用你们APP整好100天了,是时候做个了结了 ,人生长路漫漫 ,确实不必再见 。F**K。此处省略775个字”,所以,比起用户在该页面所花时间的汇总,可能用户到底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 ,嗯哼 。
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深度还原用户使用场景并且可以指导业务增长 。
通俗点说 :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
在说之前,借用之前不知道在哪儿看到的关于影响数据结果和判断的三个维度:
(1)product-market fit(简称PMF)
(2)用户来源
(3)产品本身
解释 :
第一个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;
第二个是说用户质量 。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;
第三就落脚到产品上了。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,可以让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 :快速执行 ,让用户尖叫 ,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~
结论 :我会从用户增长、用户参与和产品盈利三个方面进行数据分析。
每个产品都希望有更多的活跃用户数量。我们将当月活跃用户(MAU)定义成在本月执行过特定行为的用户 。对于不同产品,特定行为的定义一般不同 。例如说:对于会员订阅型产品,它可能是持续订阅的行为;对于社交型产品,它可能是发送消息;对于电子商务行业,它可能是用户购买的行为。但无论行为如何定义,让产品有更多的活跃用户都是产品追求的方向 。
用户增长机制可以用一个等式来表示:本月MAU=上月MAU+本月新注册用户+本月复苏老用户-本月离开用户。因此用户增长又可以被拆分为三个部分:获取 、留存和复苏。(对于如何具体衡量与分析用户增长的同学可以详见这三篇回答[1][2][3]