e-works数字化企业网  »  文章频道  »  管理信息化  »  BI

为什么要做用户行为分析?

2017/3/20    来源:互联网    作者:吴继业      
关键字:用户行为分析  
用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。

一、什么是用户行为?

    用户行为由最简单的五个元素构成:时间、地点、人物、交互、交互的内容。

    (一)什么是用户行为?

    对用户行为进行分析,要将其定义为各种事件。比如用户搜索是一个事件,在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件,也是对用户行为的一个定义;我们可以在网站或者是APP中定义千千万万个这样的事件。

    有了这样的事件以后,就可以把用户行为连起来观察。用户首次进入网站后就是一个新用户,他可能要注册,那么注册行为就是一个事件。注册要填写个人信息,之后他可能开始搜索买东西,所有这些都是用户行为的事件。

    (二)如何获取用户行为数据?

    那么,我们又该如何去监测这些用户行为数据呢?

    一种非常传统、非常普遍的方式就是通过写代码去定义这个事件。在网站需要监测用户行为数据的地方加载一段代码,比如说注册按钮、下单按钮等。加载了监测代码,我们才能知道用户是否点击了注册按钮、用户下了什么订单。

    所有这些通过写代码来详细描述事件和属性的方式,国内都统称为“埋点”。这是一种非常耗费人力的工程,并且过程非常繁琐重复,但是大部分互联网公司仍然雇佣了大批埋点团队。

二、为什么要做用户行为分析?

    既然这么麻烦,那为什么要做用户行为分析?

    因为只有做了用户行为分析才能知道用户画像、才能知道用户在网站上个各种浏览、点击、购买背后的商业真相。

    简单讲,分析的主要方式就是关注流失,尤其是对转化有要求的网站。我们希望用户不要流失,上来之后不要走。像很多O2O产品,用户一上来就有很多补贴;一旦钱烧完了,用户就都走了。这样的产品或者商业模式并不佳,我们希望用户真正找到平台的价值,不停的来,不要流失。

    用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。

    比如最简单的一个搜索行为:某一个ID什么时间搜索了关键词、看了哪一页、哪几个结果,同时这个 ID 在哪个时间下单购买了,这个整个行为都非常重要的。如果中间他对搜索结果不满意,他肯定会再搜一次,把关键词换成别的,然后才能够搜索到结果。

    用户行为分析还能做哪些事情?

    当你有了很多用户行为数据、定义事件之后,你可以把用户数据做成一个按小时、按天,或者按用户级别、事件级别拆分的一个表。这个表用来做什么?一个是知道用户最简单事件,比如登录或者是购买,也可以知道哪些是优质用户、哪些是即将流失的客户,这样的数据每天或每个小时都能看到。

三、用户行为分析的五大场景

    有了用户的行为数据以后,我们有哪些应用场景呢?

    ●拉新,也就是获取新用户;

    ●转化,比如电商特别注重订单转化率;

    ●促活,如何让用户经常使用我们的产品;

    ●留存,提前发现可能流失用户,降低流失率;

    ●变现,发现高价值用户,提高销售效率。

    (一)拉新

    2008年我在eBay时,我的工作就是分析SEM和SEO的每个关键词的ROI。eBay每天要向谷歌买400万个关键词,除了SEM、SEO我们还要分析其它各种合作伙伴渠道。比如一家小电商网站上面放了eBay的链接,而后用户通过该链接最终在eBay上完成了购买,eBay就会分钱给这家网站。

    eBay特别注重是哪个搜索引擎、哪个关键词带来的流量;关键词是付费还是免费的。从谷歌那边搜素引擎词带来了很多流量,但是这些流量是否在eBay上成单,所以这个数据还要跟eBay本身数据结合、然后再做渠道分配,到底成单的是哪个渠道。整个数据链要从头到尾打通,需要把两边的数据整合之后才能做到。

    (二)转化

    以注册转化漏斗为例,第一步我们知道网页上有哪些注册入口,很多网站的注册入口不只一个,需要定义每个事件;我们还想知道下一步多少人、多少百分比的人点击了注册按钮、多少人打开了验证页;多少人登录了,多少人完成了整个完整的注册。

    期间每一步都会有用户流失,漏斗做完后,我们就可以直观看到,每个环节的流失率。

责任编辑:程玥
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐