用户行为分析教育(用户行为分析主要分析内容)

Jiasou 184 2022-11-16

本篇文章给大家谈谈用户行为分析教育,以及用户行为分析主要分析内容对应的知识点,希望对各位有所帮助,不要忘了收藏本站喔。

本文目录一览:

为什么要做用户行为行为分析?

对于C端产品来说,用户就是你的目标,不分析用户,你难道在盲目的自嗨么。所以不以用户利益为目标的产品经都是捣蛋鬼。

产品经理要时刻站在用户的角度去分析这个问题是不是存在,功能是不是设置合理。张小龙能一秒变小白,然后来体验产品感受产品是不是好的,是不是解决问题的。但是大多数产品经理并不能做到一秒变小白,经常所谓的用户觉得,用户认为,只不过是按照自己的理解瞎搞,给自己赋予了用户的头衔,这种主观是错误的。

用户看不到摸不着,你可以调研你可以访谈,但样本过低你的结论往往是片面的不具备普适性的。所以你应该从app的数据中去分析你的用户。一个用户在app中的生命周期,从认知、熟悉,再到试用、使用,最后到达忠诚。这漫长的历程中,你需要研究每一个节点有多少用户到达了,没有到达的用户是因为什么流失的,研究他们在app中所做过的行为,卡在了哪里,流失在了哪里,然后针对这个地方去优化去提升,然后继续观察你的数据,流失的那部分又没有好转有没有提升。然后你的app才会形成正向循环,保证你的每一滴分析都会带来价值和意义。你作为一个产品经理才算是小部分的成功了。

当然,坐着一大堆事情搞的前提是,你在app中之前就预先建立了一套统计体系,用来分析你的用户行为框架。所以,在你做任何一个功能的时候,都不要忘了给你即将要分析的功能做好埋点。不要问我什么是埋点,请自行搜索百度。至于如何做好埋点,那是另外一个话题。

某教育机构经营分析

一、案例背景

        某教育机构成立于1999年,早年发展下线职业教育,已做到一定规模,有一定的群众基础。近年,互联网教育火热,公司积极向互联网领域转型。如今,已开设9个方向的大专业,覆盖互联网企业的多个热门职位。其主打的大数据开发教育,Java教育,数据分析教育课程销售数量逐年上升,已经开始扭亏为盈。

该公司的优秀增长效果得益于其完备的用户平台和高效的用户变现体系。该公司在转型初期,并不是简单的线上教育方式,而是 教育社区+线上课程平台 的模式。通过教育社区,吸引用户讨论职业问题,在有一定的职业知识信息积累以后,通过SEO,用户分享讨论帖,将对职业知识有需求的网民转化为社区用户。之后通过社区内广告位,公众号推广、外头广告推广、外呼等方式,来搜集对课程有需求的潜在用户线索。统一使用电话销售团队转化线索,让学员通过购买会员的方式开通课程平台的小课体验功能,实现第一步转化;之后对有大可需求的学员,再做进一步的转化,让其购买平台的大课服务,成为平台学员。在学员学习过程中,其教研团队,产品开发团队也在不断打磨课程,优化产品。通过多年积累,平台已经积累了较高的口碑,转化的学员中,有近60%的学员表示愿意继续上该公司的其他课程或者进阶课程。有70%的学员愿意为他的同学或者朋友推荐公司的课程;同时,营销团队还通过设计营销活动,让学员在各种节假日分享课程活动信息或者名师讲座来达到裂变传播的效果。整个自传播的学员已经具有一定规模,为公司的推广节省了很大的费用。

教育行业的营收转化模型

该公司比较关心线上教育的盈利能力,主要考核毛利额, 毛利额 = 营业收入-商品成本 来计算的,而对于细化到具体商品,毛利额也可以以 毛利额= ∑(单品售价-单品成本)* 单品数量 来计算。这时,单品的售价、单品成本、单品销量就是影响毛利额的主要因素。

线上教育产品有互联网产品都有的特点:即一次生产,可以无限次售卖。而售卖次数越多,每份课程承担的成本费用越低,这时,即使保持单品售价不变,也能有效提高毛利额。所以,一般来说,提高课程销量,就可以提升毛利额。

今年的盈利目标为1000万元毛利额,从一月到八月的毛利额情况来看,完成情况并不理想,仅完成378.9万,占全年任务的38%,之后经过领导层商议,将1000万元的毛利额目标调整为现有的700万元, 预计9月至12月,需完成320万的毛利额目标。 由于9,10月是换工作的热门月份,这段时间的培训课程需求也会比其他月更高,所以9,10月会承担毛利额的70%部分,也就是224万,平均每个月112万,之后的两个月承担30%,平均每个月承担48万元。

而近期该公司遇到一个问题,近期课程销售额提升,而毛利额却在下降,这就要求数据分析师分析问题产生原因,并给出解决方案。

二、问题确认与指标拆解

1、确认毛利额异常的问题

2、提升毛利额的方案

三、问题解决思路

四、实际方法应用

1、数据涨跌异动分析--问题拆解(逻辑树)

1)统计个月销量与毛利额的折线图,从图示中查看是否销量上升,毛利下降

2)计算各月毛利率和毛利率环比并绘制折线图,查看是否为正常波动。

3)从渠道促销开始验证,统计各类型渠道的销量与毛利率,并绘制象限图,从图示中找到销量高利率低的类型渠道。

4)从渠道类型细化到具体渠道,同样统计各渠道销量和毛利率并绘制象限图,从图示中找到销量高毛利率低的渠道。

逻辑树拆解分析介绍

逻辑树结果

通过月环比数据得知本月的毛利额下降并非数据波动,下降幅度为32%

通过逻辑树,我们将订单数据按照渠道类型和具体渠道细拆,使用关联矩阵分析找出销量和毛利率低于平均水平的渠道类型:免费渠道。在免费渠道中细拆出销量和毛利率都低于平均值的渠道名称:站内广告位。

之后我们仔细观察站内广告位8月份的数据,发现数据异常是由8月17日的大课促销引起的。

从渠道类型出发,绘制各渠道的销量和毛利率象限图(矩阵关联分析)

下钻免费渠道类型下的细分渠道,发现8月数据站内广告位    销售额极高,毛利率极低,说明很可能是站内广告位的相关活动影响了整体的毛利额;

通过对比分析,确定站内广告位的问题, 通过7、8月份的渠道毛利率和渠道销售额对比,发现毛利率主要下降的渠道为站内广告位、EDM、短信、0元体验课。

其中,由于站内广告位渠道在8月17日做了促销活动,当日出现20单毛利额为负的订单。导致该渠道本月毛利率为负值。

而考察不同明细渠道对免费渠道的销售额涨幅贡献率(即免费渠道的销售额上升中有多少额度是出自这个具体的渠道。)可以看出由于EDM短信的渠道销售额有下降,站内广告位的销售额贡献率超过100%,达到100.69%;

说明8月的销售额上升、利润额下降的问题,主要是由于站内广告位的渠道销售额大量上升而毛利率大量下降引起的。从以上两方面说明8月销售额上升而毛利额下降的问题主要出在免费渠道的站内广告位渠道。该渠道在8 月17日的招生出现了毛利额为负的情况,;而由于该活动促销的是本月一门新开大课,课程按本月成本分摊较高,所以出现了毛利额为负的情况,拉低了整体的毛利额。

2、渠道排名----综合分析

1)、对渠道的四个关键指标(ROI,报名人数转化率,跳出率,线索量)通过优化矩阵进行权重划分确定各指标的权重值。

2)、对渠道各指标进行0-1标准化,消除量纲差异的影响。

3)、利用标准化后的指标与指标进行乘积求和计算各渠道的综合得分。利用综合得分对渠道进行排名。

综合分析法:

结论: 

现有渠道最好的为站内广告位,最次的渠道位知乎KOL。

但是由于投放广告涉及很多因素,如广告复投问题,文案周期问题,转化周期长短问题,后续的改进策略还需要进一步与营销部门商议。

数据介绍:9个渠道ROI,报名转化率等4个渠道关键指标

目标优化矩阵方式确认指标权重

3 、分析培训班的各环节转化情况---产品用户行为分析(漏斗分析)

1)、做出漏斗分析

2)、找到问题环节

3)、分析问题环节原因

4)、实验设计的环节

5)、目标提升度的分析,改进后的结果估计可以提升多少毛利额。这部分需要写出具体的估算算法。

上个分析有具体到各个渠道的分析,但是这个分析里没有渠道数据;是整体数据的分析;

漏斗分析法:

漏斗分析结论:通过漏斗分析,发现漏斗中的留电环节转化率明显低于其他环节

从总体最终转化来看低于行业转化水平3%-5%,并且咨询到预留电话环节转化明显较低,考虑是从客服响应时间或话术方面进行优化。

之后,我们分析了预留联系方式环节的日志数据,发现用户等待时间过长问题。

a)、人工客服的平均用户等待时间过长

从人工客服响应时长分析,用户平均响应时长为187秒,约为3分钟。事后通过用户访谈,发现人工等待时间较长的问题也出现在较多反馈问题的区域中(该问题排名为30个中的第四个)。

b)、需要后续ABtest得出相应结论

4 )、学员价值分析---RFM建模

1、我们在日活10万的小课人群中随机抽取0.3%的用户,通过RFM区分学员的等级

RFM分析法结果:

后续计划:

为学员设计精细化运营方案,首先利用推荐算法计算出客户的兴趣领域。

对于重要价值客户:可以采用直接推荐大课购买的方案来吸引客户转化。

对于重要保持客户:可用小课促销的方案吸引客户复购,之后再逐步推荐大课来促进用户转化。

对于重要发展客户:可用买大课送会员的方式吸引客户转化。

对于重要挽留客户:可用小课促销的方案吸引客户复购,之后再逐步用买大课送会员的方式吸引客户转化。

对于一般价值客户:可以用大课限时促销的方案吸引用户转化。

对于一般发展客户:可用小课转大课促销的方案吸引用户转化。

对于一般保持客户:可用小课促销的方案吸引客户复购,之后再逐步推荐大课来促进用户转化。

对于一般挽留客户:可以先做用户召回,然后在逐渐开始用小课促销的方案吸引客户复购,之后再逐步推荐大课来促进。

1、8月站内广告位虽然出现亏损活动,但1-8月数据评估仍然是优质渠道,后续需要重点打磨,通过分析我们发现8月销售额上升而毛利额异常下降,是由于站内广告渠道做打折促销引发的。由于折价,设置失误导致出现账面亏损,从而引发毛利额下降的问题。该问题已经反馈营销团队,后续会设计价格,预警系统,如果有类似价格设置失误情况,会及时预警;通过综合分析,对各渠道的ROI、报名人数转化率、跳出率、线索量做综合指数,计算出19年前8月的最,优渠道为站内广告位渠道。后续会与营销团队依据各渠道特点进一步商议渠道改进方案。

2、留电环节为重点优化环节,优化完成后对整体转化率提高。通过漏斗分析,发现用户转化环节中,留电环节的转化率较低;我们与客服、产品团队制定改进方案。经过一个月改进后,留电环节转化率从22.57%提高至44.16%,整体转化率有提高。大课转化人数较8月增加330人,按每人人均1600元毛利额计算,预计能提升52.8万毛利额(注:实际利润需要在会计核算后才能得知);按当月浏览人数16034人计算,预计报名人数有586人,预计该改进能完成93.76万元的毛利额任务;

3、用户精细化运营模型推广后,已转化大课501人,小课3377人,将模型推广至10万日活小课用户群体中,得到完整的客户分层分布,见下图。经过用户精细化运营模型推广后,已转化大课501人,小课3377人由于大课完成毛利额任务已经包含在之前的分析中。按照小课人均毛利额17元来推算,小课预计能完成5.7万元毛利额任务。

产品分析报告|番茄TODO-摆脱拖延症

前言:在手机不离身的时代,人们自律变得越来越困难,以帮助人们提高时间效率为主旨,时间管理软件应运而生。本文将从产品、市场和竞品分析等角度对番茄TODO进行分析。

目前的时间管理软件大概分为以下几类:

1、以每日计划、列表清单为核心的时间规划类软件,如滴答清单;

2、以时间倒数日提醒事项为核心的时间倒数类软件,如倒数日、时间规划局;

3、以番茄工作法为核心的时间计算类软件,如forest、番茄TODO、潮汐等;

番茄TODO顾明思议就是一个以番茄工作法为核心的时间管理软件,主打学霸模式和强制锁机来拯救拖延症、提高时间效率实现自律,同时它也集成了未来计划、数据统计等功能。

三 、市场分析

根据易观发布的《数字用户行为分析2020年第一季度》可知,由于新冠疫情的突发,人们的日常生活和娱乐行为发生巨大的变化,大多日常行为迁移至线上,移动互联网人均单日使用时长平稳增长到达新高度。从具体数据来看,2020年一月,中国数字用户规模约为10.2亿人,环比上升0.12%,2020年第一季度互联网单日人均使用时长约为6.623小时,三月份单日人均使用时长更是接近7小时,超过一天中的四分之一时间。

疫情期间,响应停课不停学的号召,移动教育领域用户激增,同比增长37.6%。然而根据易观2019年的《数字用户行为分析报告》我们可以得知,移动互联网用户都把大部分的时间花费在社交,视频等娱乐上,而仅能有不到10%的时间投资在自我的提升上。特别是疫情期间,大部分学生、年轻人更是缺少外部监督全靠自我约束,越来越发达的网络意味着越来越难的靠自我实现自律。

对于学生和年轻人来说,学习让成绩提高让自我提升让工作效率提高是努力不被社会淘汰必要的事,如何让这些人在现代发达的网络中摆脱诱惑摆脱拖延症是问题。

番茄TODO从这个问题缺口出发,借助科学有效的学习方法加上强制性学霸模式和强制锁机帮助用户摆脱拖延症,实现最大化时间的有效利用。

路径一:待办

路径二:立刻锁机

路径三:学霸模式开始待办

路径四:自习室

本次竞品分析选取的竞品为作为以番茄工作法为基础,同样以强制锁机功能为核心的forest。分析目的:通过两者的对比,发现产品的优劣汰,加以改进。

forest上线时间比番茄todo早两年左右,App活跃人数曲折增长,番茄todo在上线后逐步增长到2017年11左右,App活跃人数变化曲线和forest大致相同,并在18年8月左右超越forset,亲民的价格和优秀的功能获得了用户的认可和青睐。

两个产品的用户经济结构大体相同,消费者超百分之六十都集中在中低层以下包括中低层消费者,所以在主要功能相差无几,用户体验差不多的情况下,番茄TODO更亲民的价格会比forest来的更加吸引用户。

业务功能比较

(1)对比番茄钟功能

功能上,forest打开软件直接点击开始就可以开启计时活动,开始后可以对这个专注活动进行命名分类。中途不可暂停,界面或计时风格不可更换,计时方式只有倒数一种,背景音乐需要解锁。专注成功可以获得金币和成功植树,若失败则该树会枯萎,forest这个产品抓住了用户的好胜心和强迫症这个心理,来帮助用户实现控制自己不触碰手机的目的,植树这个环节也可以强化用户的成就感提高用户粘度。

番茄TODO需要先添加待办活动,先设置一个工作内容才能开始计时工作,待办框背景系统会自动生成用户亦可自定义,计时风格有正向计时、倒数和记次数三种,非学霸模式可以中途暂停,可以自定义暂停时间、时间风格、锁屏后保持屏幕。学霸模式中途结束系统会弹出警醒语并回到页面继续计时,但用户可以强制退出,

(2)数据统计图

对比数据统计等模块,两者功能相似,但番茄TODO统计数据较完整,也可以按照个人的需求设置表格;时间轴这一部分番茄TODO增加一个日历模块方便查询日期;成就方面,两者都有勋章、个人排名模块,但forest的成就是一个单独入口,番茄todo是顶部拦的一个部件入口,而且forest相对于番茄TODO多了一个植树功能来增强用户的成就感和满足感。

由自习室功能模块的对比中,我们很容易能够看出forest从一而终简洁的设计风格,操作简单方便;番茄TODO一贯的用户个性化,相对于forest更多了一项功能,用户可以通过浏览或搜索加入无密码的自习室,避免了用户需要伙伴一起努力但是找不到的尴尬。

(1)添加待办、添加未来计划页面UI

在顶部栏的图标位置,我做了一点点顺序的调整,这是一个待办事项的页面,添加图标“+”应该比打卡的图标拥有更高一点的优先级,所以我将添加图标放在了打卡图标前。权限这个图标是用于指引用户如何在小米手机中设置产品的权限,建议将它放在“我的”页面中。同时在页面中我还添加了一个图标,让添加待办更显眼方便用户操作。

“未来计划”这个页面和待办一样,圆形图标原始位置在中间,当待办或未来计划事项增加足够多时,图标会随着条框往下移动。

(2)时间轴页面

在这个页面提供了用户日历方便查询日期以查看当天的专注情况,都是日历模块几乎占了一半的页面,当用户确定了日期后,想要仔细查看当天情况只能通过半个页面大小的窗口,特别是当天的专注次数特别多的时候,用户查看自己的专注情况变得更加困难。建议在日期栏添加一个按键可以展开日历或收起日历,即维持了该功能也保证了用户体验。

(3)海报库更新,配合主题颜色

如上图我们可以看得见系统的在线海报还是多年前的风格,当待办事项多起来的时候就会显得杂乱无章又不美观。根据该APP的使用情况,大部分使用者而为25岁以下的年轻女生,对APP的颜值外在也是有一定的要求,建议系统应该及时更新在线海报,以及根据用户自定义的主题颜色来生成该色系的海报,统一颜色会看起来更整洁美观。

(4)底部适配问题

我使用的是小米9,2340*1080px的尺寸大小,可以看到在“我的”页面中页面内容和底部栏是存在一定间隙的,可以发现番茄TODO产品存在的设备适配问题。

(5)待办与待办集合并

待办和待办集其实是一样的一个核心功能,但待办集相对来说多了一个收集待办事项功能。观察产品可以发现,当所有功能页面都显示的时候,底部栏就会显得拥挤。再者,通过路径图对比,更改后的工作路径更加操作简单快捷,减少了用户切换页面这个繁琐的操作。建议将待办和待办集功能合并起来,在待办页面即可以添加待办也可以添加待办集,待办可以拖拽到待办集中,在待办集中也可以将用户认为不合适的待办拖出来,而且保证数据依然保留。

6、外观设置、季度卡入口重复

在“我的”页面中,外观设置有两个入口,一个直接在页面中另一个在其他设置内,季度卡也同样。没有必要设置两个入口,增加“其他设置”页面的累赘感。在右边所示的原型图中,将两个入口去掉,对部分事项进行分类和命名修改并按照事项优先级排列。

7、备份数据和设置

番茄TODO可以支持多设备,一个账号可以在多个设备登录,但是设备之间不同步,而且恢复数据会覆盖原有设备的记录。比如我在一台手机上使用了一段时间产生了一些数据,在iPad上登录同样的账号不会自动加载我在手机上使用的数据,需要在手机上先实行备份操作再在iPad上进行恢复操作,而且恢复操作会将iPad本来的数据覆盖掉。

番茄TODO强调用户个性化的产品特性,但是这个用户个性化的设置只能保留在本设备中,而且卸载过一次后重新安装软件,软件即使恢复数据了,用户先前的个性化设置也会丢掉,恢复默认的设置,用户需要重新进行私人定制。

这两个点会让用户摇摆,思考确定要继续使用这个软件吗?

8、学霸模式警醒

在学霸模式下,中途结束系统会弹出警醒页面提醒你,然后继续回到页面计时。警醒页面只会出现3秒,而该页面有四句话,一个跳转按键,一个帮助部件,3秒是不足以看完这些内容的,看不到这些警醒,激奋人心的内容,这个页面也没有多大意义了,建议是将时间三秒增加到8秒左右。

文章暂时写得较为粗略,欢迎多提意见

用户行为特征

用户行为特征

用户行为特征,对于运营来说用户的行为是需要关注的一个点,很多时候用户的行为决定了一个网站甚至是一个软件能否继续运运营下去,所以通常都是要对于用户行为特征进行一个分析,下面一起看看相关内容。

用户行为特征1

用户行为是用户在产品上产生的行为,实际表现为相关的用户数据。产品经理运用不同分析方法对不同数据进行分析,进而为产品迭代和发展提供方向。

一、用户行为是什么?

1、用户行为

用户行为是用户在产品上产生的行为。我们以小明的case具象化用户行为表现:

因为小明关注作者的信息被记录了下来,当该作者有发布信息时,则会通知所有关注他的人,而小明也是其中之一。

小明关注作者的信息记录,则是行为数据。小明的行为数据会有 启动app、浏览、查看图集、播放视频、点赞、关注作者……

2、用户行为数据

用户行为数据是从一次次的行为中而来的,行为数据是通过埋点进行监控(相见埋点介绍)、后续一篇文章将介绍如何(设计埋点)。通常是数据同学完成埋点设计,由开发完成监控程序 或 调用SDK。针对小明的行为(假设以下均已埋点):

3、用户行为分析

是指对用户行为数据进行数据分析、研究。

4、用户行为分析的作用

(1)通过用户行为分析,可以还原用户使用的真实过程。

一个xxx的人在什么样的环境中(由于什么样的行为)在时间点做了xxx事情做了什么事情结果如何

(2)“了解用户,还原用户”是“以用户中心”的第一步。只有详细、清楚的了解用户的行为习惯、真实的使用路径、进而找出 产品使用、渠道推广等过程中存在的问题,提高用户/页面/业务过程中的转化率。

(3)用户行为分析(case需要补充)可以用于

A、拉新:渠道分析、SEM分析、用户质量分析、

B、转化:新增用户注册转化过程、产品使用过程转化(搜索、推荐等)、push推送调起过程、站外拉起过程

C、促活:用户停留时长、用户行为分布、

D、留存:用户留存分析

E、商业化:根据用户历史行为展示广告

二、如何进行用户行为分析?

1、行为事件分析

行为事件分析方法主要用于 深度研究某行为事件,以及对产品的影响以及影响程度。

针对某一具体行为,全面的描述、对比,针对其异常表象 深度下钻分析各维度、确认导致该行为数据表现的原因。如快手的播放量徒增:同期对比分析,确认历史上是否有发生过,对比 去年/上个季度/上月/上周/昨日的 数据的相对表现。多事件对比分析。对比浏览量、点赞、评论、分享事件的数据是否存在徒增。通过对比多个事件,确认徒增现象发生的范围。维度下钻:由于播放量取决于3个部门用户在快手消费视频,被监控程序上报。

所以在三个方面分析:

监控程序是否异常?在快手哪个页面的播放量增加呢?是发现、关注、还是同城?- 对应页面做了哪些调整?是否增加了引流;哪一部分用户群的播放量增加了?交叉分析 用户自然属性(平台、性别、年龄、地域、教育学历、机型、消费能力)、行为属性(新增、回流、常活跃用户;直播用户、短视频用户…、)、视频属性(视频类型、作者类型…、)

2、留存分析

留存是衡量用户是否再次使用产品的指标,也是每一个app赖以生存的指标,能够反映任何一款产品健康度,是产品、运营、推荐效果的整体表现。如果一个app从来没有留存用户,那DAU将永远是新增用户,那么产品将无法运行下去,更别说新用户成本付诸东流。

贴合业务属性、精细化留存过程 将对留存数据更有价值和指导意义。通过留存分析,能够剖析用户留在产品的原因,从而优化产品核心功能提升留存。

留存的类型:

用户留存:用户使用app后,经过一段时间仍旧使用。功能留存:用户使用xxx功能后,经过一段时间仍旧使用该功能,且其他功能均有所变化。此时,该功能对用户留存有正向作用。先前有写过 留存分析的文章,这里就不赘述了。

3、漏斗分析

漏斗分析实质是转化分析,是通过衡量每一个转化步骤的转化率,通过转化率的异常数据找出有问题的环节并解决,进而实现优化整个流程的完成率。

在产品初期(处于与市场适配的阶段):通过漏斗分析找到用户触达的瓶颈,帮助用户触达产品核心价值,真实反映MVP与市场匹配程度;在产品中期(处于用户平稳增加的阶段): (1)通过漏斗分析优化渠道,找到目标群体用户; (2)通过漏斗分析优化用户在各模块的体验(基础的登录模块、产品核心价值模块: 如抖音的播放模块、淘宝的购买模块等);在产品后期(处于用户价值产出的阶段): (1)通过漏斗分析可以改善用户生命周期(优化用户体验提高用户生命周期,间接拉长用户群体的价值产出的时间长度,减少高价值用户群体的流失);(2)可以通过漏斗分析优化商业化模块,像商品的购买过程(购物车-提交订单的转化漏斗)、广告的曝光点击等,提高生命周期中单位时间产生的价值。

4、路径分析

路径分析可以将纷杂的app日志按照用户的使用过程,呈现出“明确的”用户现存路径。发现路径问题,进而优化,使用户尽可能短路径体验到产品核心价值。

通过路径分析,可以了解到像小明这样9点左右播放视频的用户:他们是通过push点击而来,这部分用户占比是多少;他们匆匆结束播放,再也没有下一步行为,这部分用户占比又有多少。针对他们利用碎片化时间播放视屏的场景,尤其是突然退出的'场景,是否在下一次打开app时,仍旧打开终端的视频。是否有其他策略可以针对该场景来优化?

此外,路径分析不仅仅可以用于行为路径分析,也可以用于用户群体转化分析。例如:新用户中分别转化为 忠实用户、常活跃用户、潜在流失用户、流失用户的分析。

5、用户分群分析

通过了解用户画像,可以帮助运营理解用户。根据用户画像(基本属性、用户偏好、生活习惯、用户行为等)的标签信息将用户分群。

通过用户分群行为表现对比,可以进一步了解不同群体对产品的反馈,有针对性的优化产品。

发现中 西南地区的低端机型使用app时,奔溃率特别高,开发可以针对该点进行优化、降低奔溃率;可以针对不同的用户群体的行为表现 做 定向投放、push等,从而实现精细化运营。业内的商业化行为分析产品,基本上将用户画像的生成、标签的过程均合并在用户分群的群体定义中,降低了操作流程。

三、用户行为分析的完整链路

以小明为case的用户行为每天数以万/亿计的产生,如何对“这类人群”进行“行为分析”?需要行为分析将明细级别的日志聚合后再以较为可读的形式展示出来。

为了保障埋点可靠、数据上报及时、行为数据分析有效。需要一套完整的用户行为系统,包括从数据埋点设计、埋点开发、数据上报、数据模型开发、行为数据分析。 过程中也需要多方协作完成,如何保障多方协作中高效、便利的完成、产出具有业务价值的数据分析结论。后续将介绍服务于用户行为分析的相关平台介绍。

用户行为特征2

一、什么是用户行为

中国有句古话“天地四方为宇,古往今来为宙”,这句话揭示了空间和时间的概念。我们要想透彻地研究任何事物,常以时间和空间两个维度来考虑。分析用户行为也不例外。

换句话说,用户行为的研究内容可以按照时间和空间维度展开。

从时间的维度来看,按照管理学大师菲利普科特勒的理论,用户的行为轨迹包括:产生需求、信息收集、方案比选、购买决策;购后行为5个阶段。其中购后行为包括使用习惯、使用体验、满意度、忠诚度等。

从空间的维度来看,用户行为的构成要素包括5W2H,例如我们要全面描述用户在购买阶段的行为,就要回答这样的问题,谁(who)?打算在什么时候(when)?什么地方(where)?买什么东西(what)?产生需求的动机是什么(why)?打算买多少(how much)?如何买(how)?同理,在使用阶段也可以从这7个要素来描述。

5阶段和7要素的结合,形成了用户行为分析的研究体系。这个体系细化了用户行为的研究内容,基于这些内容,就有了用户调查问卷的一些基本的问题。

二、为什么分析用户行为(Why)?

之所以分析用户行为,是为了找到用户行为的特征,从而为企业的经营提供支持。

大家想想,用户行为具有哪些特征呢?

Q1: 用户行为是同质化的,还是差异化的?

A1:差异化的,因此用户行为具有差异性

Q2:用户行为是静态不动的,还是动态变化的?

A2:动态变化的,因此用户行为具有流动性

Q3:用户行为是相互隔绝的,还是相互影响的?

A3:相互影响的,因此用户行为具有传播性

差异性、流动性和传播性是用户行为的三个显著特征。那么,这些特征具体是如何表现的,分析这些特征对企业的经营有什么作用?

这里我们只谈差异性,后面的博文中会谈流动性和传播性。

用户行为从时间和空间的维度,分为5阶段7要素。因此用户的差异性,就表现在这5阶段和7要素上。例如,在产生需求阶段,用户的需求动机why不同。同样是买电脑,有的是为了工作、有的为了学习、有的是为了消遣;再比如,在信息收集阶段,用户的信息收集渠道where不同。同样是买房子,有的看网络广告;有的听朋友介绍;有的到现场采点。

这里只举了两个阶段,你能说出在其他阶段用户的差异性表现吗?

意识到用户的差异性,企业的营销工作就不会搞一刀切,就不会拿大炮轰蚊子,而是会进行市场细分和目标市场选择,然后针对目标用户进行精准营销。这种精准营销体现在市场定位、竞争战略选择、品牌形象和营销组合等很多方面。

三、如何分析用户行为(How)?

这里我们只谈差异性,后面的博文中会谈流动性和传播性。

我们前面谈到因为用户行为具有差异性,因此需要进行市场细分和目标市场选择,那么如何进行市场细分和目标市场选择呢?

市场细分的思路是看看从哪个维度切分市场,使所分得的细分市场内部具有的共性,细分市场之间具有个性。从哪个维度切要结合企业所处的行业特点的。例如食品市场,地域差异比较明显,南甜北咸东辣西酸,所以食品市场可按地域分;服装市场,性别差异非常突出,男款少而精;而女款多而靓,所以服装市场可按性别分。此外二八原则,也广泛用于市场细分,即我们可以按重要程度将用户分为大中小三类。重要性可以有很多评价指标,比如规模、综合实力、业内影响力、对企业的贡献率、在同类产品上的总投入等等。

将市场划分成几个细分市场后,企业就面临着目标市场选择的问题。如何选择目标市场呢?这是一个团体决策的过程,在选择目标市场时往往需要企业的管理人员和骨干营销人员坐在一起讨论来确定。讨论共有五步进行

第一步指标的选择需结合企业自身的实际情况。例如,我是大企业,规模经济是我的优势,那市场规模就是我选择的重要指标;我是中小企业,我要更关注竞争的激烈程度,因为竞争太激烈了,我可能无法存活。因此,竞争强度就是我选择的重要指标。

第二和第三步确定优先级和为指标打分的方法可参考小蚊子的《谁说菜鸟不会数据分析》中的权重确定方法

第四步的综合得分是第二步和第三步的结果加权平均得到。

第五步选择目标市场可以企业适应度和市场吸引力为横纵坐标,得出各个细分市场在四个象限中的位置。

六款免费的用户行为分析工具测评

中国移动互联网市场经过几年的高速发展,增速已经明显放缓,人口红利逐渐消失。移动互联网进入了下半场,市场竞争已经从增量用户竞争逐步转化成为存量用户竞争。同时伴随流量红利消失,数据红利时代已经到来,流程驱动性公司正转变为数据驱动的数字公司,竞争从同业蔓延至异业竞争,跟随用户,跨场景地满足用户的需求将会成为数据红利时代最核心的诉求。

如果说数字化转型不可逆,那么对于用户的精细化运营将会是数字化转型的支撑点之一。要实现对用户的精细化运营,必不可少要对用户行为进行分析。比如对网站、APP等渠道的用户行为数据进行采集,对获取到的用户行为数据进行多维度、多角度对比分析,用以指导提升获客效率、优化产品服务和用户体验,以数据驱动业务持续增长。

但目前来看,距离要实现这一目标,还有一定的差距。由于日常工作中,大家的分工不同,仅关注某一个方面的数据显然不够,无法全面了解产品运营情况,更不能提出行之有效的分析建议。

现在的情况是在公司内,业务部门想要看数据,会先提出自己的数据需求,这时候需要找到技术人员或者数据分析师,根据需求写SQL将数据从库里提出来,交给数据分析师进行分析,形成对应报表之后,再发给业务部门查看,完成整个过程没个三五天搞不定,数据分析的时效性大大降低。

企业采用用户行为分析工具,可以让产品、运营、市场、数据等业务部门更方便的分析数据,让技术部门日常面对的零碎需求更少,能把等多精力放在建立数据仓库等核心工作上。

当我们在做产品开发或者产品运营时,通常需要第三方工具去做用户行为分析以提供数据支持。因此免费产品的试用成了大家在前期选择工具的必要方式。为了方便大家对目前市场上的用户分析工具有一个清晰的了解,我们在试用了大量的工具后,分别从数据接入、数据分析、安全与拓展几个方面进行了综合分析。

许多人都在问,市场上有没有免费的用户行为分析工具,答案是有的!不过各家各有特点,国外知名用户行为数据分析工具像Google Analytics(以下简称GA)、Mixpanel,国内有百度统计、易观方舟Argo、友盟、TalkingData免费版(以下简称TD免费版)。

01、数据接入

谈到数据接入,首先需要说明的是几个产品在数据模型上的差别。

GA、百度统计诞生于传统PC互联网时代,都是以传统的页面浏览(PV)和用户会话(Session)为核心。其中GA经过多年演进,增加了一些关于事件分析和自定义属性的内容,但本质上主要还是服务于页面类的产品。百度统计还是依然只支持页面和会话统计。

随着移动互联网时代到来,用户的行为触点变多,以往以页面和会话为中心所能采集到的结构化数据颗粒度不够细,页面和会话模型已经不适用了。因此,基于“用户+事件(User+Event)”模型出现了,在分析的时候可以完全自主的定义需要分析的事件,并从不同的属性维度进行交叉分析。刚推出不久的易观方舟Argo,以及Mixpanel、友盟、TalkingData免费版都采用了 “用户+事件”模型。

在埋点方面,目前根据埋点的工具和方式,可以划分为三种类型:代码埋点,可视化埋点和全埋点,并没有说哪一种方式能够碾压其他几种,因为都各有弊端,具体的各种埋点方法的分类与优缺点我们也做一下对比:

下面我们看一下市面上几家免费的数据分析产品之间在数据接入方面对比。需要注意的是由于GA、Mixpanel都是国外产品,在数据采集的规则适配了iOS、Android的设计规范,但国内开发者常常直接忽视这些设计规范开发产品,而GA、Mixpanel在数据采集上没有针对国内产品的特点进行优化,因此在数据采集的准确性上可能会受到一些影响。

另外,需要提到的一点是Mixpanel和易观方舟Argo的数据采集SDK开放了源代码,一定程度上可以打消企业在数据采集安全方面的顾虑。

02、数据分析

数据分析是用户行为分析工具的核心,除了百度统计以外,其他几款产品都可以满足用户行为数据分析的基本需求,但在功能的丰富程度上不尽相同。具体对比可以看下表。

从分析模型丰富程度上来看,Mixpanle和易观方舟Argo是里面功能最全的,堪称全家桶,唯一遗憾的是目前易观方舟Argo目前尚不支持热图分析。比如最常用的“事件分析”这个功能,不止可以从PV、UV等方面进行分析,还可以根据不同的属性值设定具体的指标按照不同的维度进行对比,功能非常强大。

从数据准确性上来看,GA在算法的严谨性上应该是最好的,但如果用户或者事件量比较大的时候,会采取抽样分析,可能会影响到数据的准确性,Mixpanel的免费版本也会存在类似的问题。易观方舟Argo在这方面表现抢眼,在数据计算上支持秒级实时数据分析、自定义指标、多维多人群指标对比、人群交叉分析、智能分析、数据实时回传、即席数据分析等。

从数据管理、项目管理、权限管理这些常用的管理功能方面来看,几款工具都提供了比较友好的支持。但仅有友盟+提供了手机app,可以随时通过手机查看监测的数据情况,易观方舟Argo支持通过手机浏览器访问查看数据看板。

另外,值得一提的是易观方舟Argo里面的用户运营和触达功能。目前易观方舟Argo可以在完成用户分析与分群后,通过邮件、短信、Push消息等方式对目标用户进行触达,还支持配置UTM追踪参数对广告进行跟踪。

03、安全与拓展性

企业级产品在数据安全性和可拓展性上,需要提前做一些考量,几款产品也各有侧重,具体对比情况如下表所示:

(点击图片可查看清晰大图)

GA免费版 和 Mixpanel 提供的都是SaaS服务,但因为服务器都在国外,在国内使用起来稳定性和刷新速度上可能会有一定的影响;百度统计、友盟统计、TD免费版基本上都是SaaS服务;易观方舟Argo提供安装包,可由企业自己私有部署,如果对数据安全有顾虑,易观方舟Argo是个不错的选择。在服务方面,除了GA和易观方舟Argo可提供社区服务支持以外,其他产品目前还没有完善的用户服务支持。

总结

对比来说,刚推出不久的易观方舟Argo,在数据采集、数据分析能力上,已经可以满足产品数据和用户行为数据分析的需求,而且提供了独家的一站式用户运营和用户触达。与目前其他国内的免费工具产品对比来说,易观方舟Argo在颗粒度细致程度、分析模型全面性、系统性能方面表现优秀。

目的,大多数成长型团队、创业团队的市场及运营预算都相对紧张,每一分投出去的钱恨不得立马知道什么时候能转化回来,如果自己搭建一套完整的数据分析平台要花费的功夫肯定不少。相信更多性能全面的用户分析和运营分析工具的免费开放,能避免企业在市场运营方面走弯路;也能解放团队更专注的在业务上,通过用户行为分析提升营销效率、优化迭代产品、留住更多用户,真正用数据指导和驱动业务。

最后,这次选型过程中,在易观方舟Argo社区交流感受较好,现在市面上能见到的免费工具产品不少,但真正形成自己技术服务社区的不多。相信未来他们能把这个社区做的更好,就像当年小米运营MIUI做社区一样,能给广大的技术宅和数据爱好者提供一个炫技、PK、互助的圈子。

用户行为分析教育的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于用户行为分析主要分析内容、用户行为分析教育的信息别忘了在本站进行查找喔。

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
上一篇:餐饮智能客户体验旅程(餐饮如何做好顾客体验)
下一篇:客户体验感很舒服怎么形容(客户体验感好怎么阐述)
相关文章

 发表评论

暂时没有评论,来抢沙发吧~