最好的用户行为分析攻略

最好的用户行为分析攻略

用户行为实在太多了，拿到这样的分析需求，一是不知道如何着手，

二是做完了不是被抱怨“没分析到位”，就是被埋怨“没重点，分析了

啥！”。

到底该怎么办？

一、用户行为分析的常见错误

I错误1：乱摆指标，一锅乱炖。

最典型的就是，把性别、年龄、职业、身高体重，这种用户基础信息

往上摆。注意，用户行为，要分析的是行为，不是基础信息。无关指标太

多，只会干扰视线，乱上加乱。

I错误2：罗列数据，没有判断。

最典型的就是，罗列了用户登录数、点击数、页面跳转一大堆数据，

到底说明啥问题？没结论。这种东西根本不能被称作“分析”，只算是基

础数据展示。既然是分析就要有结论，有问题，有解答。

I错误3：望文生义，乱下结论。

最常见的这种分析•：

-用户登录少了，所以要搞高

■这个商品用户买得多，所以要多卖

-这个内容用户点的多，所以继续出

基本卜就是数据低了就搞高,高了就保持C其结论之无脑,业务部门

都看哭了……

以上种种乱象，主要来自：对不同部门关注的用户行为重点缺乏了解。

不知道重点，就可劲拼凑数据，忽视了如何从数据提炼结论，结果反而画

蛇添足。想破局，就得从认真思考：到底业务看用户行为能看出啥？

二、用户行为是什么

一个用户TD,在企业内部系统产生的，可记录的动作，都可以称为:

用户行为。

一个完整的用户行为，包括6要素：

-时间：何时发生

■地点：在XX渠道/平台/系统发生

-人物：谁发生的

・起因：第一个动作

-经过：所有动作组成的链路

-结果：行为带来的结果

这些要素，在不同平台上表现方式不同（如下图）。

注册行为结果：正式成为一个“用户”

结果：到达活动/商品/内容页面

引淙行为

（有可熊有进一步转化）

结果：接收信息

浏览行为

（有可能有进一步转化）

结果：变成舌状用户/非流失用户

互动行为

（对应的，长期不活跃就流失了）

用户

结果：对企北贡献收入

支付行为

（大部分北务的最核心行为》

客服行为

才I品兑换行为

唐后行为

在不同系统平台，收集用户行为的方式也不同。常见的有三类：

1、后台记录：用户注册表单、服务请求表单、交易订单等

2、埋点记录：用户在APP、小程序、H5浏览记录

3、业务人员反馈：通过销售、客服、售后工作人员反馈的信息

总之，这也是为啥用户行为相关指标数据显得很多、很杂、很乱的原

因：本来用户行为就有很多种，不结合具体业务需求，就是讲不清楚。

三、不同业务的需求

业务方关注用户行为,有四种情况。

I情况一：一无所知，看看再说。

常见的，比如：

・新官上任，不清楚情况

-新业务线，没做过复盘

-新年伊始，要做各种新计划

总之，对基础情况不甚了解。

这种情况下，宜粗不宜细，宜全不宜精。先给一个整体概貌，让领

导/业务同事找找感觉，之后有具体议题了，再深入分析（如下图）。不

然一上来鸡毛蒜皮一堆东西，很有可能把人看晕，感慨“这一大堆到底说

了啥？”

对应的

新用户注省行为用户活跃行为交易行为转介绍行为

用户t亍为

新用户数活跃人数、活跃时长订单额里缪与人数

行为数量

轴用户转优率关键行为（交易/转介绍）成交金额转介绍质里

各环节停韶时间功能/内容/舌动点击数单室交易时间、种类转介绍流程效率

行为细节向下一环多转化率核心流程转化率/转化单笔交易金额、频次绝彖/轻度/重度区

不同里道转化效果单个功能重度/轻度用户绝绥/轻度/重度爱好者别

在不了解业务情况下，先从最粗线条，最普遍认识的大指标开始（比如AARRR）,逐步展示用户

行为细节，展示细节的时候，先讲一个行为发生的数量，时应的用户人数；再讲一个行为流程转

化过程，最后再对用户分层，对一个行为的羟由重用户分类描述，这样就讲得很全面了，

接工电气字室

I情况二：心有所指，关注结果。

这种情况，一般出在某个具体业务流程、产品功能点、内容发布以后。

业务方目标很明确：看看这东西做得咋样了。

常见的，比如：

-内容板块：用户点击、参与讨论、转发动作

・功能点：用户使用数量、使用频次、使用时长

-商品：用户浏览、购买、重复购买、一次性大额购买

此时就不能铺开了说，而是聚焦业务关注的功能点，从大到小展

示数据（如下图）。

举例：运言新上了一个“种树结果”的打卡活动，企图拉升活跃

现状趋势

谁在玩？谁在玩？是不是在玩的人越来越多

玩多少？9与频率/次数行为越来越重/越来越轻/维持

打卡完成度

怎么玩？玩法有没有变化

功能点使用数

与交易亦专介绍行

玩了又怎样？整体行为向好0变便差

为关系

注意！用户行为分析第一个大坑点，就是：用户行为多不等于业绩好。

比如电商业务，运营兴致勃勃地上个一浇水种树领优惠的活动，企图拉一

拉活跃人数，结果发现用户都玩游戏去了，都在等优惠，反而下单的人在

减少！

此时，可以用矩阵法、前后对比法、行为关系分析等方法，具体看这

个行为对业绩的影响（如下图）。

理论上，一个行为得同时满足：吸引足够多高质量的用户参与；发生行为后，其他高质量行为

（交易席介绍）有明显提升，才能称为好行为。但实际二不需要这么苛刻的条件，只要不出现

明显的：用户使用障将，用户使用后投诉增加，干扰用户正常交易等行为,

情况三：业绩压力，焦头烂额。

这种情况，一般是评价具体业务流程，且该流程是核心流程。比如新

用户注册，大型活动参与，交易流程，关键问题投诉等等。

这时候分析目标非常具体：

-注册转化率要搞高！

■活动参与率要搞多！

-成交比例要做高！

・关键投诉坚决扑灭！

这种目标清晰的用户行为分析，可以说是最简单轻松了。核心思

路就是以下四个模块。

渠道部在做广告投放，获取新用户

不能!

能用户注册行为啥样还有没有优化空间

转化流程分析渠道/素材/B寸间/文案

点击―浏览f注册无分接地气学室

这里要注意的是，很多同学会直接插入转化流程分析。这样做呈现的

数据太细，容易模糊整体判断。好/坏的判断始终是第一位的。如果连

“好”“坏”都判断错•了，那后边的原因分析全是错的。所以先对整体形

势做判断，看看是否能接受是第一位的。

还有一点，就是补救措施分析，会被很多同学忽视。用户行为分析的

第二大坑点，就是用户行为分析是“知其然、不知其所以然”的分析，用

户行为是各种因素影响结果，在企业实际中，不可能像实验室一样每个项

目都做控制变量研究，即使提前做过ABtest,真正上线时也会因为天时地

利有各种差异。

用户接受试听销售谈价

行为能径看到广告用户注册试听买单

业务流程广告投放落地页销售邀约销售跟进殿

改个标题改注册方式改邀约话术大促销！所有课程一律5折！走过路过不要错过!

局郃改进：改进环节的人数增多，转化率提高全局改进：各个环节转化率1浦变化

下游环节人数增多，但转化率不见得变化明显整体人数水溢船高，可能在某些环节变化最大

用户行为一定是多因素综合影响的结果，特别是用户行为路径越长，累积到最后的影响因素越多，因

此如果用户行为真的在末端断掉，是很难短时间内拆分清楚的。并且企业实际环境不像实验室那么干

净，用户口碑交叉影响，当季流行的时事，舆论风潮等都会影响结果，事前ABtest失效是笔靠『学星

所以真遇到问题的时候，很有可能短时间内分析不出来原因，或者即

使大概知道原因，也没办法把活动停掉/渠道换掉C此时的思路，不是纠

结：这个到底是用户不喜欢文案还是不喜欢产品，而是：我们还能做什么

挽回。

因此补救措施分析一定不能省。这样比孤零零喊“这个流程不行啦！”

要有价值得多。这也是为啥很多数据明明给了用户转化路径的问题，可业

务方还是喊“没有建设性”的原因。没人喜欢报丧鸟天天喊：“要完啦！

要完啦！"人们想听：“试试这个！试试这人！”

I情况四：情况不明，疑神疑鬼。

这种情况，一般是某个业务做得不行，业务方又没有明确假设的时候。

就想着：“能不能深入挖掘下用户行为？找找原因？”至于挖啥、挖出来

啥原因，可能他们自己都不知道……

这是最难搞的情况。因为分析目标完全不清楚。这里有两个基本思路：

思路一：业务方先圈出来自日的目标客户，然后看目标客户在干啥

思路二：先找出一个行为的重度客户，然后问业务方：这是你们想要的不

总之，从极端情况里，更容易找到解决问题的灵感。

比如积分兑换，业务方只是觉得这个业务不行，哪里不行又说不上来。此

时可以如下图，分两个思路看数据（如下图）。

思路一：先分用户思路二：先分行为

兑换行为分类

用户价值分类消费金额/频次/VIP等级（根据兑换量/频繁程

度=）_______

高/低用户在兑

兑换量倾次/时间兑换品类/频次寸间

换行为上差异/0

高/低用户在兑

兑换品类偏好用户价值用舌动

换内容上差异

■■

是否观察到行为差异是否直接利用此分类

兑换行为意义

行为差异是否足以产生策略是否可弓I导其他行为

——々一接地气孕团

如果发现高价值用户明显偏好某些礼品兑换，则可以对应设计吸引

高价值用户礼品方案C如果发现重度用户明显存在前羊毛嫌疑，则可以对

应修改奖励规则。总之，只要用户群体行为差异足够大，就能产生策略。

四、小结

从上边四大情况可以看出来，即使是同样的数据，面对不同情况，可

以有不同