几种常用用户行为分析模型简述

用户分析是用户中心的设计流程中的第一步。是一种理解用户，将他们的目标、需求与商业宗旨相匹配的理想方法，可以帮助企业定义产品的目标用户群。在用户行为领域，数据的使用及挖掘是非常重要的，通过数据分析方法的科学应用，经过理论推导，能够相对完整地揭示用户行为的内在规律，基于此帮助产品实现多维交叉分析。针对用户行为分析，通常分为如下几个方法：

1.行为事件分析

2.页面点击分析

3.用户行为路径分析

4.漏斗模型分析

5.用户健康度分析

6.用户画像分析

2)应用场景：针对某一具体行为，进行深度下钻分析，分析维度全面细致，确认导致该行为的原因;或针对某一结果现象，回溯可能造成此现象的行为是什么。例如查看功能模块的渗透率，回溯点击该功能和不点击该功能的用户有什么行为差别。

3)涉及的数据指标：每个产品根据产品特性，会有不同的行为事件和筛选维度，但基本涵盖了该业务所需要的所有数据指标维度，进行前期数据规划中，需要对可分析事件进行全量数据埋点。后期平台运营过程中，将依赖于前期的数据采集规划。

4)图例：

1.精准评估用户与产品交互背后的深层关系

2.实现产品的跳转路径分析，完成产品页面之间的深层次的关系需求挖掘

3.与其他分析模型配合，全面视角探索数据价值

4.直观的对比和分析用户在页面的聚焦度、页面浏览次数和人数以及页面内各个可点击元素的百分比。

2)应用场景：通常用于首页、活动页、产品详情页等存在复杂交互逻辑的页面分析。一般分为可视化热力图、固定埋点两种形式。

3)涉及的数据指标：

1. 浏览次数(PV)：该页面被浏览的次数。

2. 浏览人数(UV)：该页面被浏览的人数。

3. 页面内点击次数：该页面内所有可点击元素的总次数。

4. 页面内点击人数：该页面内所有可点击元素的总人数。

5. 点击人数占比：页面内点击人数/浏览人数。

4)图例：

页面点击热力图

2)应用场景：确定产品用户从访问到转化/流失都经过了哪些流程，转化用户与流失用户是否有行为区别，以及用户行为路径是否符合预期

3)涉及的数据指标：全链路页面级PV、UV，以及路径流转关系

4)图例：

2)应用场景：衡量每一个转化步骤的转化率，通过异常数据指标找出有问题的环节并解决，最终提升整体购买转化率

3)涉及的数据指标：转化周期(每层漏斗的时间的集合)、转化率(每层漏斗之间的)

4)图例：

2)应用场景：更大范围的业务综合指标考量，体现完整产品运营情况，预测未来发展

3)涉及的数据指标：

1.产品基础指标，主要评价产品本身的运行状态：DAU、PV、UV、新用户数;

2.流量质量指标，主要评价用户流量的质量高低：跳出率、人均浏览次数、人均停留时间、用户留存率、用户回访率;

3. 产品营收指标，主要评价产品的盈利能力与可持续性：用户支付金额(GMV)、客单价、订单转化率;

4)产品营收指标恒等式：

销售额=访客数×成交转化率×客单价

销售额=曝光次数×点击率×成交转化率×客单价;

5)图例：

2)应用场景：通过定义用户画像，可以帮助产品运营理解用户，产品设计从为所有人做产品，变成为带有某些标签的人群做产品，产品能够更精细化运营，且设计复杂度降低

3)涉及的数据指标(不限于)：

人口属性：性别、年龄等人的基本信息

兴趣特征：浏览内容、收藏内容、阅读咨询、购买物品偏好等

位置特征：用户所处城市、所处居住区域、用户移动轨迹等

设备属性：使用的终端特征等

行为数据：访问时间、浏览路径等用户在网站的行为日志数据

社交数据：用户社交相关数据

4)用户标签库图例：