一、什么是用户行为分析？

简单来说，通过用户行为分析我们可以记录用户在产品上的使用行为，还原用户的实际使用场景，发现产品中存在的问题以及用户需求，提升用户量。

复杂一点说，通过用户行为分析我们可以对用户使用时间点、使用时长、浏览页面个数、页面停留时间、页面浏览完成度和使用路径等用户在产品上发生的所有交互行为数据进行汇总，为漏斗模型、行为路径模型、用户分群模型等数据分析模型提供数据基础，发现用户的使用习惯和对产品的需求，优化产品及精细化运营方式。

二、怎么做用户行为分析？

用户行为分析是一个比较大的概念。做用户行为分析需要两部分工作，首先通过数据埋点采集用户行为数据，其次通过数据分析模型，洞察用户使用行为的特征，从而发现问题并找到解决方案。

做用户行为分析的过程是通过数据分析方法洞察用户行为背后的需求特征，要经过建立画像—设定事件—分析特征—用户管理这4个步骤。

1.建立画像：用户画像=用户行为数据+用户属性数据。

完整的用户画像包括用户属性数据和用户行为数据两个方面。用户属性数据指用户的性别、年龄、职业、地域，用户使用的机型，所用系统的版本，用户注册时间等与用户个人相关的数据；用户行为数据包括发起会话的时间、发起交互后每一步点击的位置、浏览的页面内容、使用时长等数据。

建立画像后，我们可以进行单个用户分析，从时间维度还原用户在使用产品时做了什么，例如浏览了哪些文章/商品，进而发现用户的行为偏好。就像用户在旅游网站上浏览过某旅行路线后，App会给用户推荐相关路线的内容，客服会与用户沟通具体的出行计划。

2.设定事件：洞察用户的重点行为数据。

事件是指用户在使用产品时做过什么。例如登录是一个事件，这个事件包括打开App、点击登录按钮、填写用户名和密码、点击确认按钮等多个步骤。设定事件的目的在于记录发生某个事件的用户人数和发生时间。

设定事件是为特征分析提供基础。例如在购物类应用中，用户购买了一双袜子，该怎么记录呢？如果提前设定了事件，那么购买袜子这个行为可以满足的事件包括“买了袜子”“买了20～30元的商品”“买了生活衣物”“买了男/女装”“买了促销/正价产品”等。

在行为分析中，设定事件是基础，我们往往是在不断进行的事件中做行为分析的。事件是对某一个行为结果的记录，而设定事件的方法，需要基于分析结果进行逆推。

用户模型是以单个用户为中心记录的该用户的所有行为，事件模型是以行为为中心记录的指定用户群的共同行为。例如我们都关注的注册量指标，通过设定事件，可以统计每天、每小时、每分钟有多少人点击了注册按钮，还可以设定事件记录有多少人注册失败。

3.分析特征：多种数据分析模型洞察行为特征。

在用户行为特征分析中，可以通过漏斗分析、行为路径分析、点击热力图分析、黏性分析等分析方法来发现行为数据背后的一些规律。

例如在分析付款成功这个重要指标上，传统的数据分析方法只能看到有多少人付款成功，那么付款成功前用户做了什么？有多少人想买商品但是没付款？这些都无法知道。

我们可以记录付款流程中的每一步事件，一般为“搜索商品—查看商品详情—加入购物车—开始付款—付款成功”的流程。

当然，更复杂的情况还要包括选择尺码、填写订单信息等，需要分析者根据产品的主要路径对每一步分析内容进行自定义，查看在关键流程中的流失情况。

通过对比每一个关键事件的用户触发人数，可了解每一个节点的用户流失情况。例如有100%的用户搜索商品，但只有87%的用户查看了商品详情，又只有30%的用户将商品加入了购物车，这些数据反映了每一个节点的用户流失率。

我们可以建立多个漏斗分析模型。例如重点分析加入购物车的用户流失情况时，可以建立“查看商品详情—选择尺码颜色—查看评论—加入购物车”的模型，进一步分析关键流失环节中的用户流失节点，找出问题所在。

与漏斗分析法相比，用户行为路径分析法是以用户为中心，还原用户的真实使用路径，从而发现用户行为偏好。漏斗分析法是由分析者设定用户使用流程中的几个关键步骤，从而发现关键流程中的流失率，通俗点说就是了解哪些用户没有听产品的话。而用户行为路径分析是选择某一个节点后，观察用户后续使用行为，也就是说，了解用户自己要干什么。

例如在线教育类产品的主流程一般是搜索课程—查看课程详情—开始注册—登录—付款—听课等关键步骤，这是产品让用户走的流程，但用户在实际使用时是什么情况呢？

通过用户行为路径分析，可以发现：搜索课程后，68.6%的用户查看了课程详情，9.5%的用户进行登录，3.9%的用户开始注册。我们还可以发现用户行为偏好，从而指导运营方式，例如在用户行为分支步骤中将用户引回主路径。

4.用户管理：根据需要建立用户分群维度。

用户分群模型是精细化运营的必要分析模型。我们可以通过用户的某项行为特征，对用户进行分群，从而发现群组用户的差异，对不同群组用户推出有针对性的运营方案。

例如在黏性分析中，可以根据连续访问天数对满足条件的用户进行分群，得到连续使用3天、7天和15天的用户群组。这是基础用户分群，也就是通过单一的条件进行的分组。

我们还可以通过多个维度的条件进行更精细化的分群，例如在连续使用3天的用户中，筛选每天浏览超过3个、5个、7个详情页的用户，又得到了进一步细分的群组。得到这样的群组后，就可以对比分析出浏览详情页的用户数量对用户下单购买概率的影响，找到不同群组用户的来源渠道的特征。

在连续3天且每天浏览超过7个详情页的用户中，还可以进一步加入筛选条件，如按照每日访问时长筛选、按照地域筛选，进而设计针对性强的活动。

三、用户行为分析有哪些价值？

1.找到产品与用户的契合点。

通过用户行为分析，发现用户高频使用的产品功能以及真正的用户行为习惯，洞察用户对产品的真正需求，调整市场运营方向。

2.分析用户来源提升ROI（投资回报率）。

在推广渠道投放上，并不应该只关注渠道转化量、曝光量这些虚荣指数，而是要通过各渠道转化用户的后续行为，发现能够带来活跃用户的渠道，调整投放策略。

3.优化产品交互设计。

产品经理们往往根据自己的主观判断和行业常见形式来做产品交互设计，但无法理性思考。行为数据反映了用户的真正使用习惯，从而做到真正以用户为中心。

4.实现千人千面的精准营销。

在没有用户行为数据前，我们会根据行业趋势、时下热点和现有资源来设计活动。但通过行为数据的用户分群和使用特征，就可以有针对性地向用户推送消息、发起活动。

总结

简单地说，用户行为分析是通过数据反馈用户的使用行为，以此能“面对面”地观察用户。