01 社交媒體用戶行為分析(什么是用戶行為分析？怎么做用戶行為分析？)

在計算思維中基于社交媒體的行為分析稱為什么

在計算思維中基于社交媒體的行為分析稱為用戶行為分析。

用戶行為是用戶在產品上產生的行為，實際表現為相關的用戶數據。產品經理運用不同分析方法對不同數據進行分析，進而為產品迭代和發展提供方向。

擴展資料：

進行用戶行為分析的方法：

1、行為事件分析

行為事件分析方法主要用于 深度研究某行為事件，以及對產品的影響以及影響程度。

2、留存分析

留存是衡量用戶是否再次使用產品的指標，也是每一個app賴以生存的指標，能夠反映任何一款產品健康度，是產品、運營、推薦效果的整體表現。如果一個app從來沒有留存用戶，那DAU將永遠是新增用戶，那么產品將無法運行下去，更別說新用戶成本付諸東流。

3、漏斗分析

漏斗分析實質是轉化分析，是通過衡量每一個轉化步驟的轉化率，通過轉化率的異常數據找出有問題的環節并解決，進而實現優化整個流程的完成率。

4、 路徑分析

路徑分析可以將紛雜的app日志按照用戶的使用過程，呈現出“明確的”用戶現存路徑。發現路徑問題，進而優化，使用戶盡可能短路徑體驗到產品核心價值。

5、用戶分群分析

通過了解用戶畫像，可以幫助運營理解用戶。根據用戶畫像（基本屬性、用戶偏好、生活習慣、用戶行為等）的標簽信息將用戶分群。

什么是用戶行為分析？怎么做用戶行為分析？

一、什么是用戶行為分析？

用戶行為可以用5W2H來總結：

Who(誰)、What(做了什么行為)、When(什么時間)、Where(在哪里)、Why(目的是什么)、How(通過什么方式)，How much (用了多長時間、花了多少錢)。

用戶行為分析就是通過對這些數據進行統計、分析，從中發現用戶使用產品的規律，并將這些規律與網站的營銷策略、產品功能、運營策略相結合，發現營銷、產品和運營中可能存在的問題，解決這些問題就能優化用戶體驗、實現更精細和精準的運營與營銷，讓產品獲得更好的增長。

二、為什么需要用戶行為分析？

在PC互聯網時代，網民的年增長率達到50%，隨便建個網站就能得到大量流量; 在移動互聯網早期，APP也經歷了一波流量紅利，獲取一個客戶的成本不到1元; 而近幾年隨著流量增長的紅利消退，競爭越來越激烈，每個領域均有成百上千的同行競爭，獲客成本也飆升到難以承受的水平，業務增長越來越慢甚至倒退。

圖：互聯網行業競爭越來越激烈

在如此高成本、高競爭的環境下，如果企業內部不能利用數據分析做好精細化運營，將產生巨大的資源浪費，勢必會讓企業的運營成本高漲，缺乏競爭力。 對于互聯網平臺來說，傳統的數據分析主要針對結果類的數據進行分析，而缺乏對產生結果的用戶行為過程的分析，因此數據分析的價值相對較局限，這也是為什么近幾年很多企業感覺做了充分的數據分析，但卻沒有太大效果的原因。

通過對用戶行為的5W2H進行分析可以掌握用戶從哪里來，進行了哪些操作，為什么流失，從哪里流失等等。從而提升提升用戶體驗，平臺的轉化率，用精細化運營使企業獲得業務增長。

三、如何采集用戶行為數據？

用戶行為分析如此重要，為什么互聯網公司中能做好用戶行為分析的鳳毛麟角？主要是原因是數據采集不全面和分析模型不完善。

1.如何高效采集用戶行為數據

傳統的數據分析因為數據精細度不夠和分析模型不完善等原因，導致分析過于粗放，分析結果的應用價值低。而我們要想做好分析，首先必須要有豐富的數據，因此要從數據采集說起，傳統的用戶行為數據采集方法比較低效，例如：我們獲取用戶的某個行為數據時，需要在相應的按鈕、鏈接、或頁面等加入監測代碼，才能知道有多少人點擊了這個按鈕，點擊了這個頁面。這種方式被稱為“埋點”，埋點需要耗費大量的人力，精力，過程繁瑣，導致人力物力投入成本過高。

在移動互聯網時代，埋點成了更痛苦的一件工作，因為每次埋點后都需要發布到應用商店，蘋果應用商店的審核周期又是硬傷，這使得數據獲取的時效性更加大打折扣。由于數據分析是業務發展中極其重要的一個環節，即便人力物力成本過高，這項工作仍然無法省掉。

因此，我們也看到國內外有一些優秀的用戶行為分析工具，實現了無埋點采集的功能，例如：國外有Mixpanel，國內的數極客在WEB、H5、Android、iOS四端都可以無埋點采集數據。通過無埋點的采集，可以極大的增強數據的完善性和及時性。

2.如何精準采集用戶行為數據

有些核心業務數據，我們希望確保100％準確，因此還可以通過后端埋點的方式作為補充，這樣既可以體驗到無埋點帶來的高效便捷，又能保障核心業務數據的精準性。數極客在數據采集方面支持無埋點、前端埋點、后端埋點以及數極客BI導入數據這四種方式的數據整合。

四、如何做好用戶行為分析？

首先要明確業務目標，深刻理解業務流程，根據目標，找出需要監測的關鍵數據節點，做好基礎的數據的收集和整理工作，有了足夠的數據，還要有科學的模型，才能更有效的支持分析結果。

上一代的用戶行為分析工具(更確切的說法應該是：網站統計或APP統計)，主要功能還是局限于瀏覽行為的分析，而沒有針對用戶的深度交互行為進行分析，因此分析價值相對有限，目前大部份互聯網從業人員對用戶行為分析的印象還停留在這個階段。

我認為要做好用戶行為分析，應該掌握以下的分析模型：

1.用戶行為全程追蹤，支持AARRR模型

500 Startups 投資人Dave McClure提出了一套分析不同階段用戶獲取的“海盜指標”這套分析模型，在硅谷得到了廣泛應用。

AARRR是Acquisition、Activation、Retention、Revenue、Refer這個五個單詞的縮寫，分別對應用戶生命周期中的5個重要環節，首先要基于用戶的完整生命周期來做用戶行為分析。

1).獲取用戶

在營銷推廣中，什么渠道帶來的流量最高，渠道的ROI如何？不同廣告內容的轉化率如何，都是在這一步進行分析的數據。

來源渠道是獲客的第一步，通過系統自動識別和自定義渠道相結合，分析每一個來源渠道的留存、轉化效果。網站的訪問來源，App 的下載渠道，以及各搜索引擎的搜索關鍵詞，通過數據分析平臺都可以很方便的進行統計和分析，利用UTM推廣參數的多維分析、通過推廣渠道、活動名稱、展示媒介、廣告內容、關鍵詞和著陸頁進行交叉分析，可以甄別優質渠道和劣質渠道，精細化追蹤，提高渠道 ROI。

通過渠道質量模型，制定相應的獲客推廣策略：

圖：渠道質量模型

以上圖形中的所示渠道為示例，渠道質量也會動態的變化。 第一象限，渠道質量又高流量又大，應該繼續保持渠道的投放策略和投放力度; 第二象限 渠道的質量比較高但流量比較小。應該加大渠道的投放，并持續關注渠道質量變化; 第三象限 這個象限里渠道質量又差，帶來流量又小，應該謹慎調整逐步優化掉這個渠道; 第四象限 渠道質量比較差，但是流量較大，應該分析渠道數據做更精準的投放，提高渠道質量。

2).激活用戶

激活用戶是實現商業目標最關鍵的第一步，如果每天有大量用戶來使用你的產品，但沒有用戶和你建立強聯系，你就無法進行后續的運營行為。

3).用戶留存

如今一款產品要獲得成功的關鍵因素不是病毒性機制或大筆營銷資金，而是用戶留存率。開發出吸引用戶回頭的產品至關重要。 Facebook平臺存在“40 – 20 – 10”留存法則。數字表示的是日留存率、周留存率和月留存率，如果你想讓產品的DAU超過100萬，那么日留存率應該大于40%，周留存率和月留存率分別大于20%和10%。

留存是 AARRR 模型中重要的環節之一，只有做好了留存，才能保障新用戶在注冊后不會白白流失。這就好像一個不斷漏水的籃子，如果不去修補底下的裂縫，而只顧著往里倒水，是很難獲得持續的增長的。

4).獲取收入

實現收入是每個平臺生存的根本，因此找到適合自己的商業模式至關重要。根據不同的業務模式，獲取收入的方式也不同：媒體類平臺依靠廣告變現，游戲類依靠用戶付費，電商類通過收取傭金或賣家付費的方式等，而在企業服務領域LTV: CAC大于3，才能有效良性增長。

5).病毒傳播

通過模型前四個階段的優化分析，從不穩定用戶、活躍用戶再到最終的忠實用戶，將獲客做最大的留存和轉化，培養為企業的忠實用戶，通過社交口碑傳播可以給企業帶來高效的收益。

在獲客成本高昂的今天，社交傳播可以為企業帶來更優質的用戶群，更低的獲客成本。

2.轉化分析模型

轉化率是持續經營的核心，因此我也用較大篇幅來詳細解讀。轉化分析常用的工具是轉化漏斗，簡稱漏斗（funnel）。新用戶在注冊流程中不斷流失，最終形成一個類似漏斗的形狀。用戶行為數據分析的過程中，我們不僅看最終的轉化率，也關心轉化的每一步的轉化率。

1).如何科學的構建漏斗

以往我們會通過產品和運營的經驗去構建漏斗，但這個漏斗是否具有代表性，優化這個漏斗對于整體轉化率的提升有多大作用，心里沒有底氣，這時我們可以通過用戶流向分析去了解用戶的主流路徑。

圖：用戶流向分析

用戶流向分析，非常直觀，但需要分析人員有一定的經驗和判斷能力。為了解決這個問題，數極客研發了智能路徑分析功能，只需要選擇轉化目標后，一鍵就能分析出用戶轉化的主流路徑。將創建漏斗的效率縮短到了幾秒鐘。

圖：智能轉化分析

2).漏斗對比分析法

轉化分析僅用普通的漏斗是不夠的，需要分析影響轉化的細節因素，能否進行細分和對比分析非常關鍵。例如：轉化漏斗按用戶來源渠道對比，可以掌握不同渠道的轉化差異用于優化渠道; 而按用戶設備對比，則可以了解不同設備的用戶的轉化差異(例如：一款價格較高的產品，從下單到支付轉化率，使用iphone的用戶比android的用戶明顯要高)。

圖：漏斗對比分析

3).漏斗與用戶流向結合分析法

一般的轉化漏斗只有主干流程，而沒有每個步驟流入流出的詳細信息，當我們在分析用戶注冊轉化時，如果能知道沒有轉化到下一步的用戶去了哪，我們就能更有效的規劃好用戶的轉化路徑。例如下圖中的轉化路徑，沒有進入第二步的用戶，有88%是直接離開了，而還有10%的用戶是注冊用戶選擇直接登錄，只有2％的用戶繞過了落地頁去網站首頁了; 而沒有從第二步轉化至第三步的用戶100％都離開了。這是比較典型的封閉式落地頁，因此只需要優化第三步的轉化率即可提升整體轉化率。

4).微轉化行為分析法

很多行為分析產品只能分析到功能層級和事件層級的轉化，但在用戶交互細節分析方面存在嚴重的缺失， 比如：在上圖的漏斗中我們分析出最后一步是影響轉化的關鍵，但最后一步是注冊表單，因此對于填寫表單的細節行為分析就至關重要， 這種行為我們稱為微轉化。

例如：填寫表單所花費的時長，填寫但沒有提交表單的用戶在填哪個字段時流失，表單字段空白率等表單填寫行為。

圖：表單填寫轉化漏斗

圖：表單填寫時長

通過上述表單填寫的微轉化分析，用戶從開始填寫到注冊成功轉化率達85％，而流量到

很赞哦!（38941）