用户行为数据分析

用户行为数据分析

基本概念

定义用户行为

用户在你的产品内进行各种操作产生的数据

通常有三种最基本的用户行为，分别是：访问、浏览和行 为事件。每个访问事件可以由多个浏览事件和多个点击事件构成

• 访问
• 浏览
• 行为

用户行为数据的相关概念

• 时间（when）
• 地点（where）
• 人物（who）
• 交互（how）
• 交互内容（what）

分析指标

• 浏览量（pv）
• 访客（uv）
• 注册量
• 转化率
• 留存率
• 使用时长
• 使用频率

1、用户行为数据分析概论

为什么要做用户分析

• 确定用户画像

• 保留优质功能

• 关注用户流失

  • 怎么流失
  • 为什么流失
  • 在哪里流失

• 还能做什么？

  当你有了很多用户行为数据、定义事件之后，你可以把用户行为数据做成一个按小时、按天，或者按用户级别、事件级别拆分的一个表。

  这个表用来做什么？

  一个是知道用户最简单事件，比如登录或者是购买，也可以知道哪些是优质用户、哪些是即将流失的客户，这样的数据每天或每个小时都能看到。

应用场景

• 拉新

• 转化

  • 转化漏斗

    以注册转化漏斗为例，第一步我们要知道网页上有哪些注册入口，很多网站的注册入口不只一个，需要定义每个事件；我们还想知道下一步有多少人、多少百分比的人点击了注册按钮、多少人打开了验证页；多少人登录了，多少人完成了整个完整的注册。

    期间每一步都会有用户流失，漏斗做完后，我们就可以直观看到，每个环节的流失率。

    后续也能针对性的对流失度高的功能进行调整

• 促活

  还有一个是用户使用产品的流畅度。我们可以分析具体用户行为，比如访问时长，在哪个页面上停留的时间特别长，在 App 上尤为明显。再有是完善用户画像，拿用户行为数据分析做用户画像是比较准的。

• 留存

  用户流失不是说一下子就流失了，一些细微行为，就能预示他将来会流失。

  如果有了用户行为数据，最简单的就是看用户使用行为有没有下降、哪些行为下降、哪些用户用得特别好等，以此来维护用户关系。

• 变现

如何采集和分析

• 埋点

  • 七大步骤

    • 1、确定场景或目标

      确定一个场景，或者一个目标。比如，我们发现很多用户访问了注册页面，但是最终完成注册的很少。那么我们的目标就是提高注册转化率，了解为什么用户没有完成注册，是哪一个步骤挡住用户了。

    - 2、数据采集规划

      思考哪些数据我们需要了解，以帮助我们实现这个目标。比如对于之前的目标，我们需要拆解从进入注册页面到完成注册的每一个步骤的数据，每一次输入的数据，同时，还有完成或者未完成这些步骤的人的特征数据。


    - 3、埋点采集数据

      我们需要确定谁来负责收集数据，一般是工程师，有些企业有专门的数据工程师，负责埋点采集数据。


    - 4、数据评估与分析

      收集上来的数据质量如何，又该如何分析呢？谁来分析呢？


    - 5、给出优化方案

      发现问题后，怎么给出解决方案。比如，是否需要在设计上改进，或者是否是工程上的 bug？产品不合理？


    - 6、实施优化方案

      谁负责实现解决方案，需要确定方案的实施责任人。


    - 7、评估解决方案效果

      进行下一轮数据采集和分析，回到第一步继续迭代。


- 缺点

    - 依赖经验导向

      依赖人的经验和直觉，采集哪些指标和维度的数据，这
      都需要提前想好。不是说经验和直觉不好，而是有时我们自己也不知道到底什么是好的。经验反而会成为一个先入为主的负担，我们需要用数据来测试来证明。


    - 沟通成本高

      一个有效的分析结果，依赖于数据的完整性和完备性。在企业里不少的吐槽都跟数据格式有关，比如 “连日志格式都统一不了，更别提后续分析了“。这不是具体人的问题，更多是协作沟通的问题。参与人多，产品经理、分析师、工程师、运营等等，每个人的专业领域又各不相同，出现误解太正常了。


    - 需大量时间做数据清洗

      工作大部分时间在做数据清洗，只有百分之二十时间在做真正有业务价值的事情


    - 数据漏采错采

      很多时候，埋点监测代码上线后，发现数据采集错了或者漏了；修正后，又得重新跑一遍流程，这样一个星期两个星期又过去了。这也是为什么数据分析工作如此耗时，一般以月计的原因。

• 自动化/无埋点方案
  • 方案
    • SDK
    • 分析云saas
  • 成本
  • 优势
    • 效率高
    • 发版成本低，app发版上线不影响数据自动采集
• 双模式

2、数据驱动增长的基础

怎么挣钱

• 用户增长公式

  怎样才算挣钱呢？ 需要满足：平均每个用户创造的价值 ≥ 获取一个用户的成本。这个「成本」不仅包含推广拉新的成本，也包括团队、服务器、带宽等运营成本，最终平摊到每个用户头上。

• 用户获取成本

• 单用户商业价值

  单个用户创造的商业价值等于单个用户每日收入乘以 用户平均生命周期活跃天数

产品定位

数据信心

• 为什么我们容易不信任数据？

  • 对产品而言

    对于传统的产品经理而言，数据往往被称为统计需求，没有功能重要，因此会被放到需求模板的最后面。实际需求开发的时候，如果时间不够用，往往首先牺牲的就是统计需求

- 对开发而言

  对于开发者而言，他们往往非常在意需求的技术含量，希望以此提升自己的能力。而数据埋点上报之类的都是极为繁琐而又缺乏技术含量的工作，不受开发者待见


- 对测试而言

  对于数据需求的测试而言，数据看不见摸不着，逻辑不清晰。如果没有好的工具，这对测试者的要求很高。

  更重要的是，一旦放松警惕，数据在后续的开发中极易被改错，而测试者完全无法察觉。上述这些困难，会直接导致我们逐步陷入数据恶化的深渊。

• 如何建立数据信心

  • 降低错误率

    首先，你数据别总错是吧，错的多了谈何信任，这一点我们后面来说。如果有一些细节出错不可避免，那一定要找到问题解释清楚。

- 问题跟进

  我和数据产品经理一再强调，一旦别人发现某个数据有问题，你查清楚问题之后一定要跟人家解释清楚。这个数据为什么错？错在哪里？能不能修复？能修复的话什么时候能好？不能修复的话要怎么办，有什么替代方案？绝对不能说：哦，这个数据的确有问题，我们来修，后面就没有下文了，或者只是简单告知人家这个数已经修好了。要让别人非常清晰的认识到，即使数据有错，情况也完全是在我们掌控之中，态度决定信任！


- 技术角度

  对于核心数据最好一定要埋点，好处在于你可以清晰的知道你采集的到底是什么数据，开发的埋点代码也要明确的出现在相关功能所处的代码段中，误操作的概率相对较低


- 团队角度

  互联网行业团队经常会有这么几个角色：产品，运营，开发，设计，测试，商务。实际上这些角色中很难有一个角色对数据完全负责。

  建议可以从增加一个数据产品经理开始，而不是一开始就搭建一整套数据团队。尤其不建议这个数据团队游离于产品研发团队以外，变成类似于运维这样的一个支撑团队。

适合自己的增长策略

你们有没有关注过自己的数据，时间拉长到 2-3 年或者更长，会不会发现类似这样的情况？ 你的增长并不是一下子上去的，如果这样的话很快就成为独角兽了。但是99% 的企业和团队，你们的增长可能是这样的，一个波峰一个波峰地增长；每次增长完了，很快就会遇到瓶颈。

这个时候，你需要去重新认知、分析下一步怎么去做。这个瓶颈有时候会很 长，很多公司可能一个波谷就再也没有起来了。

• 认知行业定位

  你要搞清楚，到底为什么增长，要去哪里

  你的企业未来想成为什么样的一家公司？到底是成为一家用户体量很大、但质量并不一定 OK 的公司，还是成为一家把 事情做精的公司？这是用户增长所要考虑的第一个认知。

• 认知用户诉求

  • 用户主动
  • 企业主动

• 认知用户构成

  既愿意在你这边花钱有愿意在你这里花时间的，一定是最棒的用户。 不愿意花钱又不愿意花时间，但是他来了，是你未来的潜力。 很愿意花钱但是没时间，挺有钱的。 很愿意花时间但是没钱，这是大部分 App 重要用户所在的起点，叫忠实粉丝。 忠实粉丝一直很喜欢你，总有一天你要从那口带里掏一点钱，大概就是这样一个过程。

- 用户花了多少钱
- 用户花了多少时间

• 阶段目标

  Sean Ellis《增长黑客》这本书大家看过吗？书里面有一个调研很有意思， 叫做产品的不可或缺性调研。如果这个产品明天没法用了，你的用户会怎么 来回答你？用户到底是说，我好失望啊，还是说有点失望，还是说无所谓， 还是说早就不用了。 你们有没有调研这个问题？我们有调研过，很刺激。那个调研上线了以后， 数据不行你要下线掉的。最后我们没有下掉，因为我们做到了。 Sean Ellis 说如果有 40% 甚至更多的用户说他会很失望，说明你的产品已 经具备了一定行业里的不可获缺性。这个时候再去做增长，比你之前去做增 长会爽很多，而且流失率很低，用户数量和活跃度会一直往上走。

增长基石

• 产品和创新

• 数据和实验

  增长实验有几个类型：文案实验、功能试验、设计实验和路径实验。 上图是我们自己做过的一个很小的文案实验。Acorns 是一个投资软件，我们希望用户使用定期投资这样的功能。于是我们把所有进来的人分为三组， 每个组给他们不同的文案。 每天 5 块，每周 30 块，每月 150 块。实际上数额是一样的，但是转化率差别很大。A 的转化率是 30%，B 是 11%，C 是 7%。这就是一个行为经济学的测试，所以大家一定要重视文案。

- 方案实验
- 功能实验
- 设计实验
- 路径实验

• 团队和文化

  我们刚才谈了产品和创新，数据和实验，但是这些事情离开了人都是不可能发生的。从我自己的经验来看也是这样，增长的基石是团队和文化，只有在良好的氛围里，你才能推动很多的事情。

3、渠道流量分析

目的

• ROI（return on investment）投资回收率

评估体系

• 渠道规模量化指标
• 拉新能力量化指标
• 渠道质量量化指标
  • Level 1
  • Level 2
  • Level 3

4、精细化用户运营

增长运营

• 流量运营
• 用户运营
• 产品运营

B2B用户增长

• 与C端增长差异
  • 精细化程度不同
  • 信息化阶段不同
  • 增长机制不同
  • 商业定位不同
• 用户增长的演进
  • 单点突破
  • 平台导流、用户补贴
  • 内容营销、社交传播
  • 超级会员/任务引导体系

5、产品迭代和增长

本章将和大家分享如何借助用户行为数据分析来进行产品设计、迭代优化，从产品层面驱动用户增长

迭代

• 终级目的

  • 提高用户体验
  • 促进用户增长

• 案例

  • 手机银行

    在智能手机出现之前，我们只能用 Windows 电脑的 IE 浏览器来访问电子银行，而且必须要插入 U 盾、下载安装安全控件，才能访问电子银行。这个过程中，你的 IE 浏览器还必须是老版本的，最新版本的IE 浏览器因为安全问题经常不支持。所以，电子银行的客户满意度非常低，用户体验极差。

    但是！现在呢？

• 如何衡量用户体验？用户体验模型

  • PULSE模型

    举个例子：响应时间，用户修改密码是不是能很快响应和生效；延迟，系统转账能否实时到账，如果迟迟不到账的话用户就会很担心。

    - Page view（页面浏览量）
    - Uptime（响应时间）
    - Latency（延迟）
    - Seven days active user（7 天活跃用户数）
    - Earning（收益）

- HEART模型

    - Happiness 代表用户满意度

      我们常用NPS 调研问卷来完成，问用户「你是否愿意把我们的产品推荐给朋友」，我们可以用这种方式来完成我们的调研。


    - Engagement 代表用户的活跃度和参与度

      比如用户的使用频次、粘度、访问深度。「用户访问深度」我们可以用数据来监测，即用户在一个会话中浏览了多少个页面。


    - Adoption 

      是指用户接受产品各个版本、各个功能的情况。我们常用
      产品/版本/功能使用人数占比来衡量用户的接受程度。


    - Retention 

      指产品的留存，分析用户是不是持续地、反复地使用你
      的产品。


    - Task Success 衡量关键任务的完成状况。

      比如修改密码，我们希望用户尽可能简单地完成，产品的摩擦越小，转化率越高。我们可以通过转化漏斗来监测和分析这个动作。

• 产品迭代要素
  • 改版前后比较
  • 绝对指标和相对指标
  • 路径转化率
  • 功能使用占比
  • 错误率
  • 功能留存

增长

• 留存

  如果产品不能留住用户，我们的产品就像一个镂空的篮子，倒 入的水越多流失的也越多，这意味着我们的产品是无法实现可持续增长的。想要实现产品的可持续增长，用户的留存就是非常重要的一个指标。

- 降低新用户上手成本

  能否让用户在第一次使用产品时就能迅速低成本地感知到产品价值，决定了新用户的激活率


- 激活目标
- 长期阶段

• 增长团队

  • 初创公司为什么需要增长团队

    初创公司为什么需要增长团队呢？因为所有的大公司、所有的独角兽、所有的超级巨头，都是由一个小公司或小团队增长而来的。生物学上我们常常听到两个词：裂变、进化。其实在互联网领域中，在座的几百个团队，你们都希望你们的用户能够快速裂变，一带十、十带百，产生快速的用户增长。你们也希望在产品迭代当中让产品进化地越来越好，能够更明白、更了解用户的需求，能够产生更多的营收。所以说：裂变和进化放在现在的互联网创业领域中，其实就是一种增长（Growth）的概念。

- 增长的概念已经不局限于互联网产品

  对于我们来说，如果想提升下载转化和注册转化，我们可能会专注于完善我们的落地页，让更多的用户点击下载；可能会提升商店宣传图片的品质，让用户明显感知到这是一个什么样的产品、有什么样的功能。

  之后注册页需要关注注册 UI，我的按纽摆放、注册页的视频，都有可能影响转化率的提升。由此整个文案的落地、交互、宣传，给用户带来了一个整体定位和品牌感知，最终都引导到激活环节；


- 初创公司如何搭建增长团队

  做增长这件事情是创始人 CEO 主导的，还是只是在跟风模仿。普遍的困惑在于：如果增长工作没有得到公司层面有力的支持，就很容易被边缘化，或者说工作效果大大打折扣。只有整个公司都有增长意识，我们建立了一个大家都可以交流的语言，才能很好协作。目前看来，让大家都能理解的语言一定是数据。

  接下来就是建立一个数据目标，大概什么阶段完成什么样的数据增长。比如说一个月内完成留存率增长 2% 的目标。有目标之后才能建立团队，团队才能有明确的分工。因此才能去招聘人，这一定是个需要先想清楚的事情。


    - 意识先行

      在团队中建立增长意识


    - 工作方式

      在用数据指导业务增长的过程中，我们需要不断地总结，做每件事情都要问一下 “why”。这个想法是否正确？和同事的协作有成果吗？
      到了成果总结阶段，一定要给团队相应的激励。
      最后就是数据培训。目前我们不仅对增长团队，还对运营、产品、市场、技术进行全面的数据培训。我们始终强调：要让数据成为团队共同的语言，这一点是非常重要的。


    - 组织架构

      1、部门与部门界限模糊，不能说我是运营我只负责和用户相关的，我是市场只负责外部的新增用户，这样的话永远没有办法实现真正的增长。
      2、第二，以目标为导向。这个要非常灵活，以项目搭团队；项目才是一个团队，一个部门并不是一个团队。
      3、人人都是增长黑客。之前有一本书叫《人人都是产品经理》，培养每个人有产品意识；现在团队当中，我们培养一个“人人都是增长黑客”的概念。在数据后台系统中开放我们的数据权限，让大家可以平等、共同、快捷的交流

• 增长体系确定

  • 确定优先级，公司当前最重要的事是什么？

    做增长之前，需要了解公司当前最重要的事情是什么。很多大公司内部孵化创新项目，最重要的一点在于是否找准了产品的定位，给目前用户提供了精准的杀手级服务、解决了他的痛点。这个时候，一些数据分析的工作，比如提升转化率反而优先级不高。

- 对增长的认知-通过实践不断迭代升级

  很多企业都想把增长做的很好，但是推动这个过程需要付出很大的艰辛。
  这个过程就像一条曲线，有涨有跌。刚开始还有一些增长，但是很快会遇到一些挫折，可能是转化率很低需要调整，也可能是团队核心成员离开，然后你的增长路径就会发生偏离。这条路很漫长，大家需要有耐心不断探索。


- 增长体系的搭建-节奏比速度更重要

  罗马不是一天建成的，搭建增长体系也需要循序渐进的，如果你一开始就想迅速地搭一个很宏大的架子，反而会有不好的效果。

  我建议从一个点慢慢切入，一步步循序渐进。而且就如我上面讲到的，团队对增长的认知是通过一个一个案例的收获不断成长的，你希望一下子达到大而全，其实是非常困难的