07 facebook廣告創建流程的層級(電商運營主要是干什么)

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％，而流量到填寫只有8%，可以得出影響轉化的最大泄漏點就是填寫率，那么如何提高填寫率就是我們提升注冊轉化的核心。有效的內容和精準的渠道是影響填寫的核心因素，渠道因素我們在獲客分析中已經講過，這就引出我們微轉化分析的第4種工具：用戶注意力分析。

5).用戶注意力分析法

用戶在頁面上的點擊、瀏覽、在頁面元素上的停留時長、滾動屏幕等用戶與頁面內容的交互行為，這些都代表用戶對產品要展示的信息的關注程度，是否能吸引用戶的眼球。

業務數據可以可視化，那么行為數據如何可視化呢？ 數極客把上述行為轉化成了分屏觸達率熱圖、鏈接點擊圖、頁面點擊圖、瀏覽熱圖、注意力熱圖這5種熱圖，通過5種熱圖的交叉分析，可以有效的分析出用戶最關注的內容。

圖：注意力熱圖

只有能掌握微轉化的交互行為分析，才能更有效的提高轉化率。而一切不能有效提高平臺轉化率的分析工具都在浪費企業的人力和時間資源，這也是眾多企業沒有從用戶行為分析中獲益的根本原因。

3.精細化運營模型

以前做運營只能針對全體用戶，如果要針對部分目標客戶做精準運營行為。

圖：用戶分群畫像

例如：當我們希望對某個地區使用iphone的注冊但三天不活躍或未形成交易轉化的用戶進行精準營銷時，需要運營人員、產品人員、技術人員 全體配合去調取數據、制定運營規則，其中涉及到大量人力和時間投入。而新一代的用戶行為分析可以采用用戶分群、用戶畫像、自定義用戶活躍和留存行為，精準的定位用戶，從而實現精細化運營。

圖：創建用戶分群

4.定性分析模型

用戶體驗是企業的頭等大事，在產品設計、用戶研究、研發、運營、營銷、客戶服務等眾多環節，都需要掌握用戶的真實體驗過程。但如何優化用戶體驗向來是內部爭議較多，主要原因還是難以具體和形象的描述。通過行為分析分現異常用戶行為時，能否重現用戶使用你的產品時的具體場景，這對于優化產品的體驗至關重要。

以前我在淘寶時，用戶體驗部門會通過邀請用戶到公司進行訪談，做可用性實驗的方式來進行體驗優化，但這種方式需要化費比較多的時間和費用投入，樣本不一定具有代表性。為了解決這個難題，數極客研發了用戶行為錄屏工具，無需邀請用戶到公司實地錄制節省成本，直觀高效的以視頻形式還原用戶的真實操作，使得企業各崗位均能掌握用戶體驗一手信息，幫助產品研發提高用戶體驗。

圖：用戶行為錄屏播放界面

總結：通過AAARRR模型分析用戶生命周期全程; 通過轉化率分析模型 提高產品轉化率; 通過精細化運營 提高運營有效性; 通過定性分析方法 優化用戶體驗; 如果以上4方面都做好了，就一定可以通過用戶行為分析實現業務增長。

五、用戶行為分析的未來方向是什么？

有很多人問我，為什么已經有幾家做用戶行為分析的公司了，你還要創辦數極客？ 我認為數據分析的目標是應用分析結果優化經營效率，而國內外主要的分析工具，還只停留在分析層面，對于如何高效的應用還有很大的空間。因此數極客除了要在分析層面做得更專業和更有效，還要在應用層面實現新的突破。數據分析結果反映的問題主要是兩類：運營(含營銷)和產品。所以需要針對這兩類問題提供針對性的解決方案。

1.運營的自動化

我們前面講了，通過用戶行為分析系統可以實現精細化運營，但具體應用還需要人工制定運營和營銷策略，通過產品、研發開發才能應用，而且當策略改變時，需要重新開發相應的工具，這也占用了很多時間，影響運營與營銷效率。數極客研發了會員營銷系統和自動化運營工具，運營與營銷人員直接設置規則，系統根據規則自動將精準的活動信息推送給符合條件的用戶，直接提高運營人員工作效率，運營人員可以將工作重心轉移到策劃而不是浪費太量時間在重復執行，自動化運營可為企業節約大量運營成本。

圖：創建自動化運營規則

2.產品、運營(營銷)方面的科學決策

用戶行為數據分析，往往是在行為發生之后進行分析，而產品、運營都是通過經驗，拍腦袋進行決策，一旦決策失誤就會造成難以挽回的結果。因此如果能在產品、運營方案上線前，通過用戶分流A/B測試進行小范圍驗證，選擇其中最優的方案發布，這樣就可以大大提高決策的科學性。

Google每年通過運行數萬次A/B測試優化產品、運營，為公司帶來了100億美元的收益。

A/B測試的方法非常有效，但國內互聯網公司應用不普遍，主要和應用A/B測試的復雜性有關，

數極客擁有完整的A/B測試工具，業務人員可以在網站和APP上自助使用可視化試驗編輯工具，創建并運行試驗，通過自動解讀測試報告，使得A/B測試門檻大大降低。

圖：網站端可視化編輯試驗工具

3.分析的自動化

用戶行為分析有一定專業性，不僅需要掌握不同的分析方法，還要熟悉業務，結合業務才能給出有價值的分析結果。 如果能像360安全衛士一樣，只需要加載SDK，就能自動診斷和分析，并給出解決方案，這是數據分析的未來方向，數極客在這方面也有積極的嘗試，并有了初步成果，目前擁有數據自動預警、自動報表等功能。

用戶行為分析是一門科學，善于獲取數據、分析數據、應用數據，是每個人做好工作的基本功，每家企業都應該加強對用戶行為分析大數據的應用，從數據中找出規律，用數據驅動企業增長。

數極客是國內新一代用戶行為分析平臺，是增長黑客必備的大數據分析工具，支持APP數據分析和網站分析，獨創了6大轉化率分析模型，是用戶行為分析領域首家應用定量分析與定性分析方法的數據分析產品，并且基于用戶行為分析系統，提供了會員營銷系統和A/B測試工具兩大數據智能應用解決方案，使得企業可以快速的實現數據驅動增長。

本文由數極客CEO謝榮生原創，歡迎轉載，轉載請保留全文和作者信息。

很赞哦!（6815）