用户行为分析（如何用数据驱动增长）-读书笔记1

第一章 走进用户行为数据分析

1. 什么是用户行为数据

1.1 狭义的用户行为数据

（1）用户属性数据

用户属性数据是指秒回用户特征的数据，根据人口统计学特征，可以从静态、动态及未来发展趋势三个方面观察用户，包括性别、年龄、职业、民族等统计变量。

（2）用户行为数据

用户行为数据是指用户在商业互动过程中产生的动作数据，即用户做了什么事情。

（3）用户交易数据

用户交易数据是指用户完成支付动作后产生的相关数据。

1.2 广义的用户行为数据

用户行为数据、用户属性数据、用户交易数据都包含在广义的用户行为数据之中。用户交易数据看成一种上午结算而非用户行为，在以用户为中心的逻辑下，我们看到的将是用户的整个生命周期。用户属性数据都可以理解为用户过去行为的沉淀。

1.3 用户行为数据的“5+1”要素

所谓”5+1“要素，就是指”谁“，”在什么时间“，在”什么地点“，”对什么内容“，”做了什么事情“，”产生了什么结果“。对基础要素进行逐层细拆，增加实际采集维度之后，用户行为数据就能覆盖非常多的信息。

（1）谁（Who）

“谁”这个概念在数据中不仅指用户的姓名、联系方式、身份证号等用户认知信息，还包括用户访问终端的信息。

（2）何时（When）

时间维度既可以包括这个行为当下发生的时间及发生的时长，也可前后回溯统计，按照行为频率（多少次）、行为频次（第几次）等维度来表示。

（3）在哪里（Where）

地点维度包含了线下和线上的不同类型的位置信息。

• 线下信息包括由GPS模块或可能从北斗卫星导航系统传出的经纬度坐标信息，还可能包括由加速度传感器传来的位移信息，以及由海拔传感器传来的海拔高度信息。
• 线上信息包括用户从哪里来、在哪里两部分。“从哪里来”指用户来源的数据信息，可细分为线上渠道的广告投放渠道、自然流量渠道、搜索渠道，以及线下渠道的来源。“在哪里”指用户所处页面、栏目、坑位、模块等数字化载体页面信息。

（4）做什么（What）

“做什么”主要分为内容、产品和功能几个纬度。对于内容，我们可拆解为图片、视频、音频等不同类型，其中又可以对标题、作者、字数进行更细的拆分；对于产品，可按照品类、价格等细节层层细拆；对于功能，可按照不同的子模块逐层细分。

（5）怎么做（How）

用户行为在“怎么做”生可分为三种：产品互动、内容互动和功能互动。

• 产品互动一般包括浏览、架构、预约、留资、下单、支付、退换货等行为；
• 内容互动一般包括浏览、滑动、点击点赞、评论、分享、私信、加好友等行为；
• 功能行为互动更复杂，根据不同的功能特点可能产生的行为不仅相同。

（6）做多少（How much）

当把行为数据和交易数据融合后，很多企业把像订单金额、订单类型、商品明细等结果信息上次到用户行为分析体系例，这极大地丰富了用户行为数据的价值。

2. 用户行为数据的一个趋势和两个价值

2.1 一个趋势：在数据孪生世界下，用户行为数据的迁移

数字孪生既可以帮助企业降低试错成本以开展更多创新型的实验，有可以帮助企业做到更精准地预测以防患于未然。数字孪生打开了企业通过数字世界改造物理世界的“任意门”，这将有望极大地提升企业采集并可视化数据的能力，以及正确分析和应用数据的能力，帮助企业更快、更准、更好地做出商业决策。

需求端的数字孪生即数据化营销是当下我国在数字化转型方面发展最快的地方。供给侧的数字化能降低企业的Bottom lime（成本线），需求侧的数字化能提升企业的Top line（营收线）。

2.2 价值一：理解用户需求，指导业务升级

应用用户行为数据指导业务升级的过程分为四个步骤：描述用户、理解需求、设计业务、重建关系。

• 描述用户：通过用户行为数据和用户交易数据的融合，就能很好描述用户的生命旅程。eg：新手期-成长期-成熟期-衰退期-流矢期，将用户行为数据和用户属性数据融合，就能很好地描述用户的360°画像。
• 理解需求：传统方法是通过市场调查或焦点小组的访谈；互联网公司通过观察用户在页面的浏览、比较、预订或下单行为，结合第一步获得的用户所处生命周期和360°画像，就可精准地判断出不同类型用户对于产品的真实需求。
• 设计业务：在业务设计中，特别强调用户旅程地图的概念，它本身便是由一系列用户行为在时间线上的排布构成的。用户旅程地图的格式，上部包括用户角色、业务场景；中部是不同期间用户行为、想法、情感及相对应的期望和目标；底部是收获，包括洞察及对应的服务资源。
• 重建关系：通过改进数字化的用户旅程，可帮助我们重新构建企业与用户之间的关系。例如，根据会员系统中的用户行为数据，企业可以衡量用户与产品之间的动态关系，并针对不同类型的用户关系制定个性化的维护策略。

2.3 价值二：预测用户行为，引导业务创新

当用户数据积累到一定的程度后，数据的能力将进入一个全新的领域——预测与智能决策。用户行为数据的应用，从原始数据处理，到标准报告生成，到专题报告，再到BI（商业智能）分析报告，这几个阶段基本体现了数据的第一个价值，它可以告诉企业管理者自己的业务正在发生什么，是什么导致了结果的产生，属于业务提升的必要手段。再继续发展，数据既有可能告诉我们：“什么将会发生”，“最优化策略是什么”。我们将企业业务创新发展的过程分为以下三个关键环节：

（1）预测未来

从群体预测到个体预测，体现了数字时代数据分析能力的进化。预测未来实际上就是通过用户的既有行为预测用户选择，或通过各种活动引导用户选择。在数字世界中，能轻而易举地获得自己想要的内容。这也意味着，我们的选择可能被平台精准预测；我们的消费选择也可能被平台安排得明明白白，这也是我们要警惕的数据未来。

（2）精准营销

目前市面上绝大部分的精准营销是基于第三方用户数据标签的相似人群扩展算法。尽管种子用户是企业提供，但外围标签数据是别人的，与企业自身业务的重合度太低，这些标签不能回流给企业，难以形成数据闭环，任何的模型没有闭环调教都无法优化。

精准投放很多是人工挑选的特征人群包，并非模型算法聚类生成的人群。如果能实现“高频”，那么精准营销的问题就有了答案。

（3）评估用户价值

用户行为数据的深度分析，让我们可以用一种新的方式来评估用户价值——CLV（Customer Lifetime Value，客户生命周期价值）。这是一种更高级的评估用户价值的方法，也是业务的一项重大升级。因为通过CLV的加和，企业看到的不仅是当下的经营收入，还可以看到自己拥有的未来价值，这对企业制定持续健康成长的战略非常重要。

基于用户行为数据评估用户生命周期总价值，企业的关注点在空间纬度可从单一的交易环节放大至用户在平台互动的全流程，在时间纬度可以从用户初次接触，延续到永远消失的完整生命周期。

3. 如何让用户行为数据发挥价值

3.1 用户行为数据驱动增长常见的困难

（1）提不出需求

数据驱动的世界是一个普遍存在指数级增长的世界（因为编辑成本逐渐降低，当数据积累的到一定程度后能够驱动的业务效果是呈指数级变化的），而人类认知世界的方式是线性的（经营者习惯性地理解增长的方式是复制、递增，很难想见爆炸式的增长如何实现）。这就造成了既懂数据又懂业务的专家成为稀缺资源。缺少任意一面的知识，都很难提出能够来自业务又超越当下的需求。

（2）采集工作缺失

数据和和数字化是伴生的关系，很多企业已经投入大量资源进行数字化建设，但很可惜并没有同步启动数据化工作。

（3）有报表无洞察

当企业获得更多、更丰富的用户行为数据后，团队能够提供的是BI报表时的分析报告，用数据来陈列经营管理的事实，而不是借助更多的方法工具来挖掘增长的机会。

（4）有洞察无策略

洞察与策略的区别在于，洞察是对问题原因的发现和机会的发掘，而策略是可以转化成行动的判断。

3.2 数据驱动增长金字塔：规划-采集-分析-应用

为了解决企业数据化建设中投入大、见效慢的困境，将必备工作划分为四个重要阶段，包括数据规划（Data Planning）、数据采集（Data Collection）、数据分析（Data Analysis）、数据应用（Data Application）。以最有价值的“数据应用”终点为始，启动“数据规划”，简化“数据采集”难度，标准化及智能化“数据分析”过程，最终用多样的应用场景工具实现敏捷的行动，从而实现以始为终的数据驱动闭环。