用户画像案例定位分析 6个方面分析用户画像
导读:企业的精细化运营和数据驱动都是基于大数据分析。在大数据分析中，对用户行为的分析和挖掘是另一个重要方向。通过分析用户行为，企业可以知道用户来自哪里，进入平台后做了
导读:企业的精细化运营和数据驱动都是基于大数据分析。
在大数据分析中，对用户行为的分析和挖掘是另一个重要方向。通过分析用户行为，企业可以知道用户来自哪里，进入平台后做了哪些操作，在什么情况下做了订单支付，用户的留存和分布情况如何。
在这些数据的指导下，可以不断优化产品设计和运营模式，从而促进转化率的提升和营收的增长。
基于用户行为分析的常见场景包括事件分析、留存分析、分布分析、转化分析、行为路径分析等几个模块。下面详细介绍各个模块。
01事件分析
分析的应用场景非常广泛。一般来说，事件是指“某个用户在某个时间和地点”做了某种行为。
用户可以包括登录设备用户的userid或cookie登录用户的；时间是指事件发生的实际时间；位置是指事件发生的地点，可以通过分析日志记录中的ip得到；动作是指事件本身。一般互联网产品都是通过埋点来捕捉用户的行为。
事件分析功能与传统的编写SQLruns的分析方法相比，具有查询结果及时、显示直观、可自由组合筛选分析不同事件、不同用户属性等优点。
事件分析场景案例
用户进入平台后，一般会经历登录、浏览、搜索、购买、支付等步骤，最后进行支付。这里通过分析浏览商品页面、添加购买和支付订单这三个行为事件，可以看到每个事件的触发次数和转化情况。
02保留分析
留存分析用于衡量用户的参与度和活跃度，分析触发初始事件的用户中有多少用户有后续回访，以及这部分回访占初始用户的比例。在产品使用中，可以通过定义初始事件和回访行为事件来计算用户的留存率，可以按日、周或月查看留存状态。
留存率是判断产品价值的重要参考指标，可以分析最初的新用户是否转化为活跃用户、忠实用户和高价值用户。
留存分析场景案例
当公司推出一个新的功能模块时，运营分析师希望看到用户是如何留存的，可以设置初始事件“访问过该功能的任意一个板块”和后续事件“访问过该功能的任意一个板块”，来分析浏览过该功能的用户在7天、14天或30天后的后续访问。
比如下图，可以看到用户的回访率很低，第二天留存和第七天留存都在2%左右。也可以判断剩下的用户都是对这个功能感兴趣的用户。
03 分布分析03分布分析
分布分析方法根据用户行为维度的指标，对用户进行区间分类统计，进而得出用户粘性在各功能模块的分布。从分析维度来看，主要包括按行为数量的分布分析，按行为时间的分布分析。分析结果以柱状图或折线图的形式呈现。
对用户行为事件的分析，不仅有统计量的观察指标，还可以观察这个事件在不同维度的分布，从而了解这个行为事件更多的维度信息。
分布分析场景案例
运营方从平台中选取一批高活跃用户，分析这些用户“加入购物车”行为事件的分布。从下图可以看出，大部分用户添加购买1-3次，只有少数用户添加购买5-10次。如果深入挖掘，可以将这些购买过5-10次的用户分离出来进行针对性营销，通过发放红包和优惠券的方式来推广订单。
如果我们分析用户的访问时间段分布，就可以知道用户集中活跃的时间，然后就可以在用户的活跃时间段对其进行主动触达营销运营。
04转换漏斗分析漏斗分析适用于监控和分析产品中的关键环节。通过独立定义漏斗步骤，
可以对比分析关键步骤之间的转化，找出薄弱环节，进而优化产品交互设计或改进运营策略，最终达到升级转化、降低损失的目的。
比如常见的搜索转化漏斗分析和购买产品转化漏斗分析:
转化漏斗分析场景案例
用于分析业务流程中关键节点事件的转化效果，如电商行业。可以具体分析启动APP、浏览页面、浏览商品详情页、加入购物车、提交订单等节点。
在发现问题的过程中，变量往往需要多次拆分。可以进一步设置事件的属性筛选维度(包括省份/城市/页面URL//设备型号等。)在每个节点完成多个维度的交叉分析。
比如从
-->商品详情-->-->:添加到购物车-->提交订单-->:支付成功
的页面浏览。这个转换路径可以根据手机型号iOS和Android创建两个转换漏斗来比较不同手机型号之间的转换。
根据业务场景的需要，设置1-7天的转换有效期。如果转换事件超过此有效期，将被视为无效转换。最后，根据设定的条件，检查节点之间的转换。
从生成的图表可以看出，从启动到浏览页面的损耗较少，视为转化率100%；从浏览页面到浏览商品详情页的转化率为60.9%，流失严重。列表页面展示的产品可能无法吸引用户的兴趣或者进入详情页的步骤比较繁琐；添加到购物车的转化率为65.53%。
05行为路径分析用户行为路径分析主要用于分析用户在产品使用过程中的路径，还原用户真实的行为轨迹。
通过路径分析模型，我们可以知道前后各个关键节点的流入量和流向，便于优化节点交互或流程，进而提高产品转化效率。
路径分析有以下常见的应用场景:
分析用户初始行为事件的后续流量走向；分析结束事件的流量来源；详细查看某个节点前后流量流入流出和流失的情况。
例如，下图显示了加入购物车前后的流量来源和目的地:
从图中可以看出，加入购物车的流量主要来自于商品详情页。加入购物车后，近50%的用户选择提交订单，40%的用户选择继续浏览页面，10%的用户流向登录、注册、浏览商品详情页等模块。
06会话分析用户进入一个电商网站或APP的典型流程包括:进入首页后搜索关键词，点击商品版块或推荐商品进入详情页，在详情页浏览，点击添加购买，然后退出页面搜索其他商品继续浏览，最后进入订单页面付款，或者在浏览过程中退出APP。这一系列行为就是用户的行为轨迹。对于像这样的连续访问会话，我们称之为会话。
会话记录用户浏览的时间点、行为和页面/产品。
一般来说，会话在固定的持续时间内被切断。比如APP端的会话切割时长定义为5分钟，即用户的访问行为距离上次访问在5分钟以内的，记录为同一次访问，距离上次访问超过5分钟的，记录为两次不同的访问。Session_id可用于标识用户的访问权限。同一连续访问的session_id相同，否则不同。
基于会话分析用户非常重要。可以从用户的访问来源、登陆页面、退出页面、访问次数、访问路径、商品类别等多个维度分析用户特征。
比如产品对用户的粘性，可以用日均会话访问量和人均访问量来分析:
上面介绍了6种常见的用户行为分析工具，用户行为平台的目的是通过分析进而优化产品、提升用户体验及GMV，而不仅仅作为一个工具停留在分析层面。上面介绍了六种常用的用户行为分析工具。用户行为平台的目的是通过分析优化产品，提升用户体验和GMV，而不仅仅是作为分析层面的工具。
作者简介:赵宏天，资深大数据技术专家，先后获得中国地质大学(武汉)和武汉大学工学和经济学双学士学位。在大数据、数据分析、数据运营等领域拥有多年实践经验，擅长Hadoop、Spark等大数据技术，以及业务数据分析、数据仓库开发、爬虫、用户画像系统建设。
延伸阅读用户画像:方法论和工程解决方案
推荐:资深大数据专家对几个亿级规模用户画像系统的经验总结。从技术、产品、运营三个维度阐述了从0到1构建用户画像系统的技术和方法论。
