专业的短链接生成工具
链接域名
短网址有效期
用户个人行为数据分析——实战运营篇
更新时间：2025-5-15 01:22:14 作者：爱短链
用户行为数据分析的章节终于开始继续写作。
前两篇文章因为一些特殊原因被打断了，但没关系。
这篇文章将充满干货，我将发布我认知范围内最实用的有效手段。
习惯性的数据分析标准 我们经常谈论的企业增长模式或商业模式通常以某个业务平台为核心，使其正常运行，其中数据和数据分析将是不可或缺的环节。
如下图所示： 一个普通的模式，可以清楚地看到，几乎大多数企业都遵循一套系统，一般解释为目标用户群体提供产品或服务，这些用户在使用产品或服务的过程中，作为数据收集。
根据这些数据进行洞察和筛选，通过分析手段推动用户或客户的需求，创建更多满足需求的增值产品和服务，重新投入用户使用，形成完整的业务闭环。
这种完整的业务逻辑可以算是数据驱动业务增长的真正意义。
01 基本步骤 我们了解了数据分析与业务结果关系的重要性，因此所有业务数据分析都应以业务场景为起点，以业务决策为终点。
数据分析应该先做什么，然后再做什么？这是一个需要考虑的问题。
在此基础上，我将数据分析过程分为五个基本步骤。
挖掘业务意义，了解数据分析的背景、前提和业务场景结果。
制定分析计划，如何拆分场景，如何推断。
从分析计划中筛选出所需的数据，真正实分析本身。
判断从数据结果中提取商业洞察力。
商业决策是根据数据结果进行洞察的。
例如，电子商务产品、运营或市场部在百度和360搜索上都有持续的广告，以吸引网络流量。
最近，内部同事建议尝试推出UC插入屏幕，神马移动搜索信息流渠道获取流量；此外，还需要评估是否在主要安卓设备的负屏幕上进行深度广告。
如何在这种多渠道投放场景下做出深入决策？ 我们将根据上述商业数据分析过程的五个基本步骤来解决这个问题。
第一步:挖掘业务意义: 首先要了解运营部想要优化什么，并以此作为北极星指标来衡量。
对于渠道效果评价，重要的是业务转型：对于电子商务产品，不同的阶段、不同的时间，那么他的重点和需求是不同的；一开始，早期的流量转换远比 “复购率、GMV”等 ，所以无论是百度、360还是360，UC、神马等渠道的重点是如何通过数据手段衡量转化效果；也可以根据转化效果进一步，优化不同渠道的运营策略。
第二步是制定分析计划 以 流量转化 为核心转换点（解释早期流量转换可包括但不限于访问者、访问者来源、注册用户、浏览量、浏览深度、产品浏览排名、产品损失率、客户评价指数、相关页面转换率等），分配一定的流量测试预算，观察比较注册数量和最终转换效果。
接下来，我们可以继续关注这些人的流量转换，然后判断渠道质量。
第三步是拆分查询数据 由于在分析计划中需要比较渠道流量，我们需要对各种渠道跟踪流量、登陆页面停留时间、登陆页面跳出率、页面访问深度、订单、商品等类型的数据进行深入分析和登陆。
第四步是提炼业务洞察力 根据数据结果进行比较PC根据流量和转换两个核心，以及移动终端的效果 KPI，观察结果并推测业务意义。
如果百度和360的搜索效果不好，你可以考虑产品是否适合移动用户群；或者评估登录页面的性能，是否有可优化的内容，以找出业务洞察力。
第五步是产出商业决策 根据数据洞察，指导决策渠道。
PC当效果不令人满意时，停止百度或360的交付，继续跟进移动终端相关渠道进行评估；优化移动终端登陆页面，改变用户操作策略等。
以上是商业数据分析、拆解和完成推论的基本步骤。
通过举例，我希望引导你更彻底地理解这个想法。
02 内外因素分析法 在数据分析的过程中，影响我们关键指标的因素往往很多，那么如何找到这些因素呢？这里推荐内外因素分解法，也是一个非常流行的系统。
内外因素分解法将问题分为四部分，包括内外因素、可控/不可控因素，然后逐步解决每个问题。
以目前如火如荼的招聘产品为例，这类产品分为求职者和企业。
其主要盈利模式一般是向企业收费，其中一种是购买职位的广告空间。
当业务人员发现发布职位时 6月份的数量缓慢下降趋势。
如何分析某一数据指标的下降？ 从以上四个角度来看，我们分析了可能涉及的影响。
内部可控因素：产品近期在线更新、市场交付渠道变化、产品粘性、新老用户保留问题、核心目标转型。
外部可控因素：市场竞争对手近期行为、用户使用习惯、招聘需求随时间而变化。
内部不可控因素:产品策略(移动/移动/PC 端)，公司整体战略，公司客户群定位(比如只做IT行业招聘)。
外部不可控因素：互联网招聘行业趋势、整体经济形势、季节性变化，如当前金三银四。
根据该系统，我们可以更全面地分析数据指标，避免可能丢失的影响因素，并对症下药。
几种数据分析方法 以上两个经典的分析思路可以帮助您构建一个清晰的数据分析思路框架。
那么，我们应该如何处理具体的业务场景呢？或者以电子商务产品为例（请原谅我过去有更多的电子商务项目），举例和分析几种常见的方法。
01 数字和趋势 看数字和趋势是显示数据信息的最基本方式。
在数据分析中，我们可以通过直观的数字或趋势图快速了解市场趋势、订单数量、性能完成等，直观地吸收数据信息，有利于决策的准确性和实时性。
流量是电子商务产品非常重要的指标。
在上图中，我们将访问网站的用户数量（UV）页面浏览量（PV）数据看板等指标汇集到控制页面（Dashboard），并实时更新。
通过自由设置布局，有这样的数据看板，核心数字和趋势一目了然。
02 维度拆解 当单个数字或趋势过于宏观时，我们需要通过不同的维度分解数据，以获得更详细的数据洞察力。
在选择维度时，我们需要仔细考虑它对分析结果的影响。
例如，当监控网站流量异常时，可以通过拆分区域、访问源、设备、浏览器等维度来发现问题。
在图中，当天网站的访问量明显高于上周。
原因是什么？当我们根据访问源拆分流量维度时，不难发现直接访问源的访问量有了很大的提高，从而进一步关注问题。
03 用户分群 对符合特定行为或背景信息的用户进行分类是我们常说的用户分组的手段。
我们还可以通过提炼某一群用户的特定信息来创建该群用户的肖像。
例如，在北京访问购物网站和发送地址的用户可以分为北京用户群。
对于北京用户群，我们可以进一步观察他们购买产品的频率、类别和时间，从而创建用户群的肖像。
在数据分析中，我们经常针对特定行为和背景的用户进行有针对性的用户操作和产品优化，效果会更加明显。
04 转化漏斗 大多数商业实现过程可以概括为漏斗。
漏斗分析是我们最常见的数据分析方法之一，无论是注册转换漏斗还是电子商务订单漏斗。
通过漏斗分析，用户转换路径可以从前到后恢复，每个转换节点的效率可以分析。
其中，我们经常关注三个要点： 首先，从头到尾，整体转化效率是多少？ 第二，每一步的转化率是多少？ 第三，哪一步损失最大，原因在哪里？丢失的用户的特点是什么？ 注册流程分为上图 3 一步，整体转化率为 45%；也就是说有 1000名用户来到注册页面，其中 455 注册成功完成。
但不难发现，第二步的转化率是 50.7% ，明显低于第一步 89.3% 注册转化率95%，可以推断第二步注册流程存在问题。
显然，第二步的改进空间最大，投资回报率肯定不低；如果我们想提高注册转化率，我们应该优先考虑第二步。
05 行为路径 关注行为路径是为了真正了解用户的行为。
数据指标本身往往只是真实情况的抽象。
例如，如果网站分析只看访问用户的数量（UV）页面访问量（PV）这类指标完全无法理解用户如何使用您的产品。
通过大数据恢复用户的行为路径，帮助增长团队关注用户的实际体验，发现具体问题，根据用户的使用习惯设计产品和内容。
上图显示了新用户在电子商务网站上的详细行为轨迹，从进入产品流量到详细页面，再到提交订单和支付订单，最后返回到商品界面。
新用户购买转化率低，以前的业务数据无法告诉您具体原因；通过分析上述用户行为轨迹，可以发现一些产品和运营问题（如商品是否不匹配等），为决策提供依据。
06 留存分析 在人口红利逐渐消退的时代，留住老用户的成本远低于获得新用户。
每一种产品和服务都应该关注用户的保留。
市场上也有一句话说不买就是找死，持续买就是等死。
事实也证明，我们只关注保留，不断为用户创造价值，这是最重要的事情，也是制作产品的初衷，虽然不能保证每一个用户都是真实的。
但至少你可以一个下降，可以得到一个归因，当你的水龙头只有一个大杯子和出口是一个洗脸盆，你仍然漠不关心，这个产品最终成为市场泡沫。
确定产品保留的方法有很多。
最直接的方法是通过数据分析了解保留情况，或者通过分析用户行为或行为组与回访之间的关系，找到改善保留的方法。
“在 LinkedIn，如果新用户进来后添加，增长团队通过数据发现 5 以上联系人(上图红线)，所以他/她在 LinkedIn 上保留远高于未添加联系人的保留。
这样，添加联系人被称为 LinkedIn 保留新用户的核心手段之一；以上案例介绍了肖恩埃利斯的《增长黑客》一书。
运营团队除了需要关注用户的整体保留外，还可以关注各种渠道获取用户的保留，或者各种内容吸引的注册用户的回访率，产品团队关注每个新功能对用户回访的影响等，这些都是常见的保留分析场景。
07 A-B 测试 A/B 测试用于比较不同产品设计/算法对结果的影响。
产品经常用于在线 A/B 测试不同产品或功能设计的效果，市场和运营可以通过 A/B 对不同渠道、内容、广告创意的效果进行测试。
写在最后 直接滑到底部的朋友可能会失望，没有总结，没有库存，我知道很多新媒体文章会在底部写总结，文章的一般内容将分为几个关键点，如果是一个强大的单一元素文章我会写这个章程，比如最后一个竞争产品分析，但如果是更多的理论实例，我希望你能花几分钟浏览文章，即使你以2倍的速度阅读。
最后要补充的是，理论、规则或制度是为了更好地解决我们工作中的两难问题而诞生的，不要为了解决问题而解决问题。
例如，上述五个步骤和内外因素分析方法是许多产品人员常用的内外因素分析方法。
我相信很多人在点击本文之前就已经了解了这个系统，但特别注意的是，我们熟悉这个系统，但我们需要更多的感知系统。
在实际项目中，由于自身业务结构的调整，某一环节缺失，我们仍然可以保持自己的节奏，运用既定的思维来推进项目，这可以被视为对系统的理解。
感谢观看 产品小七，入坑3年，和大家一起探讨互联网产品中的术与道！ #部分数据来源：易观千帆 共享：特别声明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营合作伙伴提供便利。
网站收集的公共内容来自互联网或用户提交，这并不意味着网站同意其观点，也不对网站内容的真实性负责。
如有侵权行为，请联系网站管理员删除，请注明转载来源：https://www.yunyingdog.cn/33696.html。
由于某些特殊原因，前两篇文章中断了…… 本文共4600多字，阅读需要15分钟
用户行为数据分析的章节终于开始续写了。
前两篇文章因为一些特殊原因被打断了，但没关系。
这篇文章将充满干货，我将发布我认知范围内最实用的有效手段。
习惯性的数据分析标准 我们经常谈论的企业增长模式或商业模式通常以某个业务平台为核心，使其正常运行，其中数据和数据分析将是不可或缺的环节。
如下图所示： 一个普通的模式，可以清楚地看到，几乎大多数企业都遵循一套系统，一般解释为目标用户群体提供产品或服务，这些用户在使用产品或服务的过程中，作为数据收集。
根据这些数据进行洞察和筛选，通过分析手段推动用户或客户的需求，创建更多满足需求的增值产品和服务，重新投入用户使用，形成完整的业务闭环。
这种完整的业务逻辑可以算是数据驱动业务增长的真正意义。
01 基本步骤 我们了解了数据分析与业务结果关系的重要性，因此所有业务数据分析都应以业务场景为起点，以业务决策为终点。
数据分析应该先做什么，然后再做什么？这是一个需要考虑的问题。
在此基础上，我将数据分析过程分为五个基本步骤。
挖掘业务意义，了解数据分析的背景、前提和业务场景结果。
制定分析计划，如何拆分场景，如何推断。
从分析计划中筛选出所需的数据，真正实分析本身。
判断从数据结果中提取商业洞察力。
商业决策是根据数据结果进行洞察的。
例如，电子商务产品、运营或市场部在百度和360搜索上都有持续的广告，以吸引网络流量。
最近，内部同事建议尝试推出UC插入屏幕，神马移动搜索信息流渠道获取流量；此外，还需要评估是否在主要安卓设备的负屏幕上进行深度广告。
如何在这种多渠道投放场景下做出深入决策？ 我们将根据上述商业数据分析过程的五个基本步骤来解决这个问题。
第一步:挖掘业务意义: 首先要了解运营部想要优化什么，并以此作为北极星指标来衡量。
对于渠道效果评价，重要的是业务转型：对于电子商务产品，不同的阶段、不同的时间，那么他的重点和需求是不同的；一开始，早期的流量转换远比 “复购率、GMV”等 ，所以无论是百度、360还是360，UC、神马等渠道的重点是如何通过数据手段衡量转化效果；也可以根据转化效果进一步，优化不同渠道的运营策略。
第二步是制定分析计划 以 流量转化 为核心转换点（解释早期流量转换可包括但不限于访问者、访问者来源、注册用户、浏览量、浏览深度、产品浏览排名、产品损失率、客户评价指数、相关页面转换率等），分配一定的流量测试预算，观察比较注册数量和最终转换效果。
接下来，我们可以继续关注这些人的流量转换，然后判断渠道质量。
第三步是拆分查询数据 由于在分析计划中需要比较渠道流量，我们需要对各种渠道跟踪流量、登陆页面停留时间、登陆页面跳出率、页面访问深度、订单、商品等类型的数据进行深入分析和登陆。
第四步是提炼业务洞察力 根据数据结果进行比较PC根据流量和转换两个核心，以及移动终端的效果 KPI，观察结果并推测业务意义。
如果百度和360的搜索效果不好，你可以考虑产品是否适合移动用户群；或者评估登录页面的性能，是否有可优化的内容，以找出业务洞察力。
第五步是产出商业决策 根据数据洞察，指导决策渠道。
PC当效果不令人满意时，停止百度或360的交付，继续跟进移动终端相关渠道进行评估；优化移动终端登陆页面，改变用户操作策略等。
以上是商业数据分析、拆解和完成推论的基本步骤。
通过举例，我希望引导你更彻底地理解这个想法。
02 内外因素分析法 在数据分析的过程中，影响我们关键指标的因素往往很多，那么如何找到这些因素呢？这里推荐内外因素分解法，也是一个非常流行的系统。
内外因素分解法将问题分为四部分，包括内外因素、可控/不可控因素，然后逐步解决每个问题。
以目前如火如荼的招聘产品为例，这类产品分为求职者和企业。
其主要盈利模式一般是向企业收费，其中一种是购买职位的广告空间。
当业务人员发现发布职位时 6月份的数量缓慢下降趋势。
如何分析某一数据指标的下降？ 从以上四个角度来看，我们分析了可能涉及的影响。
内部可控因素：产品近期在线更新、市场交付渠道变化、产品粘性、新老用户保留问题、核心目标转型。
外部可控因素：市场竞争对手近期行为、用户使用习惯、招聘需求随时间而变化。
内部不可控因素:产品策略(移动/移动/PC 端)，公司整体战略，公司客户群定位(比如只做IT行业招聘)。
外部不可控因素：互联网招聘行业趋势、整体经济形势、季节性变化，如当前金三银四。
根据该系统，我们可以更全面地分析数据指标，避免可能丢失的影响因素，并对症下药。
几种数据分析方法 以上两个经典的分析思路可以帮助您构建一个清晰的数据分析思路框架。
那么，我们应该如何处理具体的业务场景呢？或者以电子商务产品为例（请原谅我过去有更多的电子商务项目），举例和分析几种常见的方法。
01 数字和趋势 看数字和趋势是显示数据信息的最基本方式。
在数据分析中，我们可以通过直观的数字或趋势图快速了解市场趋势、订单数量、性能完成等，直观地吸收数据信息，有利于决策的准确性和实时性。
流量是电子商务产品非常重要的指标。
在上图中，我们将访问网站的用户数量（UV）页面浏览量（PV）数据看板等指标汇集到控制页面（Dashboard），并实时更新。
通过自由设置布局，有这样的数据看板，核心数字和趋势一目了然。
02 维度拆解 当单个数字或趋势过于宏观时，我们需要通过不同的维度分解数据，以获得更详细的数据洞察力。
在选择维度时，我们需要仔细考虑它对分析结果的影响。
例如，当监控网站流量异常时，可以通过拆分区域、访问源、设备、浏览器等维度来发现问题。
在图中，当天网站的访问量明显高于上周。
原因是什么？当我们根据访问源拆分流量维度时，不难发现直接访问源的访问量有了很大的提高，从而进一步关注问题。
03 用户分群 对符合特定行为或背景信息的用户进行分类是我们常说的用户分组的手段。
我们还可以通过提炼某一群用户的特定信息来创建该群用户的肖像。
例如，在北京访问购物网站和发送地址的用户可以分为北京用户群。
对于北京用户群，我们可以进一步观察他们购买产品的频率、类别和时间，从而创建用户群的肖像。
在数据分析中，我们经常针对特定行为和背景的用户进行有针对性的用户操作和产品优化，效果会更加明显。
04 转化漏斗 大多数商业实现过程可以概括为漏斗。
漏斗分析是我们最常见的数据分析方法之一，无论是注册转换漏斗还是电子商务订单漏斗。
通过漏斗分析，用户转换路径可以从前到后恢复，每个转换节点的效率可以分析。
其中，我们经常关注三个要点： 首先，从头到尾，整体转化效率是多少？ 第二，每一步的转化率是多少？ 第三，哪一步损失最大，原因在哪里？丢失的用户的特点是什么？ 注册流程分为上图 3 一步，整体转化率为 45%；也就是说有 1000名用户来到注册页面，其中 455 注册成功完成。
但不难发现，第二步的转化率是 50.7% ，明显低于第一步 89.3% 注册转化率95%，可以推断第二步注册流程存在问题。
显然，第二步的改进空间最大，投资回报率肯定不低；如果我们想提高注册转化率，我们应该优先考虑第二步。
05 行为路径 关注行为路径是为了真正了解用户的行为。
数据指标本身往往只是真实情况的抽象。
例如，如果网站分析只看访问用户的数量（UV）页面访问量（PV）这类指标完全无法理解用户如何使用您的产品。
通过大数据恢复用户的行为路径，帮助增长团队关注用户的实际体验，发现具体问题，根据用户的使用习惯设计产品和内容。
上图显示了新用户在电子商务网站上的详细行为轨迹，从进入产品流量到详细页面，再到提交订单和支付订单，最后返回到商品界面。
新用户购买转化率低，以前的业务数据无法告诉您具体原因；通过分析上述用户行为轨迹，可以发现一些产品和运营问题（如商品是否不匹配等），为决策提供依据。
06 留存分析 在人口红利逐渐消退的时代，留住老用户的成本远低于获得新用户。
每一种产品和服务都应该关注用户的保留。
市场上也有一句话说不买就是找死，持续买就是等死。
事实也证明，我们只关注保留，不断为用户创造价值，这是最重要的事情，也是制作产品的初衷，虽然不能保证每一个用户都是真实的。
但至少你可以一个下降，可以得到一个归因，当你的水龙头只有一个大杯子和出口是一个洗脸盆，你仍然漠不关心，这个产品最终成为市场泡沫。
确定产品保留的方法有很多。
最直接的方法是通过数据分析了解保留情况，或者通过分析用户行为或行为组与回访之间的关系，找到改善保留的方法。
“在 LinkedIn，如果新用户进来后添加，增长团队通过数据发现 5 以上联系人(上图红线)，所以他/她在 LinkedIn 上保留远高于未添加联系人的保留。
这样，添加联系人被称为 LinkedIn 保留新用户的核心手段之一；以上案例介绍了肖恩埃利斯的《增长黑客》一书。
运营团队除了需要关注用户的整体保留外，还可以关注各种渠道获取用户的保留，或者各种内容吸引的注册用户的回访率，产品团队关注每个新功能对用户回访的影响等，这些都是常见的保留分析场景。
07 A-B 测试 A/B 测试用于比较不同产品设计/算法对结果的影响。
产品经常用于在线 A/B 测试不同产品或功能设计的效果，市场和运营可以通过 A/B 对不同渠道、内容、广告创意的效果进行测试。
写在最后 直接滑到底部的朋友可能会失望，没有总结，没有库存，我知道很多新媒体文章会在底部写总结，文章的一般内容将分为几个关键点，如果是一个强大的单一元素文章我会写这个章程，比如最后一个竞争产品分析，但如果是更多的理论实例，我希望你能花几分钟浏览文章，即使你以2倍的速度阅读。
最后要补充的是，理论、规则或制度是为了更好地解决我们工作中的两难问题而诞生的，不要为了解决问题而解决问题。
例如，上述五个步骤和内外因素分析方法是许多产品人员常用的内外因素分析方法。
我相信很多人在点击本文之前就已经了解了这个系统，但特别注意的是，我们熟悉这个系统，但我们需要更多的感知系统。
在实际项目中，由于自身业务结构的调整，某一环节缺失，我们仍然可以保持自己的节奏，运用既定的思维来推进项目，这可以被视为对系统的理解。
感谢观看 产品小七，入坑3年，和大家一起探讨互联网产品中的术与道！ #部分数据来源：易观千帆 共享：特别声明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营合作伙伴提供便利。
网站收集的公共内容来自互联网或用户提交，这并不意味着网站同意其观点，也不对网站内容的真实性负责。
如有侵权行为，请联系网站管理员删除，请注明转载来源：https://www.yunyingdog.cn/33696.html。
