廣義來講，用戶行為是指網(wǎng)站、APP、H5、小程序等線上平臺，以及零售商鋪、產(chǎn)品使用環(huán)境等所有場景下，用戶與企業(yè)以及企業(yè)提供的產(chǎn)品的交互情況。而通常所說的用戶行為分析，則指的是利用大數(shù)據(jù)分析方法，通過對用戶線上行為數(shù)據(jù)、用戶屬性數(shù)據(jù)的收集，存儲，分析，以找到相關規(guī)律，然后通過A/B測試等方式，探究有效方案的方式。

在大數(shù)據(jù)分析技術發(fā)展成熟之前，對于用戶行為的分析就從沒有停止過，不過原有的分析方式是通過統(tǒng)計分析的方式，尋找因果關系。而統(tǒng)計分析，是在假設基礎上，通過抽樣分析進行假設檢驗。

云計算、大數(shù)據(jù)技術的快速發(fā)展，使得對于全量數(shù)據(jù)的分析成為了可能。全量數(shù)據(jù)分析也打破了統(tǒng)計分析中需要先建立假設再進行驗真或驗偽的過程，而是通過對用戶相關數(shù)據(jù)進行全量采集，然后通過能夠反應規(guī)律的分析模型，就行快速調參、分析，尋找隱藏的“數(shù)據(jù)金礦”。

你可能已經(jīng)聽說過最小化產(chǎn)品開發(fā)、增長黑客、精益創(chuàng)業(yè)，但其背后都隱藏著一個概念：數(shù)據(jù)驅動。阿利斯泰爾·克羅爾和本杰明·尤科維奇在《精益數(shù)據(jù)分析》一書中對如何實現(xiàn)數(shù)據(jù)驅動進行了詳細的說明。從落地的角度，也就是通過對用戶行為數(shù)據(jù)的分析，找出未留意到的重要規(guī)律，然后加強其效應，使之轉變?yōu)榱艚o用戶的顯性的Aha Moment或者病毒傳播因素。

為什么要從道、法、術、器、勢的角度來解析用戶行為分析？因為國內(nèi)的數(shù)據(jù)應用階段與國外還是存在明顯的差距。數(shù)據(jù)意識、數(shù)據(jù)基礎、以及對數(shù)據(jù)分析工具的使用，都限制了對儲藏在公司服務器里的數(shù)據(jù)金礦的挖掘應用。

一、數(shù)據(jù)之道：小公司更應該加強數(shù)據(jù)應用

數(shù)據(jù)驅動并非大公司的專利，而恰巧是小公司的核動力。發(fā)展初期，各種資源緊缺，如果沒有應用數(shù)據(jù)的意識，所有的決策只能依賴于人員經(jīng)驗，在團隊成員搭配不充裕的情況下，往往都是靠著非專業(yè)人才依靠直覺做專業(yè)的決策，勢必導致資源的浪費。

這里就是國內(nèi)團隊與國外團隊在起步時候最大的差異，國內(nèi)團隊在發(fā)展初期往往不重視數(shù)據(jù)，認為最重要的就是推廣推廣再推廣，一時間公司所有人都成了推廣專員。可是獲取到的用戶，哪些渠道有效、哪些用戶活躍、為什么活躍，流失的用戶都有什么特點、是什么阻礙了他們成為活躍用戶往往被歸結為不是潛在用戶。

從經(jīng)營理念來講：團隊是以產(chǎn)品為中心，認為只要做好產(chǎn)品，就一定能夠大賣；還是以用戶為中心，希望更懂用戶，為用戶提供最喜歡的產(chǎn)品。不同的經(jīng)營理念，會導致核心團隊對數(shù)據(jù)的重視程度有巨大的差別。?

數(shù)據(jù)之道解的是你是否重視數(shù)據(jù)分析、是否想從數(shù)據(jù)中了解用戶。簡單的測試你或者你所在的團隊是否有數(shù)據(jù)之道：是否建立了公司核心運營數(shù)據(jù)的儀表盤（財務、銷售、市場、庫存等）、所在部門是否有核心數(shù)據(jù)的儀表盤、開會溝通中是以“我認為”、“我覺得”打頭還是以“經(jīng)過對上周用戶數(shù)據(jù)的分析”、“經(jīng)過對比測試”來說明問題？

二、數(shù)據(jù)之法：建立良好的數(shù)據(jù)分析思維

數(shù)據(jù)分析源于用戶也回歸用戶，所有的分析目的都是建立在了解用戶、為用戶提供更好服務的基礎上。

從用戶與企業(yè)產(chǎn)品交互的過程看，有經(jīng)典的AARRR海盜法則，即用戶獲取（Acquisition）、激活（Activation）、留存（Retention）、營收（Revenue）、推薦（Referral）。獲取環(huán)節(jié)，主要對渠道進行分析，判斷渠道用戶匹配度、單位獲客成本、獲客效率；激活環(huán)節(jié)，尋找到活躍用戶，仔細查看其行為序列，有必要的時候對活躍用戶進行訪談，定義產(chǎn)品、公司的往往是初期的活躍用戶；健康的增長，不是拉新1000流失500，所以對用戶留存的關注也非常關鍵；在此基礎之上，為用戶設計喜愛的病毒傳播因素，往往能讓企業(yè)成指數(shù)級發(fā)展。

對于SaaS等對企業(yè)的產(chǎn)品呢？用戶會經(jīng)歷認知、熟悉、試用、使用、忠誠的過程，如果你們公司的產(chǎn)品又領先于用戶的經(jīng)驗，首先要做好的是為用戶賦能，即先讓其聯(lián)想到自己業(yè)務場景，然后熟悉新的方法，再通過試用產(chǎn)品解決問題，如果這三步能夠做好，由用戶轉化為客戶就會順暢很多。

所以我的企業(yè)應該怎么做呢？答案是因企業(yè)而異，所以這一層還是思維層。比如做工具類的，用戶留存好解決，用戶獲取和激活用戶分享是關鍵，所以Dropbox依靠分享贈送空間、Uber依靠推薦送優(yōu)惠券、樊登讀書會通過轉介紹送聽課天數(shù)的方式，實現(xiàn)病毒式傳播增長。比如做資訊平臺的，用戶活躍于留存又是關鍵，高活躍的用戶會創(chuàng)作內(nèi)容、進行評論，都會促進社區(qū)的活躍氛圍，總用戶、活躍用戶多了，平臺價值就高，也自然能夠過渡到營收階段。所以不同的企業(yè)和產(chǎn)品，應用的分析思維會有差異，因為你要解決的問題不同，但本質上，都是通過數(shù)據(jù)去找方法而非拍腦袋、靠直覺。

數(shù)據(jù)之法解的是，根據(jù)企業(yè)產(chǎn)品的類型、企業(yè)的發(fā)展階段，定義正確的分析方向。簡單測試你是否掌握了數(shù)據(jù)之法：對你的產(chǎn)品而言，最重要的指標是什么？對于你的業(yè)務，數(shù)據(jù)分析可以做哪些事？你的核心用戶與公司產(chǎn)品的交互流程是什么樣，數(shù)據(jù)點有哪些？

三、數(shù)據(jù)之術：從采集到分析

術即方法，這里指的就是用戶行為數(shù)據(jù)分析從數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)存儲到數(shù)據(jù)分析的方法。

首先，需要設計精細的數(shù)據(jù)采集方案，支撐后續(xù)靈活分析需求。常用的數(shù)據(jù)采集方式有UTM參數(shù)、可視化埋點（也稱全埋點）、代碼埋點、SDK埋點、日志數(shù)據(jù)、服務器數(shù)據(jù)工具傳輸。埋點方面也分前端埋點、后端埋點。?

其次，建立統(tǒng)一的用戶數(shù)據(jù)倉庫，對企業(yè)長期發(fā)展至關重要。用戶數(shù)據(jù)可分為屬性數(shù)據(jù)與事件數(shù)據(jù)，屬性數(shù)據(jù)描述的是用戶是什么樣的，比如用戶ID、設備id、設備類型、用戶區(qū)域、性別、年齡、喜好等，屬性數(shù)據(jù)可用于用戶分群、用戶畫像等。而事件數(shù)據(jù)描述的是用戶做了什么，那么事件數(shù)據(jù)就必須包含事件的時間、地點、人物、時長、具體事件、事件方式等。在數(shù)據(jù)時代，用戶與企業(yè)的數(shù)據(jù)交互已不再停留在網(wǎng)站、郵件里，而是在網(wǎng)站、APP、小程序、H5、郵件鏈接、自媒體、線下智能商鋪等，都會存在用戶數(shù)據(jù)。因此對于這些不同渠道用戶數(shù)據(jù)進行統(tǒng)一的定義與存儲非常有必要。除了統(tǒng)一存儲，還應考慮到分布式架構的應用以支撐億級數(shù)據(jù)的實時分析。

最后，就是對收集、存儲好的數(shù)據(jù)進行靈活的分析應用。可以根據(jù)分析的目的，靈活選擇常用的分析模型，比較重要的是用戶的分群，同期群、同屬性群、活躍群、流失群等，在不同商業(yè)模式下有不同的含義。一些常用的分析模型有事件分析、留存分析、漏斗分析、行為序列分析、行為路徑分析等。

SaaS企業(yè)關注渠道商機，可進行事件分析、渠道漏斗轉化分析；游戲廠商關注用戶活躍度與用戶消費，可進行事件分析、留存分析、行為序列分析；媒體平臺關注閱讀、用戶UGC內(nèi)容頻率，可進行事件分析、行為路徑分析。

產(chǎn)品關注用戶對不同功能的響應，可進行事件、行為序列、行為路徑分析；市場關注渠道效果，可進行漏斗轉化、事件分析；運營關注用戶增長、用戶活躍，可進行轉化漏斗、留存、事件分析。

在大好數(shù)據(jù)意識、數(shù)據(jù)思維的基礎上，分析應用就是針對業(yè)務需求的靈活應用，掌握一些常用的分析模型，就可以上手實踐，模型不用復雜，有效即可。

四、數(shù)據(jù)之器：活用工具事半功倍

工欲善其事，必先利其器。其實有不少團隊已經(jīng)建立起了數(shù)據(jù)意識、并學會了數(shù)據(jù)驅動的方法，但是在落地的時候，往往發(fā)現(xiàn)公司發(fā)展階段的資源無法支撐。比如前期數(shù)據(jù)采集規(guī)劃不夠精細，比如數(shù)據(jù)工程師跑SQL、拉數(shù)據(jù)工作量繁瑣，再比如用戶增長迅速、數(shù)據(jù)量龐大的時候單次分析時間太長。往往導致從提出數(shù)據(jù)分析需求、到給出結果需要等待2-3天甚至更長的時間，針對分析結果需要做進一步分析的時候，還要再走這樣一個循環(huán)，導致數(shù)據(jù)分析速度落后于實際業(yè)務需求。

筆者經(jīng)歷過4個創(chuàng)業(yè)團隊，發(fā)現(xiàn)不少公司的老板很抗拒使用外部工具。網(wǎng)站要自己建設、SEO要自己操作、分析平臺要自己搭建、營銷活動要自己張羅，以為這樣省錢、靠譜，但實際上如果實實在在的計算，在很多環(huán)節(jié)如果借助外部力量，更能夠推進團隊快速發(fā)展。而自身團隊如果有余力照顧方方面面的事情，往往意味著團隊的核心目標不夠明確。對此部分如果有興趣，可以留言，筆者會仔細的算每筆賬出來。

監(jiān)測公眾號數(shù)據(jù)可以使用西瓜助手、公眾號自帶的數(shù)據(jù)后臺，監(jiān)測網(wǎng)站數(shù)據(jù)可以用戶百度統(tǒng)計、GoogleAnalytics，創(chuàng)建可視化圖表可以嘗試Tableau，而如果想打通不同渠道數(shù)據(jù)、進行用戶行為數(shù)據(jù)的深度下鉆分析，則可以嘗試數(shù)數(shù)科技ThinkingAnalytics用戶行為分析系統(tǒng)。

這里只是份舉例，在不同的階段選用不同工具，主要是保持開放的心態(tài)，多借助外部工具，即使長期想要自建系統(tǒng)，短期內(nèi)從外部工具學習思路，也是推動團隊快速成長的好方法。

五、數(shù)據(jù)之勢：分析的目的是實現(xiàn)增長

前面所有的內(nèi)容，其實最終目的都是以數(shù)據(jù)驅動增長，但是數(shù)據(jù)本身并沒法帶來用戶。數(shù)據(jù)驅動的意義，是從數(shù)據(jù)中能夠找到最好的獲客渠道、最讓用戶驚喜的功能、能夠刺激用戶分享實現(xiàn)自增長的病毒因素、活躍用戶的特點等。在找到這些特殊要素后，不斷的放大這些要素，以形成快速增長的勢能。

市場方面，如果發(fā)現(xiàn)信息流投放最優(yōu)效果，就在此渠道適當增加投入；產(chǎn)品方面，如果發(fā)現(xiàn)活躍用戶最喜歡使用的功能不在首頁顯著位置，就應該對產(chǎn)品層次結構進行優(yōu)化；運營方面，如果發(fā)現(xiàn)用戶最喜歡分享的并不是送優(yōu)惠券活動，而是分享后訂單金額的1%將被用于公益活動，就可以增大此活動的推廣用戶范圍。

結論

數(shù)據(jù)有時候無法告訴我們?yōu)槭裁?#xff0c;但是通過測試、分析，可以找到哪種方式最有效，從產(chǎn)品、到市場、到運營、到銷售，集中公司力量放大已經(jīng)發(fā)現(xiàn)的有效因素，讓勢能帶動業(yè)務和用戶增長。?

適合你的公司、產(chǎn)品的數(shù)據(jù)思路、分析方法、增長勢能是什么呢？歡迎留言討論。

?

文\韓進（公眾號：數(shù)數(shù)科技）

?

?

?

總結

以上是生活随笔為你收集整理的用户行为数据分析的道、法、术、器、势的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。