几种常用用户行为分析模型简述

最近ms中间，反复被问到写淘宝app用户分析案例。

我深深意识到，用户分析和应用在实际工作中只看了一堆数据就有很大的不同。

因此，对于拥有多年大型一线互联网用户数据分析经验的 @洛儿 取经。

以下是她的文章，也是她在实际工作中的一些经历。

欢迎关注哦！

作者：洛儿链接：https://zhuanlan.zhihu.com/p/77509726来源：知乎作权归作者所有。请联系作者获得商业转载的授权。请注明非商业转载的来源。1、在数据分析的大框架下，通过对用户行为监控获得的数据进行分析和研究的行为归因于用户行为分析。用户行为分析可以使产品更详细、更清楚地了解用户的行为习惯，从而找到网站app、推广渠道等产品存在的问题有助于产品探索高转化率页面，使产品营销更加准确有效，提高业务转化率。 用户分析是用户中心设计过程中的第一步。它是一种理解用户并匹配其目标、需求和业务目的的理想方法，可以帮助企业定义产品的目标用户组。在用户行为领域，数据的使用和挖掘非常重要。通过科学应用数据分析方法，通过理论推导，可以相对完整地揭示用户行为的内部规律，帮助产品实现多维交叉分析。对于用户行为分析，一般分为以下几种方法：1.行为事件分析2.点击页面分析3.用户行为路径分析4.漏斗模型分析5.用户健康分析6.1.行为事件分析1）：行为事件分析方法主要用于研究行为事件对产品的影响和程度。2）应用场景：对特定行为进行深度钻孔分析，分析维度全面细致，确认行为原因；或者对于某一结果现象，可能导致该现象的行为是什么。例如，查看功能模块的渗透性，跟踪点击该功能与不点击该功能的用户之间的行为差异。3）所涉及的数据指标：每个产品根据产品特点会有不同的行为事件和筛选维度，但基本上涵盖了业务所需的所有数据指标维度。在早期数据规划中，需要埋葬所有可分析事件的数据。在后期的平台运行过程中，它将依赖于早期的数据收集计划。4）图例：

2、页面点击分析1)作用：点击分析被应用于显示页面区域中不同元素点击密度的图示，可以：1.准确评价用户与产品交互背后的深层关系2.实现产品跳转路径分析，完成产品页面之间深层次关系需求挖掘3.与其他分析模型合作，从综合角度探索数据价值4.直观地比较和分析页面中用户的焦点、页面浏览次数和人数以及页面中每个点击元素的百分比。2）应用场景：通常用于主页、活动页面、产品详细信息页面等具有复杂交互逻辑的页面分析。一般分为视觉热图和固定埋点。3）所涉及的数据指标：1. 浏览次数(PV)：页面浏览次数。. 浏览人数(UV)：浏览页面的人数。. 页面点击次数：页面中所有可点击元素的总次数。. 页面点击次数：页面中所有可点击元素的总数。. 点击率:页面中点击率/浏览率。4)图例:页面点击热力图

鼠标滑动热力图

点击页面统计图

3、用户行为路径分析1）功能：明确用户现有路径，发现路径问题，或优化用户行为沿最佳访问路径，结合业务场景需求调整前端布局2）应用场景：确定产品用户从访问到转换/损失，转换用户和损失用户是否有行为差异，用户行为路径是否符合预期3）数据指标：全链接页面级PV、UV，路径流通关系4)图例：

4、漏斗模型分析1）功能：从事件链接的开始到最终转换为整个采购过程中的子链接，相邻链接的转换率性能。它是指用数据指标来量化每一步的性能。（流量漏斗模型在产品中的经典应用是AARRR模型，但现在流行更新RARRA模型)2)应用场景:衡量每个转换步骤的转换率，通过异常数据指标找出问题并解决，最终提高整体购买转换率。3)涉及的数据指标:转换周期(每层漏斗的时间 ** )，转化率(每层漏斗之间)4)图例:

5、用户健康分析1）功能：用户健康是基于用户行为数据综合考虑的核心指标，反映了产品的运行情况，并对产品的发展进行了预警。包括三种类型的指标：产品基本指标、流量质量指标、产品收入指标2）应用场景：考虑更广泛的综合业务指标，反映完整的产品运营，预测未来发展3）所涉及的数据指标：1.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质量：跳出率、人均浏览次数、人均停留时间、用户保留率、用户回访率；3. 产品收入指标主要评价产品的盈利能力和可持续性：用户支付的金额(GMV)、客户单价、订单转化率；4)产品收入指标恒等式:销售额=访客数×成交转化率×客户单价销售=曝光次数×点击率×成交转化率×5)图例：

6、用户肖像分析1）功能：根据用户属性、用户偏好、生活习惯、用户行为等信息抽象的标签用户模型。通过高度精细的用户特征来描述用户，可以让人们更容易理解用户，并可以方便计算机处理2）应用场景：通过定义用户肖像，可以帮助产品运营了解用户，产品设计从为每个人做产品，到有一些标签的人做产品，产品可以更精细地操作，设计复杂性降低3）所涉及的数据指标（不限于）：人口属性：性别、年龄等基本信息兴趣特征：浏览内容、收集内容、阅读咨询、购买项目偏好等位置特征：用户所在城市、居住区、用户移动轨迹等设备属性：终端特征等行为数据：访问时间、浏览路径等网站行为日志数据社交数据：用户社交相关数据4）用户标签数据库图例：用户所在城市、居住区、用户移动轨迹等设备属性：终端特征等行为数据：访问时间、浏览路径等行为日志数据：用户社交数据：用户社交数据：4）

有机会更新每种分析方法的具体步骤和案例案例。wechat：luoluo963邮箱：youlu2409@163.com