體驗(yàn)或交互設(shè)計(jì)知曉用戶行為分析有什么用？
我們所處的行業(yè)下，各類產(chǎn)品變得成熟精細(xì)，大家開始拼細(xì)節(jié)卷服務(wù)，市場競爭激烈。對于產(chǎn)品的各種優(yōu)化改版也就開始變得謹(jǐn)慎，往往需要經(jīng)過用戶研究或是數(shù)據(jù)分析等工作來驗(yàn)證或決策，不再是由設(shè)計(jì)師或產(chǎn)品經(jīng)理憑借過往經(jīng)驗(yàn)辦事或?qū)?biāo)競品照抄了，恰好用戶行為分析就是用戶洞察中具有代表性的一項(xiàng)；
體驗(yàn)或交互設(shè)計(jì)為什么要掌握這些呢？
回歸到用戶體驗(yàn)相關(guān)設(shè)計(jì)，本身就是一項(xiàng)細(xì)致活兒，處處需要用戶研究或數(shù)據(jù)洞察來輔助設(shè)計(jì)工作，了解其相關(guān)甚至熟悉搭建分析，從職能發(fā)展趨勢來看，可能是遲早的事；
所以即使你目前用不上用戶行為分析相關(guān)，也不要急著關(guān)掉文章，先簡單了解一下吧，說不定你會(huì)有興趣呢，說不定不久后剛好用上呢？
用戶行為分析是數(shù)據(jù)分析的一個(gè)重要領(lǐng)域，特別是在數(shù)字化服務(wù)行業(yè)中，主要目的是通過深入研究用戶群體的流量動(dòng)向以及操作行為特征等，來了解用戶與產(chǎn)品間的關(guān)系、效果、趨勢，以幫助我們優(yōu)化產(chǎn)品設(shè)計(jì)、提升用戶體驗(yàn)并驅(qū)動(dòng)業(yè)務(wù)決策。
監(jiān)測用戶在產(chǎn)品上做出了哪些行為、是否符合預(yù)期、有什么特征、問題在哪里，然后看看產(chǎn)品上需要做些什么調(diào)整或迎合用戶的特征偏好來決策啥的。
被動(dòng)采集的行為數(shù)據(jù)有時(shí)候比用戶口述反饋的信息要更真實(shí)有效，一方面更加直接，另一方面也少了些用戶心理設(shè)防（霍桑效應(yīng)）；
由于是群體性的大數(shù)據(jù)，所以更有代表性，并且是即時(shí)的數(shù)據(jù)記錄，不容易記混記錯(cuò)，準(zhǔn)確性也更好；
通過數(shù)字化技術(shù)實(shí)現(xiàn)，可以伴隨產(chǎn)品發(fā)展持續(xù)的采集數(shù)據(jù)，可以較為方便的調(diào)取過往數(shù)據(jù)進(jìn)行比對追溯分析；
用戶行為的背后依舊是人文心理等方面的內(nèi)容分析或業(yè)務(wù)場景化決策，往往離不開人工的加持介入；
以下是對用戶行為分析的工作流圖解，由于不同企業(yè)的訴求有差異，以下工作流僅代表大部分用作交流；
此次主要聊聊基礎(chǔ)的上手運(yùn)用與注意事項(xiàng)，不涉及過深或難以理解的部分，如果說用戶行為分析可以到達(dá)高等數(shù)學(xué)的程度，那么此次就講講加減乘除好了，師父領(lǐng)進(jìn)門，修行靠個(gè)人，各位看客請上座！
首先你的產(chǎn)品得有流量，然后得有一個(gè)關(guān)乎到用戶行為的目標(biāo)，例如想看看用戶流量分布、了解功能使用頻率、任務(wù)執(zhí)行的漏斗關(guān)系、用戶行為偏好、用戶數(shù)據(jù)畫像構(gòu)建等，這個(gè)時(shí)候就可以考慮開始了，不然就可能南轅北轍費(fèi)力不討好。
首先構(gòu)建一套完善的用戶行為分析系統(tǒng)并持續(xù)的維護(hù)與應(yīng)用并不是一個(gè)輕松的事情，所以最好是針對性構(gòu)建+多迭代，不要上來就想著做全盤搭建，表面的工作或問題往往可能只是浮冰，逐步的深入后問題會(huì)越來越多，個(gè)人深有體會(huì)！
通過業(yè)務(wù)目標(biāo)向下拆解，一般上層目標(biāo)無非是商業(yè)轉(zhuǎn)化、用戶活躍留存、任務(wù)通過率這些，向下拆解則是通過業(yè)務(wù)目標(biāo)去鎖定核心的業(yè)務(wù)場景或任務(wù)線路，這些核心的頁面、場景或是任務(wù)線路，就是你前期可以界定的一個(gè)范圍，后續(xù)的重點(diǎn)工作則是將核心功能的入口或路徑窮舉出來，避免數(shù)據(jù)對不上或找不到異常源頭的情況。
在我的認(rèn)知里，用戶行為分析建設(shè)不是一錘子買賣，步伐走小一點(diǎn)，基礎(chǔ)搭好一些，以后的迭代建設(shè)或維護(hù)也會(huì)輕松許多；
概括一下就是，不要追求全面，靠攏業(yè)務(wù)價(jià)值，關(guān)聯(lián)上指標(biāo)或者核心業(yè)務(wù)場景即可；
之前網(wǎng)上看到有大佬給了一個(gè)建設(shè)思路，這里搬來大家參考一下；
數(shù)據(jù)埋點(diǎn)技術(shù)已經(jīng)很成熟了，甚至有很多第三方的埋點(diǎn)+分析的服務(wù)，以及采集用戶行為數(shù)據(jù)的不僅僅只有埋點(diǎn)技術(shù)方案，哪怕你做一個(gè)錄屏技術(shù)都可以，只不過從數(shù)字化產(chǎn)品視角出發(fā)，埋點(diǎn)技術(shù)更有性價(jià)比，以及符合用戶隱私權(quán)益，所以這里專門講一下“埋點(diǎn)”這個(gè)老技術(shù)，熟悉的大佬們可以跳過埋點(diǎn)這部分。
數(shù)字化應(yīng)用大多有個(gè)特征，就是需要用戶進(jìn)行界面交互，有交互就有行為動(dòng)作發(fā)生，而
數(shù)據(jù)埋點(diǎn)
就是將用戶在
界面交互
時(shí)產(chǎn)生的
各種類型
的
監(jiān)控日志
上報(bào)到產(chǎn)品后臺(tái)去，這樣業(yè)務(wù)團(tuán)隊(duì)就可以知道到用戶在不同頁面或業(yè)務(wù)場景下操作了什么，去往過哪些頁面，當(dāng)結(jié)合業(yè)務(wù)后臺(tái)的訂單等數(shù)據(jù)時(shí)，就可以還原出更加清晰的用戶行為全貌。
通常這些埋點(diǎn)會(huì)分為
“頁面訪問(PV、UV)、區(qū)塊曝光(區(qū)域、時(shí)長)、按鈕操作(動(dòng)作、狀態(tài))”
三大類型，并
攜帶交互元素和操作者的各類特征信息參數(shù)
，便于我們知曉更多的場景細(xì)節(jié)與用戶情況，例如知曉這個(gè)【免費(fèi)試用】按鈕是對應(yīng)了那個(gè)產(chǎn)品？點(diǎn)擊的用戶是否已開通這個(gè)產(chǎn)品？這個(gè)用戶是否為付費(fèi)用戶？是否個(gè)人還是商家類型？用戶從那個(gè)渠道進(jìn)來的等，而且這些植入在產(chǎn)品代碼中的埋點(diǎn)可以不間斷持續(xù)的采集和配套產(chǎn)品迭代進(jìn)行維護(hù)，可以幫助業(yè)務(wù)團(tuán)隊(duì)獲取大量有效數(shù)據(jù)用作業(yè)務(wù)分析決策。
這些數(shù)據(jù)埋點(diǎn)主要是為業(yè)務(wù)目標(biāo)的洞察分析服務(wù)，也就是說業(yè)務(wù)目標(biāo)中需要采集用戶行為數(shù)據(jù)時(shí)，埋點(diǎn)就要派上用場了，相比傳統(tǒng)的業(yè)務(wù)日志，埋點(diǎn)可以收集到更加全面的界面交互的行為數(shù)據(jù)，能夠簡易的還原出一套線上用戶的使用情景，而不僅限于一些業(yè)務(wù)后臺(tái)就能統(tǒng)計(jì)出的轉(zhuǎn)化率或基礎(chǔ)數(shù)據(jù)等；
并且埋點(diǎn)數(shù)據(jù)可以與業(yè)務(wù)數(shù)據(jù)分開存儲(chǔ)運(yùn)維，這意味著埋點(diǎn)數(shù)據(jù)可以更迅速的根據(jù)設(shè)定的指標(biāo)公式統(tǒng)計(jì)出期望的數(shù)據(jù)或視圖，并且不會(huì)干擾業(yè)務(wù)訪問的性能質(zhì)量，因此產(chǎn)品迭代后的新老數(shù)據(jù)對比、營銷活動(dòng)的效果評估、用戶行為的特征偏好識(shí)別等，數(shù)據(jù)埋點(diǎn)都以可以派上用場的。
首先埋點(diǎn)需求沒有固定的文檔格式，其次不同埋點(diǎn)服務(wù)平臺(tái)的要求也有差異，就移動(dòng)端來講，很多服務(wù)商已經(jīng)支持可視化埋點(diǎn)、全埋點(diǎn)、無埋點(diǎn)服務(wù)，可以實(shí)現(xiàn)自動(dòng)識(shí)別交互元素并進(jìn)行埋點(diǎn)操作，大大減少了開發(fā)工作量，那么再聊回埋點(diǎn)需求怎么提。
核心結(jié)論就是由上而下，通過業(yè)務(wù)目標(biāo)或核心指標(biāo)進(jìn)行拆解，然后關(guān)聯(lián)到核心的任務(wù)流程上，對于一個(gè)頁面或一套流程沒有必要進(jìn)行全篇埋點(diǎn)，技巧我概括為以下幾點(diǎn)；
埋點(diǎn)需求的主要內(nèi)容基本包含以下，根據(jù)業(yè)務(wù)或埋點(diǎn)平臺(tái)的差異，可以自行調(diào)整；
擴(kuò)參即擴(kuò)展參數(shù)，指在當(dāng)前用戶界面中可以請求到的業(yè)務(wù)數(shù)據(jù)，并將這些業(yè)務(wù)數(shù)據(jù)綁定到埋點(diǎn)日志中一并上報(bào)給埋點(diǎn)數(shù)據(jù)后臺(tái)，通常為一些用戶屬性參數(shù)、業(yè)務(wù)屬性參數(shù)、設(shè)備屬性參數(shù)、網(wǎng)絡(luò)環(huán)境參數(shù)，這樣我們就可以通過這些額外的參數(shù)進(jìn)行數(shù)據(jù)分析或是過濾，舉個(gè)典型案例；
簡單說就是提升數(shù)據(jù)質(zhì)量與準(zhǔn)確性，在龐大的一套數(shù)據(jù)中，我們需要弄清楚數(shù)據(jù)之間的映射關(guān)系，即不同的數(shù)據(jù)參數(shù)代表了什么元素什么動(dòng)作什么含義，數(shù)據(jù)是否有缺漏或冗余、報(bào)錯(cuò)漏報(bào)亂報(bào)、是否有無效的臟數(shù)據(jù)（例如內(nèi)部的測試數(shù)據(jù)或腳本爬蟲等帶來的數(shù)據(jù)），如果我們不去將這些數(shù)據(jù)進(jìn)行治理，則統(tǒng)計(jì)出的數(shù)據(jù)指標(biāo)特征或趨勢都將不可靠，無法被商業(yè)應(yīng)用。
簡單講就是元數(shù)據(jù)沒治理準(zhǔn)確，得到的數(shù)據(jù)指標(biāo)也就失去了實(shí)用價(jià)值。
本質(zhì)是查缺補(bǔ)漏將無效的數(shù)據(jù)過濾掉或糾錯(cuò)
，再把數(shù)據(jù)涵義映射成具體的指標(biāo)或描述，用作進(jìn)一步的指標(biāo)計(jì)算與分析，如果數(shù)據(jù)又多又雜，你會(huì)發(fā)覺這一步要你老命，例如埋點(diǎn)就需要逐個(gè)查詢原始埋點(diǎn)的位置、觸發(fā)條件、埋點(diǎn)用途、埋點(diǎn)含義甚至與關(guān)聯(lián)業(yè)務(wù)數(shù)據(jù)的關(guān)系校對等。
不過還好，
一般來講這些工作都是數(shù)據(jù)建模（BI）相關(guān)人員去負(fù)責(zé)的
，
作為應(yīng)用層的我們，更多的是能夠根據(jù)業(yè)務(wù)目標(biāo)提出埋點(diǎn)需求、提出指標(biāo)與數(shù)據(jù)報(bào)表需求，以及通過數(shù)據(jù)核算或查看數(shù)據(jù)趨勢等手段找出異常讓 BI 修復(fù)
，所以這里就不展開埋點(diǎn)數(shù)據(jù)治理的方法了。
就埋點(diǎn)監(jiān)控用戶行為的方式來講，除了平時(shí)的治理與報(bào)表問題修復(fù)，每次迭代改版還要做好相關(guān)埋點(diǎn)信息的管理與維護(hù)更新，保證不出錯(cuò)，不影響關(guān)聯(lián)指標(biāo)，甚至是線上用戶偏好的推薦算法等應(yīng)用，特別是數(shù)據(jù)規(guī)模越來越大后，又密切關(guān)聯(lián)著業(yè)務(wù)決策時(shí)，數(shù)據(jù)更不容出錯(cuò)，且要求準(zhǔn)確。
在用戶行為分析內(nèi)容構(gòu)建的過程中，除非是有特定場景特定訴求，通常個(gè)人認(rèn)為都是先出指標(biāo)、再完善行為鏈路、再逐步豐滿用戶畫像的一個(gè)過程，原因如下；
-
通常先接到的都是一些核心指標(biāo)，例如轉(zhuǎn)化率、留存率、活躍度等，同時(shí)這些指標(biāo)也是上層最先關(guān)注到的；
-
接著就是完善不同場景或任務(wù)路徑相關(guān)，幫助洞察微觀視角下的體驗(yàn)障礙或用戶偏好等，產(chǎn)出流量統(tǒng)計(jì)、流程漏斗等，起到業(yè)務(wù)體驗(yàn)的洞察改善決策作用；
-
用戶畫像的數(shù)據(jù)本身就沒那么好收集，并且是一個(gè)逐步完善和被業(yè)務(wù)決策應(yīng)用的過程，所以一開始不會(huì)直接奔著用戶畫像構(gòu)建開始；
所謂指標(biāo)可以理解成是產(chǎn)品某項(xiàng)業(yè)務(wù)的成績，例如我是賣包子的，那么我的指標(biāo)大概率就是每天賣出去多少包子、利潤有多少、哪款包子銷量高，根據(jù)這些信息我就可以知道我平時(shí)應(yīng)該準(zhǔn)備多少包子、哪些品類的包子需要多做一些、我靠賣包子能賺多少錢。
實(shí)際上指標(biāo)的構(gòu)建邏輯可以很簡單，例如A占B的百分比、ABC的總和、連續(xù)多天A占B的變化等，很多加減乘除的算法就能搞定，主要是能拿到真實(shí)數(shù)據(jù)，不然我懷疑你在做爛賬......
用戶行為路徑是一種數(shù)字化的旅行地圖，相比較傳統(tǒng)服務(wù)的旅行地圖，場景會(huì)更純粹、意圖更準(zhǔn)確、數(shù)據(jù)采集更便捷，主要作用有以下幾點(diǎn)；
-
分析用戶在產(chǎn)品中的活動(dòng)范圍或頁面路徑的關(guān)系，可以幫助了解用戶活躍分布，流量走向等情況；
-
識(shí)別在任務(wù)或流程漏斗中的卡點(diǎn)或跳失情況，幫助優(yōu)化流程體驗(yàn)或提升轉(zhuǎn)化率等指標(biāo)；
-
通過用戶的互動(dòng)方式或路徑特征來進(jìn)行用戶分類或偏好分析預(yù)測等，用于內(nèi)容推薦算法或精準(zhǔn)營銷；
這些行為我們可以大致分為瀏覽、消費(fèi)、互動(dòng)三大類，根據(jù)不同的業(yè)務(wù)類型，可以選擇性采集和分析相關(guān)數(shù)據(jù)，例如電商產(chǎn)品就比較關(guān)注用戶的瀏覽與消費(fèi)行為，常見的有商品瀏覽、添加購物車到下單；
而社交應(yīng)用就更關(guān)注用戶的互動(dòng)行為，如不同類型的內(nèi)容訪問、評論點(diǎn)贊、關(guān)注收藏分享等；
這些數(shù)據(jù)最終可能由可視化的數(shù)據(jù)報(bào)表呈現(xiàn)出來，以便于業(yè)務(wù)團(tuán)隊(duì)快捷的找到數(shù)據(jù)問題或特征，如常見的漏斗圖、桑基圖、雷達(dá)圖、樹狀圖、散點(diǎn)圖、決策樹等；
最近在UXRen的一場分享會(huì)中，聽羅浩講了體驗(yàn)營銷的話題，雖然是關(guān)于用戶研究在職能崗位上挖掘新的商業(yè)能力的內(nèi)容，但是其中有一段是關(guān)于如何在旅行地圖中挖掘新的營銷觸點(diǎn)，有一些體會(huì)，這里結(jié)合用戶行為鏈路分析簡單聊一下；
產(chǎn)品功能與業(yè)務(wù)增多，引流渠道多樣化，不同渠道流量的撬動(dòng)關(guān)鍵是什么，核心場景具備哪些能力，哪些渠道的流量能吃掉，這些流量所處的觸點(diǎn)或場景能支持什么，用戶意圖是什么，產(chǎn)品能力能滿足什么，產(chǎn)品發(fā)展可以支持哪些？如何分流或匹配各類流量的意圖，并提供路徑分發(fā)，這些用戶流量數(shù)據(jù)有何趨勢或特征，是否能與場景或觸點(diǎn)進(jìn)行根因分析，是否沉淀行為或偏好模型？
在于觀察不同觸點(diǎn)下的客戶意圖，展開業(yè)務(wù)所能觸及的部分或新的機(jī)會(huì)，并匹配合適的關(guān)鍵路徑，以提升轉(zhuǎn)化或用戶粘性等，然后做數(shù)據(jù)回歸分析，抓取有效的用戶特征信息，并應(yīng)用到產(chǎn)品的內(nèi)容推薦或外部引流投放信息優(yōu)化上。
觸點(diǎn)展開與機(jī)會(huì)洞察，觸點(diǎn)場景——意圖識(shí)別——結(jié)果匹配（關(guān)鍵路徑）——（根因回歸）畫像更新——算法推薦——廣告優(yōu)化
這一套下來，是不是感覺有點(diǎn)兒似成相識(shí)？后來一想這不就是一套用戶增長的設(shè)計(jì)思路嘛。
主要是幫助了解和理解用戶，使得我們可以劃分用戶群體和識(shí)別偏好特征，最終以提供精準(zhǔn)營銷或是洞察用戶訴求來迭代改善產(chǎn)品。
其中偏好特征我們還可以根據(jù)業(yè)務(wù)屬性細(xì)分為興趣偏好、行為偏好、消費(fèi)偏好等，并為不同偏好特征的群體提供個(gè)性化的內(nèi)容服務(wù)，例如常見的內(nèi)容標(biāo)簽標(biāo)記，通過識(shí)別用戶常看內(nèi)容的標(biāo)簽，來推薦類似的標(biāo)簽的內(nèi)容或是有潛在興趣的標(biāo)簽內(nèi)容來抓住用戶的興趣。
這些指標(biāo)會(huì)通過用戶行為、設(shè)備信息、個(gè)人資料的完善來逐步獲取，主要可以了解到用戶的地域分布、年齡與性別分布、設(shè)備與活躍度情況，相應(yīng)的數(shù)據(jù)在業(yè)務(wù)后臺(tái)基本上都能夠獲取到，只需要將某個(gè)時(shí)間分區(qū)的數(shù)據(jù)拉出來，經(jīng)過Excel之類的軟件把數(shù)據(jù)加工一下，就能夠獲取到相關(guān)數(shù)據(jù)視圖。
如果將多個(gè)數(shù)據(jù)指標(biāo)結(jié)合起來分析，便可以獲取一些復(fù)合型數(shù)據(jù)指標(biāo)，例如哪些年齡段的用戶群體消費(fèi)能力更強(qiáng)、活躍度更高、不同教育背景的興趣愛好是否有一定的關(guān)聯(lián)性等等；
進(jìn)階的數(shù)據(jù)畫像會(huì)完善更多的用戶特征信息，便于業(yè)務(wù)團(tuán)隊(duì)找到用戶群體的特征，做進(jìn)一步的精細(xì)化運(yùn)營或內(nèi)容推薦，常見的畫像指標(biāo)如下；
此外就是在收集用戶數(shù)據(jù)的過程中，保證用戶隱私安全、合法性和安全性。
當(dāng)我們采集到一定的用戶數(shù)據(jù)后，就可以在數(shù)據(jù)畫像的構(gòu)建階段進(jìn)一步完成用戶分層工作，這一步是為了將用戶分類，因?yàn)椴煌脩羧旱哪康氖怯胁町惖模玳e逛、精準(zhǔn)采購、參與活動(dòng)的等等，以提供差異化的服務(wù)做精準(zhǔn)營銷、識(shí)別用戶群體特征做業(yè)務(wù)策略決策、或是優(yōu)化產(chǎn)品體驗(yàn)相關(guān)，不過當(dāng)你的用戶規(guī)模尚小，運(yùn)營模式簡單，你也不用迫切去進(jìn)行用戶分層相關(guān)，因?yàn)槭找娌淮蟆?/div>
那么通常都有哪些用戶分層模型呢？其實(shí)你并不陌生，一些給你列舉了一些；
相信你也發(fā)現(xiàn)了，用戶行為分析的構(gòu)建與產(chǎn)出并不只是行為鏈路的數(shù)據(jù)，同時(shí)會(huì)包攬很多其他的有價(jià)值的指標(biāo)與數(shù)據(jù)，所以不要被用戶行為四個(gè)字迷惑，或許你此刻正需要構(gòu)建相關(guān)數(shù)據(jù)。
當(dāng)你準(zhǔn)備構(gòu)建或整理用戶行為分析前，記得目標(biāo)或問題先行，針對性采集數(shù)據(jù)或建設(shè)指標(biāo)，在你有了相對準(zhǔn)確或清晰易懂的數(shù)據(jù)后，那些數(shù)據(jù)報(bào)表或圖表根本難不倒你，說白了無非是將純純的一堆數(shù)據(jù)換了形式展示，如果你數(shù)據(jù)可視化的形式與應(yīng)用不夠了解，你可以看看AntV官網(wǎng)的介紹說明了解一下，其實(shí)你也不用每個(gè)都研究個(gè)遍，實(shí)用的就那么幾個(gè)，酷炫是要代價(jià)的，報(bào)表搭建平臺(tái)支不支持、Excel支不支持、時(shí)間精力夠不夠研發(fā)給你整，都是問題～
你可能疑問沒有完整的教程手把手教你啊，其實(shí)不然，構(gòu)建的前提、流程、要點(diǎn)、建設(shè)方向均在此篇中交代過，當(dāng)你按照這套流程框架去做，基本上不會(huì)有啥大問題，一般來講這些內(nèi)容也夠用，至于選用哪些數(shù)據(jù)埋點(diǎn)平臺(tái)、數(shù)據(jù)分析平臺(tái)、報(bào)表搭建平臺(tái)、視自家公司情況而定吧。
也不要擔(dān)心在數(shù)據(jù)報(bào)表搭建或分析的過程中，你搞不定，是不是你執(zhí)行先不說，多問問百度或平臺(tái)客服總能解決，如果就是覺得很難上手，那么大概率是工具你不熟，或者工具不好用。
