六大用户分析方法论，助你精准定位你的用户

分享至

△蓝字可关注并标星

－数据分析展示就用 DataHunter－

在日常的用户分析中，常用的有六大分析方法论：

「六大用户分析方法论」
1、行为事件分析
2、点击分析模型
3、用户行为路径分析
4、用户健康度分析
5、漏斗模型
6、用户画像分析

在之前的文章中我们详细介绍了：《用户行为路径分析》、《漏斗模型》、《用户画像》这3大方法论（点击可查看原文），今天我们推出用户分析方法论的最终章，因为剩余3个方法论涉及内容较少，所以整合成了一篇文章来做介绍。

下面为大家逐一解析剩余3种方法论，先从最基础的行为事件分析法开始。

一、行为事件分析

“行为事件分析”对于很多业务人员来说相对比较陌生，但它却是用户分析的第一步，也是用户分析的核心和基础。一般来说事件通过埋点来获得。（点击可查看《如何做数据埋点》）

行为事件分析法主要用于研究某行为事件的发生对企业组织价值的影响以及影响程度。企业常常通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。

行为事件分析一般经过三大环节：行为事件定义、多维度下钻分析、解释与结论。

1、行为事件定义

对用户行为进行分析，要将其定义为各种事件，而将人物（who）、时间（when）、地点（where）、交互（how）、交互的内容（what）聚合在一起，便构成了一个完整的用户行为事件。具体来说：

Who：即参与事件的主体，对于未登陆用户，可以是 Cookie、设备 ID 等匿名 ID ；对于登录用户，可以是用后台配置的实际用户 ID。

When：即事件发生的实际时间，应该记录精确到毫秒的事件发生时间。

Where：即事件发生的地点，可以通过 IP 来解析用户所在省市；也可以根据 GPS 定位方式获取地理位置信息。

How：即用户从事这个事件的方式。用户使用的设备、浏览器、 APP 版本、渠道来源等等。

What：描述用户所做的这个事件的所有具体内容。比如对于“购买”类型的事件，则可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、付款方式等。

行为事件指一个用户在某个时间点、某个地方、以某种方式完成了某个具体的事情。比如：某平台的所有注册用户在X月X日使用优惠券下单购买的单数是多少？这是一个完整的事件定义，有了这样的事件以后，就可以把用户行为连起来观察。

2、多维度下钻分析

最为高效的行为事件分析要支持任意下钻分析和精细化条件筛选。当行为事件分析合理配置追踪事件和属性，可以激发出事件分析的强大潜能，为企业回答关于变化趋势、维度对比等等各种细分问题。在此基础上再进行细分筛查时，才可以更好地精细化定位问题来源。

3、解释与结论

解释与结论即所谓的出分析报告阶段。对分析结果进行合理的理论解释，判断数据分析结果是否与预期相符，如果相悖，则应该针对不足的部分进行再分析与实证。

4.行为事件分析应用场景举例

某互联网金融客户运营人员发现，4月10日号来自新浪渠道的 PV 数异常标高，因此需要快速排查原因：是异常流量还是虚假流量？

企业可以先定义事件，通过“筛选条件”限定广告系列来源为“新浪”。再从其它多个维度进行细分下钻，比如「地理位置」、「时间」、「操作系统」、「操作系统」、「浏览器」等。当进行细分筛查时，虚假流量无处遁形。下图为来源为“新浪”的各城市浏览页面的总次数。

在剔除虚假流量后，运营人员可进行其他用户行为分析。

二、点击分析模型

在用户行为分析领域，点击分析被应用于显示页面或页面组（结构相同的页面，如商品详情页、官网博客等）区域中不同元素点击密度的图示。包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史内容等因素。

点击图（来自网络）

1、点击分析方法主要解决的问题主要有三点：

● 精准评估用户与产品交互背后的深层关系；

● 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；

● 与其他分析模型配合，全面视角探索数据价值，深度感知用户体验，实现科学决策。

2、点击分析模型主要用于什么分析？

● 官网

● 活动页面

● 产品频道/首页

● 详情页

点击分析通用的两种形式包括：可视化与固定埋点，可视化多用热力图进行呈现，运营可以根据点击密度判断用户的浏览喜好。

下面对比热力图与固定埋点形式的差异化。

热力图VS固定埋点

3、点击分析模型应用场景举例

例1：以上图天猫超市为案例，开发可对每一个前端模块进行埋点，然后上报数据，运营可在数据报表处下载对应数据，数据可包括：PV、UV、下单、GMV 等，可针对不同指标进行分析。

固定埋点形式（图片来源：天猫超市 (数据虚构)）

假设上图中个人护理 icon 点击 UV 占比为 67%，是频道内所有 icon 中最高的一个，那么对于猫超这么一个老用户居多的业务场景来说，老用户对在超市中购买“个人护理”有很强烈的诉求与黏性，可以重点挖掘业务价值。

再比如，假设 banner 模块的日均 UV 为 1w，我们假定这个值是偏低的，并且 banner 在页面首页的使用面积占比又超过 UV 及订单的贡献占比，此时可以考虑两种方案：压缩 banner 尺寸或者提升 banner 点击率。

从长期监控数据上看，点击分析可以观察页面某位置（业务）的改变对于用户的价值，一般而言，点击 UV 越高，说明用户的黏性越大。当然点击率还跟所处位置有关，同一页面高度，根据用户视觉习惯，一般左边点击优于右边。

例2：企业官网改版——筛选细分访客，页面优化有的放矢

企业官网是企业潜在客户的指路牌。某 To B 企业官网运营人员，根据用户的官网访问时长、用户行为路径、活跃度、注册与否等因素，将用户细分为「单纯浏览者」、「信息收集者」、「购买需求强烈者」三类。运营人员事先按照自定义规则，将三类访客进行用户分群。接下来，在“点击分析”功能模块中，分别筛选出三类人群，并查看其页面点击情况。下面以「单纯浏览者」、「信息收集者」两类进行介绍。

（1）用户群体之“单纯浏览者”的点击分析与优化方法

比如通过点击分析了解到，近 30 天，“单纯浏览者”对官网导航栏的点击情况。通过分析，若发现该类用户群体对“产品介绍”、“视频”点击率较高，这说明“产品介绍”、“视频”是初来乍到的访问者了解企业的“窗口”，而元素内容缺少“亮点”，导致访问者不愿意花时间停留。因此可尝试以下两方面优化：

● 优化内容。让产品价值、优势、案例等内容尽可能醒目，以快速吸引浏览者注意；

● 在导航栏中尝试增加社交因素。如建立论坛、设立产品博客，如此增强访问者对官网的黏性，提高网站的活跃用户数量。

（2）用户群体之“信息收集者”的点击分析与优化方向

运营人员可以通过点击分析了解近 30 天，“信息收集者”对官网导航栏的点击情况，官网运营人员应该帮助该用户群体确定购买意向。例如，「信息收集者」群体对官网导航条中“文档”、“博客”兴趣很高，而行业解决方案的点击较少。事实上，行业解决方案是该类群体值得关注的价值点，由于点击较低，可以尝试将其调整至醒目位置，进行效果对比。

三、用户健康度分析

用户健康度是基于用户行为数据综合考虑的核心指标，体现产品的运营情况，为产品的发展进行预警。包括三大类型指标：产品基础指标、流量质量指标、产品营收指标。它们三者构成了评价产品健康度的体系，它们也各有侧重点。

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

● 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；

● 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（ARPU）、订单转化率。

1、产品基础指标

UV：独立访客数（unique visitor），指通过互联网访问、浏览这个网页的自然人。但对于UV的定义有一个时间限制，一般是1天之内，访问你的产品的独立访客数，如果一个用户一天内多次访问也只计算为1个访客。UV是衡量产品量级的最重要指标。

PV：页面浏览量（Page View），用户每1次对网站中的每个网页访问均被记录1次。用户对同一页面的多次访问，访问量累计。因此一般PV值大于UV值。

IP 数：访问 IP 数指 1 天之内，访问产品的不重复 IP 数。如果一天内相同 IP 地址多次访问你的产品，只被计算为 1 次有效 IP 访问数。

新用户数：对于电商来说，新用户一般定义为未注册或者已注册，但还未进行首单支付的用户。一个新用户到老用户的转变过程可以用四象空间来划分：次数、金额、时间、品类。

2、流量质量指标

跳出率：跳出率(Bounce Rate)也被称为蹦失率：浏览单页即退出的次数/访问次数=single access/entry visits。浏览单页即退出的次数——简单说就是进入某个页面后没有点击任何页面就离开。一般用来衡量用户访问质量，高跳出率通常表示内容对用户不具针对性（吸引）。

A 页面的跳失率=(5/10) *100%

A 页面的退出率= (5+2/10+2 )*100%

人均停留时间：是指用户浏览某一页面时所花费的平均时长，平均停留时间越长，说明网站或页面对用户的吸引力越强，能带给用户的有用信息越多。

用户留存率：留存指的就是“有多少用户留下来了”。用户在某段时间内开始使用应用的用户，经过一段时间后，仍然继续使用的用户，被认作是留存用户。留存率=新增用户中登录用户数/新增用户数（一般统计周期为天）。留存率反映的实际上是用户的一个留存漏斗，即新用户转化为活跃用户、稳定用户、忠诚用户的过程，宏观观察用户的生命进程情况，通过用户的后期留存情况就能从一个层面把握渠道质量，比如，付费，粘性，价值量，CAC 成本。

用户回访率：用户在某段时间内开始使用应用，经过一段时间后，继续登陆使用的用户，被认作是回访用户。比如用户在使用该 App 之后的 N 天/周/月之后，再次使用该 App 的比例，叫做 N 天/周/月回访率。留存与回访这两者的区别就是：前者是新增多少用户，留下来多少；后者是在某时间段内，用户再次使用、访问app、软件的数量。

3、产品营收指标

客单价（ARPU）：客单价=支付有效金额/支付用户数，客单价反应平均一个用户支付的金额，金额越高，为企业带来的利润也越多，因此提升客单价是一个很好几刺激毛利润的方法，比如我们常见的促销手段：买2件减10元，买2件送赠品等；

转化率：订单转化率=有效订单用户数/UV。转化率是做成交营收的一个关键因素，转化越高表示越多用户在目标页面下单。

用户支付金额（GMV）：支付金额即产品某段时间的流水。产品的营收做得好与不好，主要就是看支付流水。盈利模式如何，有没有稳定的创收能力，是对一个产品终极的考验（战略烧钱和圈用户的先不算在内）

产品营收指标有一个恒等式：

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

（这是电商入门基础中的战斗机）

四、小结

至此，精准进行用户分析的6大方法论都介绍完了。精准的定位用户才能实现精细化用户运营。我们需要从数据中寻找规律，来进行精准的用户分析和用户运营从而驱动业务增长，不能想当然的依靠经验来制定决策。

第 169 篇数据分析展示就用DataHunter

－end－