【全景数据分析】2. 用户行为分析

在开始介绍本篇内容之前，需要先了解一个基本问题：什么是用户行为？
在传统零售业中，如沃尔玛、大润发、家乐福等商超，从顾客走进门口的那一刻就开始了购物行为，无论是在广告牌/休息区/商品售卖区各个位置的停留时间，还是看到每一件商品的角度，以及是否与店员交流，即用户在购物场所发生的所有行为，都属于用户行为范畴；
同时，从实体零售业到电商领域，埋点日志几乎记录了用户的所有行为，什么时间访问商店看了哪些商品，向我们准确反应了用户在商店的购物行为。

本文会围绕以下3个问题展开讨论：
1. 为什么要分析用户行为？
2. 有哪些常见的用户行为分析角度？
3. 一些用户行为发现总结（抄作业）。

From 小编：在编辑本节内容时，本打算偷个懒，罗列出不同岗位/职能对数据的需求场景，写到一半发现是纯纯粹粹的指标堆砌，知其然却不知其所以然，所以决定推翻重写回归商业本质。

一、为什么要分析用户行为？

1. “顾客为什么来到商店？又为什么空手离开？如何设计出吸引顾客的广告？货架上如何陈列才能让顾客更快速更便捷找到商品？如何增加顾客与店员之间的互动？”
顾客在哪里，看见什么，做什么思考，产生什么反应，都是购物过程中的影响因素，这些因素加在一起，就构成了一个多维度的行为矩阵，通过研究这个复杂行为矩阵，来实现更高的商业目标。

2. 用户行为分析的价值是什么？我的观点是：科学与创新。
1> 我们不能忽视乃至否定行业先行者的经验论，但也希望有更精细更科学的运营方法，来帮助我们在激烈的商业竞争中生存；
2> 不同时代、不同类型的人消费行为可能是不同的，我们需要持续更新对消费者的理解。

二、常见的用户行为分析角度

在企业中每个人的背景、职能不同，对数据的理解也不同，我对数据分析的理解是：对假设的验证，先分析后数据。

用户行为数据指标是非常多的，单从留存率来讲，就有次日/2日/3日/周/月留存之分，在数据获取上也会非常耗时。这就要求提前确认需要验证的假设，以及数据的使用场景，再进行数据的获取分析。（备注：不同职能团队对数据的需求场景是不同的，技术开发层面会关注功能的稳定性，产品经理更关注功能的用户使用量及结果转化率，运营则更关注功能的成交量。）

个人建议，可以围绕这几个问题来搭建用户行为指标：
用户是谁？用户从哪里来？用户到店的行为如何？以及如何维护与用户的关系？
再围绕大问题进行具体剖析，接下来会详细解释。（Q代表提问，A代表回答）

1. 用户是谁？
Q：我们产品吸引到的消费者有哪些特征？年龄、性别、学历、婚否、育否、消费水平、兴趣爱好如何？基于这些信息我们能做些什么？如何获取这些用户数据？
A：好问题，希望下面的回答对你有帮助。
1> 第一个问题经常被描述为用户画像，由于个人信息属于隐私信息，所以只能由用户主动填写、授权得到，常用方式有注册时填写、电话回访、短信/粉丝群推送问卷等（注意个人信息大部分情况下是未经验证的，若统计结果与预期差异较大，需要考虑数据源的准确性）。有技术实力的企业会内部设计用户标签（主要根据用户在网站上的浏览、购买行为抽象为标签），如：是否价格敏感、品牌偏好、消费水平等，也有企业会从外部数据服务商采购用户标签。
在获取数据后，常做各个特征分布分析/特征值交叉分析；
（如下图：该企业以中年用户为主，青年为辅，其中女性用户略高于男性。）

2> 获取用户画像后，企业会基于对用户特征的分布及市场认知，辅助商业决策，如：潜在需求分析，目前提供的服务是否匹配用户群体；
3> 在实际操作中常用的数据源：用户注册信息表、访问网站的埋点日志（能获取到哪些数据取决于做了哪些数据埋点建设）。

2. 用户从哪里来？（站外）
Q：顾客从哪些渠道了解到店内的活动？
A：这个问题有些复杂哈，对于不同店铺载体（独立APP/微信小程序/PC网页/淘宝店/京东店...）的分析思路是有差异的，考虑到独立APP分析相对简单，PC网页商城市场逐渐缩小，淘宝京东店后台有晚上的流量来源数据看板，因此这里我们以微信小程序为例。
1> 微信小程序寄生于微信生态，当用户在微信内搜索关键词、打开分享链接、点击公众号菜单等上百种入口都可能会给小程序带来用户访问。
对于如此多样性的入口，微信为开发者提供了详细的场景值说明及部署文档，可以点击这里查看场景值列表https://developers.weixin.qq.com/miniprogram/dev/reference/scene-list.html

微信场景值示例

2> 当有了关于场景值的数据记录，再来计算打开小程序的来源入口就非常容易了，group by + count distinct搞定；
3> 需要特别指出，打开APP大部分用户会来到首页，但打开微信小程序的落地页是非常分散，有时需要针对不同落地页进行来源分析；
ps：如下图所示，某小程序Top3流量来源为：首页最近使用&我的小程序、首页顶部搜索框、发现页搜一搜，其中最近使用&我的小程序为最大的流量来源，由此推测大部分用户为老客。

3. 用户如何购物？（站内）
Q：用户在店内的行为路径如何？如何提高下单转化率？
A：这里可以将问题转换成4个问题，用户啥时候来逛街？逛街体验如何？喜欢逛哪些区域？以及如何让更多人买东西？
1> 用户啥时候来逛街？即分时段用户访问量（叮咚买菜、抖音、京东的访问量高峰时段是不一样的）；

2> 逛街体验如何？各个页面的加载失败率、停留时长、回访率...
3> 喜欢逛哪些区域？即不同位置的访客量、以及不同业态访客量（也可以分析各个位置/业态GMV产出）；

这个示例较为简单，实践中可以做交叉分析

4> 如何让更多人买东西？一个完整购买流程，先后经过浏览/搜索->浏览商品详情页->商品对比->加入购物车->支付成功几个环节，在不同环节的提升方法也是多样化的。
例如提升商品点击率，常见方式有：爆款推荐、个性化商品推荐算法、商品图片放大、氛围标签（节日/特价/限购...）、视频动图等。市场是不断发展演化的，需要持续探寻有效方法。

4. 如何维护用户关系？
Q：如何让用户更多得来店里？
A：当然是“满足他们的需求”（说这话会被打），因个人水平有限，以下仅做参考。
可以从用户分层、触达理由、触达方式来思考。
1> 用户与店铺的交互行为很多，如：访问、浏览、点击、下单、评论、分享，为了准确把握用户需求，需要对用户行为进行分类，然后再根据不同群体的特征，进行精细化运营，促进用户的回访/下单。常用的用户分层模型为：AARRR、RFM；

2> 触达理由：即给用户一个到店理由，可以是节日、给福利、新品到店等；
3> 触达方式：不同广告呈现方式需要不同的触达途径，如：文字+图片类使用短信或微信服务通知、文章类使用公众号、视频类选择抖音快手视频号等平台信系列，常见方式有短信、APP Push、微信公众号、微信服务通知、微信社群等。

三、一些用户行为发现总结

1. 约3%的销售额是从历史订单中被加车下单；
（对于【再来一单】这个功能设计的因果关系，可能是先洞察用户需求设计出的功能，而不是数据驱动设计的功能，推测依据是：企业因为3%的销售额而开发新功能的可能性较小。）

2. 在商品呈现上是一行1个比一行2个用户体验更佳，习惯使用右手点击比率为90%；

3. 零售业周日周一流量+下单转化率较低，周四周五周六的下单转化率较高；
4. 用户在商店内看的商品越多，下单概率越大，且至少10%的用户会购买畅销品（实体商超的促销商品垛，电商的首页爆款推荐区；）；
5. 首页Banner位置的点击率偏低，介于1.5%-5%之间，在大型促销期间也不会太高（与用户操作习惯有关）；
6. 用户更喜欢向下滑动而不是左右滑动；
7. 20%-30%的销售额来自分类页（货架页）加车；
8. 用户在线上消费时对较价格敏感（对比线下消费）。
先写这么多吧...