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。

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。

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。