chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

眾所周知，用戶分析是做好產(chǎn)品的前提，也是運(yùn)營(yíng)人員的必備技能。360董事長(zhǎng)周鴻祎做演講時(shí)說(shuō)過(guò)：“用戶至上，體驗(yàn)為王，做產(chǎn)品一定要先分析用戶是怎么想的。”

在日常工作中要分析用戶，必不可少的就是用數(shù)據(jù)分析的方法。前期文章中我們做了用戶畫(huà)像和漏斗模型的詳細(xì)介紹（感興趣的同學(xué)可在文末相關(guān)閱讀中查看原文），今天我們就來(lái)說(shuō)一說(shuō)用戶分析中的另一個(gè)典型方法論——用戶行為路徑分析。

用戶行為路徑分析是一種監(jiān)測(cè)用戶流向，從而統(tǒng)計(jì)產(chǎn)品使用深度的分析方法。它主要根據(jù)每位用戶在App或網(wǎng)站中的點(diǎn)擊行為日志，分析用戶在App或網(wǎng)站中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘用戶的訪問(wèn)或點(diǎn)擊模式，進(jìn)而實(shí)現(xiàn)一些特定的業(yè)務(wù)用途，如App核心模塊的到達(dá)率提升、特定用戶群體的主流路徑提取與瀏覽特征刻畫(huà)，App產(chǎn)品設(shè)計(jì)的優(yōu)化與改版等。

以電商為例，買(mǎi)家從登錄網(wǎng)站/APP到支付成功要經(jīng)過(guò)首頁(yè)瀏覽、搜索商品、加入購(gòu)物車(chē)、提交訂單、支付訂單等過(guò)程。而用戶真實(shí)的選購(gòu)過(guò)程往往是交纏反復(fù)的，例如提交訂單后，用戶可能會(huì)返回首頁(yè)繼續(xù)搜索商品，也可能去取消訂單，每一個(gè)路徑背后都有不同的動(dòng)機(jī)。與其他分析模型配合進(jìn)行深入分析后，能快速找到用戶行為動(dòng)機(jī)，從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

用戶路徑的分析結(jié)果通常以桑基圖形式展現(xiàn)，以目標(biāo)事件為起點(diǎn)/終點(diǎn)，詳細(xì)查看后續(xù)/前置路徑，可以詳細(xì)查看某個(gè)節(jié)點(diǎn)事件的流向，總的來(lái)說(shuō)，科學(xué)的用戶行為路徑分析有以下作用：

1、可視化用戶流向，對(duì)海量用戶的行為習(xí)慣形成宏觀了解。

通過(guò)用戶路徑分析，可以將一個(gè)事件的上下游進(jìn)行可視化展示，業(yè)務(wù)人員可以查看用戶當(dāng)前節(jié)點(diǎn)事件的相關(guān)信息，包括事件名、分組屬性值、后續(xù)事件統(tǒng)計(jì)、流失、后續(xù)事件列表等。從而幫助業(yè)務(wù)人員全面了解用戶整體行為路徑分布，找到不同行為間的關(guān)系，挖掘規(guī)律并突破業(yè)務(wù)瓶頸。

2、定位影響轉(zhuǎn)化的主次因素，使產(chǎn)品的優(yōu)化與改進(jìn)有的放矢

路徑分析對(duì)產(chǎn)品的優(yōu)化與改進(jìn)有著很大的幫助，可以日常監(jiān)測(cè)用戶的行為路徑，根據(jù)用戶路徑中各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，及時(shí)發(fā)現(xiàn)用戶的核心關(guān)注點(diǎn)及干擾選項(xiàng)，引導(dǎo)用戶持續(xù)挖掘產(chǎn)品及服務(wù)的價(jià)值。

例如，一款視頻創(chuàng)作分享型App應(yīng)用中，從開(kāi)始拍攝制作視頻到視頻的最終發(fā)布過(guò)程中，用戶往往會(huì)進(jìn)行一系列的剪輯操作；通過(guò)路徑分析，我們可以清晰的看到哪些是用戶熟知并喜愛(ài)的編輯工具，哪些操作過(guò)于冗長(zhǎng)繁瑣，這樣可以幫助我們針對(duì)性地改進(jìn)剪輯操作模塊，優(yōu)化用戶體驗(yàn)。如果在路徑分析過(guò)程中用戶的創(chuàng)作數(shù)量與用戶被點(diǎn)贊、評(píng)論以及分享的行為密切相關(guān)，就可以考慮增強(qiáng)這款A(yù)pp的社交性，增強(qiáng)用戶黏性與創(chuàng)作欲望。

互聯(lián)網(wǎng)行業(yè)對(duì)數(shù)據(jù)的獲取有著得天獨(dú)厚的優(yōu)勢(shì)，路徑分析所依賴的數(shù)據(jù)主要就是服務(wù)器中的日志數(shù)據(jù)。用戶在使用App過(guò)程中的每一步都可以被記錄下來(lái)，這時(shí)候就需做好數(shù)據(jù)埋點(diǎn)，它與我們所關(guān)心的業(yè)務(wù)息息相關(guān)。如果數(shù)據(jù)埋點(diǎn)沒(méi)做好，數(shù)據(jù)就不全面，導(dǎo)致數(shù)據(jù)分析過(guò)程比較困難。通常我們會(huì)借助第三方數(shù)據(jù)分析跟蹤平臺(tái)來(lái)做數(shù)據(jù)埋點(diǎn)，不管用哪個(gè)平臺(tái)，做好數(shù)據(jù)埋點(diǎn)才是關(guān)鍵，如各個(gè)頁(yè)面之間的停留時(shí)間、跳出率、離開(kāi)次數(shù)、流失率和轉(zhuǎn)化率等。

注意，那種只有幾大主界面的跳轉(zhuǎn)數(shù)據(jù)是沒(méi)用的。比如，用戶從A界面跳轉(zhuǎn)至B界面，跳出率是30%，那你能知道哪里需要優(yōu)化嗎？這么模糊的數(shù)據(jù)是不可能進(jìn)行準(zhǔn)確的用戶行為數(shù)據(jù)分析的。一個(gè)界面那么多按鈕，光一個(gè)頁(yè)面跳出率，我們不可能知道用戶是在哪個(gè)環(huán)節(jié)離開(kāi)的，進(jìn)行細(xì)節(jié)優(yōu)化時(shí)會(huì)抓不到點(diǎn)。

正確的姿勢(shì)應(yīng)當(dāng)是，做好每個(gè)關(guān)鍵節(jié)點(diǎn)的數(shù)據(jù)埋點(diǎn)。以電商中的購(gòu)物環(huán)節(jié)為例，一個(gè)完整順暢的用戶購(gòu)物環(huán)節(jié)大致是：登錄→瀏覽商品→點(diǎn)擊查看商品詳情→選中商品并放入購(gòu)物車(chē)→結(jié)算→支付，在這每一個(gè)環(huán)節(jié)中又有很多小的關(guān)鍵節(jié)點(diǎn)，比如用戶在”結(jié)算“環(huán)節(jié)跳出來(lái)了，你不能想當(dāng)然的認(rèn)為結(jié)算頁(yè)面跳出率是30%，這樣你只知道結(jié)算頁(yè)面有問(wèn)題，但是具體哪個(gè)點(diǎn)有問(wèn)題你是不知道的。你要知道用戶是在選擇支付方式時(shí)跳出的還是選擇修改收貨地址時(shí)跳出的，還是選擇配送方式時(shí)跳出的。這樣你才能準(zhǔn)確地知道哪里出了問(wèn)題，然后對(duì)這個(gè)點(diǎn)進(jìn)行改進(jìn)優(yōu)化。

總之，要做用戶行為路徑分析，關(guān)鍵是要做好數(shù)據(jù)埋點(diǎn)。

常見(jiàn)的分析方法有：轉(zhuǎn)化漏斗、智能路徑、用戶路徑。三者都是基于用戶行為，以上下環(huán)節(jié)的轉(zhuǎn)化率為計(jì)算核心。三者的關(guān)系如圖所示：

轉(zhuǎn)化漏斗是預(yù)先設(shè)定好的路徑；智能路徑是設(shè)定了目標(biāo)行為之后發(fā)現(xiàn)更多漏斗；用戶路徑是完整再現(xiàn)用戶的整個(gè)轉(zhuǎn)化過(guò)程。在實(shí)際應(yīng)用中，三者有各自適用的分析場(chǎng)景，通常也需要互相結(jié)合，相輔相成。接下來(lái)逐一介紹這三種方法。

1、轉(zhuǎn)化漏斗

作用：提升轉(zhuǎn)化效果。

轉(zhuǎn)化漏斗是路徑分析中的一種特殊情況，是針對(duì)少數(shù)人為特定模塊與事件節(jié)點(diǎn)的路徑分析。它適用于對(duì)產(chǎn)品運(yùn)營(yíng)中的關(guān)鍵環(huán)節(jié)進(jìn)行分析、監(jiān)控，找到其中薄弱的環(huán)節(jié)，通過(guò)用戶引導(dǎo)或者產(chǎn)品迭代來(lái)優(yōu)化，提升轉(zhuǎn)化效果。

無(wú)論是新用戶的引導(dǎo)、某個(gè)業(yè)務(wù)流程還是某一次運(yùn)營(yíng)活動(dòng)，涉及到有流程轉(zhuǎn)化的都可以建立漏斗來(lái)分析。轉(zhuǎn)化漏斗的例子之前也講過(guò)，這里就不再贅述了。在分析的過(guò)程中，可以觀察整體的轉(zhuǎn)化率是否符合行業(yè)水準(zhǔn)，哪些步驟轉(zhuǎn)化率還有優(yōu)化空間？可以通過(guò)細(xì)分維度發(fā)現(xiàn)導(dǎo)致轉(zhuǎn)化率低的因素是哪些，也可以通過(guò)查看流失環(huán)節(jié)的其他使用路徑，做出針對(duì)性的引導(dǎo)。

2、智能路徑

作用：探索更多的轉(zhuǎn)化路徑。

很多情況下，雖然有最終的轉(zhuǎn)化目標(biāo)，但是用戶到達(dá)該目標(biāo)卻有多條路徑，無(wú)法確定哪條路徑是用戶走的最多的路徑，哪條轉(zhuǎn)化路徑最短，這時(shí)候我們就采用智能路徑模型來(lái)進(jìn)行分析。首先確定想要觀察的目標(biāo)行為，通常是業(yè)務(wù)中需要引導(dǎo)用戶完成的某個(gè)功能或到達(dá)的某個(gè)頁(yè)面。然后將其設(shè)置為起始事件，分析發(fā)生該行為的后續(xù)路徑；或者設(shè)置為結(jié)束事件，分析該行為的前置路徑。

例如，在電商APP中，加入購(gòu)物車(chē)是支付成功這個(gè)最終轉(zhuǎn)化目標(biāo)的前一步，但很多用戶在加入購(gòu)物車(chē)之后，并不會(huì)提交訂單直接支付，這時(shí)選擇目標(biāo)事件為" 加入購(gòu)物車(chē)"，并設(shè)置為 起始事件，分析用戶在加入購(gòu)物車(chē)后的行為路徑，是被頁(yè)面上的其他推薦吸引了目光還是走向他處。

在某知識(shí)付費(fèi)APP中，有多個(gè)入口，通過(guò)banner、搜索列表、專列列表、專題文章等引導(dǎo)到專欄詳情頁(yè)，進(jìn)而引導(dǎo)到專欄的訂閱，若想分析用戶最終訂閱的轉(zhuǎn)化路徑，可以選擇目標(biāo)事件為 "訂閱專欄"，并設(shè)置為 結(jié)束事件 即可。

總之，智能路徑可以用來(lái)探索性的發(fā)現(xiàn)更多的轉(zhuǎn)化路徑，當(dāng)聚焦到某一條路徑時(shí)，其實(shí)就是一個(gè)轉(zhuǎn)化漏斗，可以將其保存下來(lái)，來(lái)進(jìn)行日常監(jiān)測(cè)。

3、用戶路徑

作用：步步追蹤，劃分用戶類型。

用戶路徑不需要預(yù)先設(shè)置漏斗或者圈定要分析哪個(gè)頁(yè)面事件或點(diǎn)擊事件，而是計(jì)算用戶使用網(wǎng)站或APP時(shí)的每個(gè)第一步，然后依次計(jì)算每一步的流向和轉(zhuǎn)化。通過(guò)數(shù)據(jù)，真實(shí)的再現(xiàn)用戶從打開(kāi)APP到離開(kāi)的整個(gè)過(guò)程，進(jìn)一步識(shí)別用戶頻繁路徑模式，即哪條路徑是用戶最多訪問(wèn)的；走到哪一步時(shí)，用戶最容易流失；甚至呈現(xiàn)出產(chǎn)品經(jīng)理在設(shè)計(jì)產(chǎn)品時(shí)都未曾預(yù)料到的路徑，找到分析用戶行為最基礎(chǔ)、最原始的數(shù)據(jù)；也可以通過(guò)路徑識(shí)別用戶行為特征，分析用戶是用完即走的目標(biāo)導(dǎo)向型還是無(wú)目的瀏覽型。總之用戶路徑分析法對(duì)產(chǎn)品運(yùn)營(yíng)有著非常重要的啟發(fā)作用。

轉(zhuǎn)化漏斗、智能路徑、用戶路徑都是基于用戶行為路徑數(shù)據(jù)的重要分析模型，它們有著不同的功能以及用處，掌握了這3個(gè)分析方法，可以精確獲得用戶行為路徑數(shù)據(jù)，從而針對(duì)性的做出營(yíng)銷(xiāo)策略調(diào)整，讓運(yùn)營(yíng)轉(zhuǎn)化成倍增長(zhǎng)。

①用戶從進(jìn)入產(chǎn)品到離開(kāi)都發(fā)生了什么？主要遵循什么樣的行為模式？

可以選用用戶路徑模型，觀察用戶的整體行為路徑，通過(guò)用戶頻繁路徑發(fā)現(xiàn)其行為模式。

②用戶是否按照產(chǎn)品設(shè)計(jì)引導(dǎo)的路徑在行進(jìn)？哪些步驟上發(fā)生了流失？

可以選用轉(zhuǎn)化漏斗模型，將各個(gè)引導(dǎo)設(shè)置為漏斗的各個(gè)步驟，分析其轉(zhuǎn)化和流失。

③用戶離開(kāi)預(yù)想的路徑后，實(shí)際走向是什么？

可以選擇轉(zhuǎn)化漏斗模型，查看經(jīng)過(guò)流失環(huán)節(jié)的用戶后續(xù)的行為路徑，或者在智能路徑中選擇預(yù)設(shè)的事件為目標(biāo)事件，分析其后續(xù)行為路徑。

④不同渠道帶來(lái)的用戶，不同特征的用戶行為差異在哪里？哪類用戶更有價(jià)值？

可以選擇用戶路徑模型，細(xì)分渠道維度，查看不同維度的用戶行為路徑。

某在線教育產(chǎn)品通過(guò)漏斗分析對(duì)核心業(yè)務(wù)進(jìn)行分析，漏斗為用戶訪問(wèn) APP→瀏覽課程詳情頁(yè)→購(gòu)買(mǎi)課程 / 課時(shí)→完成課程。其中，瀏覽課程詳情頁(yè)到購(gòu)買(mǎi)課程 / 課時(shí)僅有 10% 的轉(zhuǎn)化率，比該企業(yè)的預(yù)測(cè)轉(zhuǎn)化率低很多。該電商網(wǎng)站將流失的用戶保存為一個(gè)分群，并單獨(dú)對(duì)這個(gè)流失分群進(jìn)行了用戶路徑分析。

通過(guò)用戶路徑分析，他們發(fā)現(xiàn)這部分用戶走到瀏覽課程詳情頁(yè)的步驟后，自發(fā)的走向兩條路徑：一部分用戶退出了課程瀏覽頁(yè)面，另一部分用戶點(diǎn)選了頁(yè)面頂端的圖片預(yù)覽，然后退出頁(yè)面瀏覽。

第一條路徑的用戶可能對(duì)課程沒(méi)有明確的需求，或?qū)φn程內(nèi)容不滿意，所以退出了頁(yè)面；

第二條路徑的用戶，顯示出對(duì)課程的需求，但是比較謹(jǐn)慎，該類用戶重新查看了預(yù)覽圖片，隨后退出頁(yè)面。他們判斷這部分用戶沒(méi)有從課程簡(jiǎn)介和圖片中得到自己真正想要的內(nèi)容，圖片的精彩度影響了這部分用戶的購(gòu)買(mǎi)意愿。

因此，工作人員針對(duì)課程介紹進(jìn)行了進(jìn)一步的內(nèi)容優(yōu)化，增加外教教學(xué)視頻及作文修改視頻，增加用戶對(duì)課程的信心，真正從流失人群身上挖掘出了最深的價(jià)值，提高了轉(zhuǎn)化率。 

案例二：“未支付訂單”超過(guò)30分鐘自動(dòng)取消，刺激用戶支付。

某電商網(wǎng)站客戶通過(guò)用戶路徑分析，有兩條主要的路徑：

①是啟動(dòng)App-搜索商品-提交訂單-支付訂單；

②是啟動(dòng)App-未支付訂單-搜索相似商品-取消訂單。

第一條用戶路徑顯示，客戶提交訂單后，大約75%的用戶會(huì)支付，而高達(dá)25%的用戶沒(méi)有支付訂單；第二條用戶路徑顯然是一條有明確目的——為未最終敲定的商品而來(lái)的用戶，因?yàn)樵诖蜷_(kāi)app后直奔“未支付訂單”，但是路徑中顯示此用戶再次“搜索相似商品”，這一行為可以判斷客戶可能存在比價(jià)行為，表明價(jià)格一定程度上影響了這部分用戶的支付欲望，這是一批“價(jià)格導(dǎo)向”的客戶。

對(duì)此，該電商運(yùn)營(yíng)人員采取針對(duì)性措施：

①“未支付訂單”超過(guò)30分鐘則自動(dòng)取消；

②將支付頁(yè)面附近放置優(yōu)惠券領(lǐng)取。

當(dāng)該電商新版本上線后，再次通過(guò)用戶路徑分析模型，發(fā)現(xiàn)客戶在提交訂單后，由于30分鐘的時(shí)間限制，有更多的客戶愿意立即支付訂單；同時(shí)未支付訂單大大降低，說(shuō)明在支付支付頁(yè)面附近放置優(yōu)惠券的方式刺激到對(duì)價(jià)格敏感的客戶。因此這也是一次很成功的改版。

案例三：新、老用戶傾向什么路徑？

一個(gè)新用戶和一個(gè)老用戶在進(jìn)行購(gòu)買(mǎi)流程的時(shí)候，他們的瀏覽路徑是否有區(qū)別？新用戶傾向什么路徑？老用戶傾向什么路徑？

電商平臺(tái)店鋪用戶行為路徑圖

假設(shè)上圖中，用戶進(jìn)入店鋪?lái)?yè)中選擇以下路徑：

● 約 40% 的客戶會(huì)點(diǎn)擊 Banner 活動(dòng)頁(yè)；

● 約 30% 的客戶會(huì)直接進(jìn)行商品搜索；

● 約 10% 的用戶會(huì)瀏覽商品詳情頁(yè)；

● 約 5% 的客戶啥都不干直接退出店鋪；

假設(shè)以上四種路徑中，第三種直接瀏覽商品詳情頁(yè)的用戶下單比例最高，超過(guò) 90% ，與其形成鮮明對(duì)比的是，盡管第一種“點(diǎn)擊 Banner 活動(dòng)頁(yè)”的用戶占比高達(dá) 40%，但是僅 5% 的用戶下單了，說(shuō)明 Banner 的內(nèi)容布局和利益點(diǎn)有著比較糟糕的用戶體驗(yàn)，則將此作為首選優(yōu)化與改進(jìn)的方向。

改進(jìn)方式：

● 優(yōu)化內(nèi)容質(zhì)量：素材圖片、利益點(diǎn)、承接頁(yè)動(dòng)線、承接頁(yè)商品讓利程度等；

● 壓縮 banner 模塊實(shí)際面積：比如淘寶的 banner 基本為千人千面或者商家直通車(chē)購(gòu)買(mǎi)，展示總量大，比較難控制所有內(nèi)容質(zhì)量，因此選擇更小的尺寸高度來(lái)分散用戶點(diǎn)擊占比，為其它首屏優(yōu)質(zhì)業(yè)務(wù)提供更多的流量；相對(duì)的，天貓的 banner 活動(dòng)一般為類目排期活動(dòng)，較少商家購(gòu)買(mǎi)（能花得起這個(gè)錢(qián)的商家一般也是 KA，不會(huì)把內(nèi)容質(zhì)量搞的很糟糕），因此天貓的 banne r高度較淘寶會(huì)更醒目。

用戶個(gè)體動(dòng)機(jī)雖然千差萬(wàn)別，但是海量用戶行為的流動(dòng)趨勢(shì)，會(huì)體現(xiàn)用戶真正的使用偏好與習(xí)慣。企業(yè)需要通過(guò)多種數(shù)據(jù)分析手段抓住用戶的心，才能從激烈的競(jìng)爭(zhēng)中脫穎而出，真正帶來(lái)最切合用戶利益的價(jià)值。