你是否遇到过下面的场景?
场景1:
新接收了一个项目,想了解一下当前的用户使用习惯和反馈,却没有一个全面、权威的数据支撑来帮助你深入了解,只能从用户口中了解到一些零散的信息;
场景2:
在讨论产品方案时,产品、开发在一起各抒己见,每个人都感觉自己代表用户,到底谁代表用户?
场景3:
系统经过多年的迭代,各种热门功能和僵尸功能混在一起,变得十分臃肿,你想精简一下系统功能和代码,却因为不了解哪些功能还在使用、哪些已经废弃,而不敢“轻举妄动”;
场景4:
用户报了一个线上的BUG,自己操作复现不出来,想知道用户当时的操作路径;
为什么我们了解用户行为数据会那么麻烦?
上述场景都是由于我们对用户的操作行为了解不全面导致的。虽然,我们对自己研发的系统的用户行为会有或多或少的了解,这些了解可能来自业务数据的多少,可能来自于与用户的交流、用户的反馈,也可能来自于一些埋点数据平台。但是,这些了解都是碎片化的、零散的、不够全面的。我们只能基于这些在自己的心中构建出一个使用次数、操作行为的全景图,但这个全景图是模糊的,没有具体数据支撑的,是支离破碎的。
目前了解用户行为,最有效的方式就是通过埋点数据平台,如AEM、九色鹿等。这些埋点数据平台的产品逻辑都有以下特点:
**● 工具的集合。**提供了大量工具,但是工具都是独立的,工具之间的分析数据不能关联着看。
**● 产品是被动的,用户需主动。**只有当用户主动发现一个问题,去查询,它能够提供数据支撑。如果从来没有想到过那个问题,那它就不会被注意到。
**● 特殊逻辑依赖于上报时代码处理和查询时拼复杂查询条件。**对于大部分系统,都会有特殊的逻辑。如我们把页面路径满足/:showID/:videoID规则的看做是一个页面,需要统计这个页面的PV,就需要在上报阶段通过代码处理。这就增加了用户使用的负担。如下图所示,用户会花费比较大的精力在上报阶段和查询数据阶段。