互联网产品经理怎么做用户行为分析

 

一、什么是用户行为?

用户行为由最简单的五个元素构成:时间、地点、人物、交互、交互的内容。

(一)什么是用户行为?

对用户行为进行分析,要将其定义为各种事件。比如用户搜索是一个事件,在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件,也是对用户行为的一个定义;我们可以在网站或者是 APP 中定义千千万万个这样的事件。

有了这样的事件以后,就可以把用户行为连起来观察。用户首次进入网站后就是一个新用户,他可能要注册,那么注册行为就是一个事件。注册要填写个人信息,之后他可能开始搜索买东西,所有这些都是用户行为的事件。

(二)如何获取用户行为数据?

那么,我们又该如何去监测这些用户行为数据呢?

一种非常传统、非常普遍的方式就是通过写代码去定义这个事件。在网站需要监测用户行为数据的地方加载一段代码,比如说注册按钮、下单按钮等。加载了监测代码,我们才能知道用户是否点击了注册按钮、用户下了什么订单。

所有这些通过写代码来详细描述事件和属性的方式,国内都统称为“埋点”。这是一种非常耗费人力的工程,并且过程非常繁琐重复;但是大部分互联网公司仍然雇佣了大批埋点团队。

二、为什么要做用户行为分析?

既然这么麻烦,那为什么要做用户行为分析?

因为只有做了用户行为分析才能知道用户画像、才能知道用户在网站上个各种浏览、点击、购买背后的商业真相。

简单讲,分析的主要方式就是关注流失,尤其是对转化有要求的网站。我们希望用户不要流失,上来之后不要走。像很多 O2O 产品,用户一上来就有很多补贴;一旦钱烧完了,用户就都走了。这样的产品或者商业模式并不佳,我们希望用户真正找到平台的价值,不停的来,不要流失。

用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。

比如最简单的一个搜索行为:某一个 ID 什么时间搜索了关键词、看了哪一页、哪几个结果,同时这个 ID 在哪个时间下单购买了,这个整个行为都非常重要的。如果中间他对搜索结果不满意,他肯定会再搜一次,把关键词换成别的,然后才能够搜索到结果。

用户行为分析还能做哪些事情?

当你有了很多用户行为数据、定义事件之后,你可以把用户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。

三、用户行为分析的五大场景

有了用户的行为数据以后,我们有哪些应用场景呢?

  • 拉新,也就是获取新用户。
  • 转化,比如电商特别注重订单转化率。
  • 促活,如何让用户经常使用我们的产品。
  • 留存,提前发现可能流失用户,降低流失率。
  • 变现,发现高价值用户,提高销售效率。

(一)拉新

2008年我在 eBay 时,我的工作就是分析 SEM 和 SEO 的每个关键词的 ROI。eBay 每天要向谷歌买400万个关键词,除了SEM、SEO 我们还要分析其它各种合作伙伴渠道。比如一家小电商网站上面放了 eBay 的链接,而后用户通过该链接最终在 eBay 上完成了购买,eBay 就会分钱给这家网站。

eBay 特别注重是哪个搜索引擎、哪个关键词带来的流量;关键词是付费还是免费的。从谷歌那边搜素引擎词带来了很多流量,但是这些流量是否在 eBay 上成单,所以这个数据还要跟 eBay 本身数据结合、然后再做渠道分配,到底成单的是哪个渠道。整个数据链要从头到尾打通,需要把两边的数据整合之后才能做到。

(二)转化

以注册转化漏斗为例,第一步我们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。

(三)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,在那个页面上停留时间特别长,尤其在 APP 上会特别明显。再有是完善用户画像,拿用户行为分析做用户画像是比较准的。

举个例子,在美国有一个非常有名的在线视频网络 Netflix。Netflix 非常有意思,通过用户行为分析,他把你一家人都进行精准分析定义。你们一家人有多少人,是大人还是小孩,你最喜欢看的是哪三部电影?你的行为输出越多,他的推荐就会越来越精准。

(四)留存

用户流失不是说一下子就流失了,一些细微、小的一些行为,就能预示他将来会流失。

在LinkedIn的时候,我们要去追踪用户的使用行为。比如说有没有登录、登录之后有没有搜简历、有没有上传简历等等。用户这些点点滴滴的行为,都很重要。有了这些数据支撑,LinkedIn的产品、销售每天都要去看用户报告,最简单的就是用户使用行为有没有下降、哪些行为下降、哪些用户用的特别好等,以此来维护用户关系。

(五)变现

LinkedIn 是一家 2C 又 2B 的公司,在全球有4亿的用户,有很多真实用户的简历信息。2B 的业务是LinkedIn 为每一个企业 HR 销售的,目的就是帮助美国的企业去找中高端的人才,这里面有很多的不同的产品线。LinkedIn 本身就是一个社交网络,用户是经理、VP还是总监,还是业务类的,市场的、销售的等等这些数据在 LinkedIn 上都聚合成一个公司的纬度。

有了这个公司的纬度之后,我们就能够很快让销售拿着这个卖给客户。比如要跟星巴克谈业务,最能震撼到星巴克 HR 的数据是人才流失率的列表。

如上图,其员工在最近一年有哪些是从别的公司加入进来,上一家公司是谁,用蓝色显示。左边做的是星巴克员工流失,其跳槽去了哪家公司,用红色显示。

通过这个简单的分布,就可以迅速看出来人才流失情况。如果是蓝的多,说明这家公司的人才吸引方面是强的,如果是红色的多,说明这家公司人才储备和招聘方面正处于颓势。我们把数据展示给最终客户,基本上就可以拿到单子。我们可以通过数据来讲故事。我们一开始做了很多的报告,销售可以拿去讲故事,可以很快促进成单。

所有这些是通过用户行为分析做出来的,不是通过拍脑门或者是第三方数据,用户行为分析的价值不言而喻。

很多人可能不知道,「行为分析」四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度,同时,它也催生出了新一代的数据分析工具和分析方法。过去,所有人都在关注PV、UV、跳出率、访问深度、停留时长,还有很多人始终放不下的热力图等,总体来说,这些指标都属于统计指标,反映的都是产品总体情况,数据的价值除了反映现状,还有更重要的是应用。统计是数据汇总整理的结果,没有分析,怎能拿来指导业务增长呢?

当然,可能指导过。比如一款阅读产品,通过文章详情页的停留时长可以判断用户对文章的喜好程度,但是,他可能在滑动屏幕看文章、可能在评论区输入一段评论,当然,也可能没看文章却登录了诸葛io的官网看当天的实时数据(此处为硬广)。所以比起用户在该页面所花时间的汇总,用户是否是在看文章还是在评论以及评论的内容是什么对我们更有指导意义。

技术在发展,时代在召唤,所以,行为分析,你需要了解并且知道如何应用。

一、什么是用户行为分析

一口气说:基于用户在互联网产品上的行为以及行为发生的时间频次等业务价值深度还原用户使用场景并指导业务增长。

慢点说:对用户模型做关键补充。通过行为数据的补充,构建出精细、完整的用户画像。传统统计工具的数据背后没有人,所以也谈不上用户模型(画像),一个完整、多维、精确的用户画像=用户行为数据+用户属性/标签数据

二、用户行为分析在应用中的价值

关于影响数据结果和判断的三个维度:

  1. product-market fit(PMF:产品-市场契合点):意思是产品符合市场需求。比如你做了个社区电商平台,拿一个demo产品投向市场,可能这个阶段不会看有多少收入,而是看来了多少人,有多少人看了商品链接,有多少人真正支付了,这个阶段用户的认可可能对你是否决定做这个项目、判断这个项目是否有市场更有决定性因素;
  2. 用户来源:这点是说用户质量。所有的产品核心人群都不是面向所有人的(至少一开始不是),一定有他的核心人群,所以用户来源渠道的质量就决定了数据结果的好坏,可能会影响你对项目、对产品的判断和决策;
  3. 产品本身:第三点落脚到产品上了。产品承载着你的商业模式,产品本身的功能设计、用户体验、迭代以及运营策略等都会影响数据、影响留存、影响项目的生死。

基于以上理解,我们看行为分析的重要性,基于行为分析,需要让CEO对产品所切入的市场判断更准确,让市场推广人员精细化评估渠道质量,让产品设计人员准确评估用户行为路径转化、产品改版优良、某一新功能对产品的影响几何,让运营人员做精准营销并且评估营销结果等。

所以,价值在哪儿呢?

1、自定义留存分析

 从前:我们通常会认定一个用户只要打开APP就算当天的一个活跃用户,今天新增的用户只要明天启动一次APP就认为是一个留存用户;

现在:基于用户行为,我们可以做精细化留存评估。根据产品特性自定义用户留存,比如一个阅读类产品,用户打开APP后有没有去浏览或是查看一篇文章,我们可以把今天来了查看了至少一篇文章的用户算作今天的一个活跃;

意义:留存是反映任何一款产品健康度的高级指标,无论是运营好坏、产品功能设计如何,最终都可以通过留存衡量整体的情况,贴合产品业务本身去衡量留存,精细化评估产品健康度,让留存数据更有价值和指导意义。

2、精细化渠道质量评估

从前:流量时代,评估渠道带来了多少访问人数,注册人数。

现在:人口红利期已过,产品推广渠道在增多,产品越来越垂直,加上同质化竞争直接导致获客成本变高,无论从市场执行人员的角度还是公司角度,都在评估ROI,除了看流量,更需要看质量。如何评估质量,需要基于用户行为并且贴合业务去评估,一款理财产品,通过不同渠道带来的用户,真正查看了理财产品详情的有多少,真正投资成功的又有多少,哪个渠道用户又有邀请行为,最后留存最高的是哪个渠道,再结合渠道投入,计算ROI。

意义: 降低渠道成本,提升渠道转化。

3、产品分析(路径转化/漏斗分析、找到产品改进关键点、找到促进核心转化的相关因素、Aha moment等)

  • 路径转化/漏斗分析:关注核心转化,比如注册转化、购买转化,从而优化流失节点,优化行为路径设计;
  • 找到产品改进关键点:用数据量化产品核心功能,让产品迭代排期更科学,部门配合更高效;
  • 找到促进核心转化的相关因素:挖掘促进用户触发核心行为的关键行为,比如可促进用户实现购买的某些因素,找到相关行为做优化或运营激励;
  • Aha moment(惊艳一刻):快速执行,超出用户预期,让产品指数级增长。

4、精准营销(用户分群、用户分层、活动质量评估)

从前:面向所有用户或者基于用户属性维度做营销、做服务。属性包括:注册账号、手机号、性别、年龄、地域、积分和一些标签。

现在:属性+行为,无限接近真实用户。通过用户点击查看商品详情、搜索行为、点击关注某款理财产品的关注按钮、购买了个东西等等这些行为以及行为触发的人、时间、频次知道用户最近在关注什么、对哪一类商品感兴趣、对哪一类文章感兴趣、哪种理财偏好。

意义:用行为维度和属性维度共同去定位用户在产品的生命周期以及真实生活场景中的角色。营销更精准,用户体验更佳。

以上内容只是系统地罗列了4点,行为数据还有一个非常重要的应用场景就是大数据风控,特别是在金融行业,在理财、借贷等业务场景下都发挥着巨大的作用。

文章由PM28网编辑,作者:海阁,如若转载,请注明出处:http://www.pm28.com/484.html欢迎投稿

联系我们

在线咨询:点击这里给我发消息

邮件:403567334@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息