|
“用户”是以人为中心的数据分析平台的最小单元，对单个用户画像构建越完整，数据多维交叉的分析能力才能凸显。
图1：诸葛io新零售demo之用户档案（虚拟数据） 行为即标签，过去我们常常通过给用户打标签的方式进行用户洞察。事实上，行为数据本身已变得越来越有价值，基于用户行为数据的用户模型，记录了每个用户的每一次行为，客观真实的还原了用户与产品的交互过程，与单纯的标记“用户标签”相比，记录下来的用户行为数据更具有多维交叉分析的价值，构建出来的单个用户画像更完整科学。 用户在产品上的行为（所有和代码的交互）都是会被记录的，怎么标记是事件模型的核心，它是漏斗模型、自定义留存模型、全行为路径分析模型的数据源。
图2：诸葛io教育培训demo（虚拟数据） 为了最大化还原用户使用场景，我们引入一个结构：事件-属性-值，如果灵活运用这一结构，将极大地节省事件量，提高工作效率，使后续的数据洞察和交叉分析更精准，让我们在日常的业务分析中，可以更直接快速的掌握数据波动趋势。 在行为数据的漏斗分析中，通常我们以每一步触发的人数为统计口径。漏斗中另一个重要的限定因素是：转化时间的限定。
图3：诸葛io教育培训demo之漏斗（虚拟数据） 统计不是目的，指导业务增长才是最重要的，通过产品每一个设计步骤的数据反馈得出产品的运行情况，然后通过各阶段的具体分析改善产品的设计，提升产品的用户体验，这就是漏斗模型的核心价值。 热图的目标是能更直观的分析用户在页面上的焦点，不需要定义事件，不需要去对比事件，直接在页面上通过颜色深浅还原用户的聚焦位置并形成对比。
图4：麦子学院官网首页 （图示数据为脱敏数据） 作为信息时代兼具客观性和易用性的数据分析模型——热图分析，可视化的数据呈现，帮助你快速发现数据背后的问题，为网站的优化提供有力的数据支撑，关注点击行为的同时更关注不同特点用户的浏览习惯，为用户呈现个性化的产品价值。 留存被认为是比较高级的一个指标，是判断产品价值最重要的标准无论用户在应用内做了什么，只要打开了应用就是一个留存用户，但不同产品对留存有不同的定义。
图5：回访行为是查看课程详情的7日留存数据 除了N-day留存、Unbounded留存、Bracket留存，这些对时间限定的留存指标外 ，越来越多的产品开始关注自定义留存，因为他们更想知道基于自己业务场景下用户的留存情况。比如阅读类产品会把看过至少一篇文章的用户定义为真正的留存用户，因此，自定义留存模型，是通过更灵活的行为和时间条件的设置，让留存指标更精细化，让运营策略更聚焦，更有效。 如果要整体评估产品健康度，除了“留存”外，你可能还需要知道：“一个人使用了几天”，也即很多产品一直无法衡量的维度：粘性。
图6：诸葛iodemo数据之任意行为的粘性分析 通过粘性分析，让你了解产品或某个功能粘住用户的能力如何，除了常用的留存指标外，粘性从更多维度让你了解到用户是如何使用产品的，哪个功能是被用户所喜欢的，不同用户对同一功能在使用上有哪些差异，帮你更科学的评估产品和功能，更有效的制定留存策略。 用户在产品中的行为其实是个黑盒子，全行为路径是用全局视野看用户的行为轨迹，很多时候你会有意想不到的收获，在可视化的过程中有两个模型，一个是树形图、一个是太阳图。
图7：诸葛iodemo数据之太阳图
图8：诸葛iodemo数据之树形图 全行为路径分析让你更直观的看到用户使用产品的状况，了解用户的来龙去脉，找到用户最有可能完成核心转化的行为，通过产品上以及运营策略上的引导，持续挖掘更多用户的价值。 挖掘用户需求、了解用户行为习惯成为产品设计和用户运营必不可少的一环。但是，单从宏观的数据和指标分析中，有时很难做到深入理解用户的需求偏好和行为特性，因此，我们需要通过对用户的分群，让我们更好的寻找最关键的核心用户、精细化设计产品、针对化运营。
图9：诸葛io在线教育DEMO数据之手机潜在消费用户 用户分群模型，让你更深入地理解各细分用户群的差异，以便用于差异化的产品设计或运营活动的投放，更好地满足用户需求，提高用户粘性。 互联网产品的数据分析除了要进行日常统计分析，更要以人为中心“人群细分”这几乎可以认为是数字化营销的核心思维，你需要基于不同阶段提供的不同产品或服务（比如营销创意、提供的商品和服务以及特定的活动）的特性面向更加细分的人群，以此来“讨好”你的用户，并以他的需求和感受为中心。你会用好看的图表和工具呈现出各种结果，但对数据的解读需要回归到数字背后的人，人的需求、以及当下的情感，以此来指导产品迭代和运营策略。 作者：诸葛io / zhugeio1 |
|
|
