用户行为分析

看了Growing IO的一篇文章,结合自己的一些理解,学习总结下

user-behaviour-analytics-playbook.pdf

什么是用户行为分析

要做用户行为分析,首先得知道,什么是用户行为。通常我们存储的数据都是结果型数据,以电商网站为例,交易数据,但是这一笔交易,用户几点开始浏览商品,几点加入的购物车,浏览了多长时间,浏览了多少件商品,花费多少时间完成了支付,等等,用户在产品呢产生的一些数据,都是用户行为数据,用户行为分析,即是对这些数据进行分析。

用户行为数据,是指用户在产品内进行各种操作产生的数据

用户行为由五个基本元素组成:

  • When(时间)
  • Where(地点)
  • Who(人物)
  • How(交互)
  • What(交互的内容)

用户在某个时间,某个地点,通过某种方式,产生了某种交互。
通过用户行为数据,我们可以知道用户从哪儿来,在产品内做了些什么(浏览、点击、滑动......),最后是离开了,还是产生了交易。

我们要去记录用户的这些行为,就要通过“埋点”的方式,传统的方式就是加一段代码,监听某一个动作,比如注册按钮、下单按钮等。

用户行为数据的采集主要分为两种方式:

  • 埋点
    就是写代码去处理这个事件,比如网页中的JS事件监听,监听下单按钮、注册按钮。这种方式耗费人力,工作非常繁琐 。
    经常会出现漏埋点,或者埋点埋错了,那就需要重新处理。
    埋点数据的4个缺点:
    1)依赖经验导向
    2)沟通成本高
    3)需要大量时间做数据清洗
    4)数据漏采错采

  • 无埋点
    通过记录的方式,全量记录用户行为,也就是说自动在所有页面、所有按钮上都进行了监听,类似于大而全。

无埋点采用“全部采集,按需选取”的形式,对页面中所有交互元素的用户行为进行采集,通过界面配置来决定哪些数据需要进行分析,实质与“全埋点”并无无实质差异。

用户行为分析_第1张图片
图片来源网络
OSM 模型

O 代表业务目标(Object)
S 代表业务策略(Strategy)
M 代表业务度量(Measure):它用于衡量我们的策略是否有效,反映目标的达成情况。业务度量」涉及到以下两个概念:一个是KPI ,用来直接衡量策略的有效性;一个是Target,是预先给出的值,用来判断是否达到预期。

这其实就是通过一个目标,围绕目标去执行策略,并且设定了一个KPI来衡量我们的策略执行情况,这是一种解决问题的方式。

选取目标的时候,可以注意4个原则,即DUMB:

  • 切实可行(Doable)
  • 易于理解(Understandable)
  • 可干预可管理(Manageable)
  • 正向的有益的(Beneficial)

文档中的例子讲的可以学习下,使用OSM模型的思路。

结果性指标与过程性指标
结果性指标是我们的结果,使我们的最终目标,也就是O,但是如何去提高这个O,需要结果过程性指标,这其实就是一个漏斗,一个转化率。


用户行为分析_第2张图片
数据指标分级体系

这里的分级体系,类似于对指标按照不同的粒度进行划分,比如宏观指标,公司级的核心指标,二级指标、三级指标,粒度越来越细,这样,可以自顶向下,去分析这个指标产生变化的原因。

你可能感兴趣的:(用户行为分析)