用户行为数据分析的道、法、术、器、势

广义上说，用户行为是指网站，APP、H5、小程序等在线平台，以及零售商店、产品使用环境等场景，用户与企业和企业提供的产品之间的互动。用户行为分析通常是指通过收集、存储和分析在线行为数据和用户属性数据，利用大数据分析方法找到相关规则，然后通过A/B探索有效方案的方法，如测试等。

在大数据分析技术成熟之前，对用户行为的分析从未停止过，但最初的分析方法是通过统计分析找到因果关系。统计分析是基于假设，通过抽样分析进行假设检验。

云计算和大数据技术的快速发展使得对全数据的分析成为可能。全数据分析也打破了在验真或验伪之前建立假设的过程，但通过收集用户相关数据，然后通过反应规则的分析模型快速调整和分析，找到隐藏的数据金矿。

你可能听说过最小化产品开发、增和精益创业的最小化，但背后有一个概念：数据驱动。阿利斯泰尔·克罗尔和本杰明·尤科维奇在《精益数据分析》一书中详细解释了如何实现数据驱动。从着陆的角度来看，即通过对用户行为数据的分析，找出未注意到的重要规律，然后加强其效果，将其转化为留给用户的显性Aha Moment或者病毒传播因素。

为什么要从道、法、术、器、势的角度来分析用户的行为分析？由于国内数据应用阶段与国外仍存在明显差距。数据意识、数据基础和数据分析工具的使用限制了存储在公司服务器中的数据金矿的挖掘和应用。

一、数据之道:小公司要加强数据应用

数据驱动不是大公司的专利，而是小公司的核动力。在发展的早期阶段，各种资源短缺。如果没有应用数据的意识，所有的决策都只能依靠人员的经验。当团队成员没有足够的匹配时，他们往往依靠非专业人员的直觉来做出专业的决策，这必然会导致资源的浪费。

这是国内团队和国外团队在开始时最大的区别。国内团队在发展初期往往不重视数据，认为最重要的是推广和再推广。有一段时间，公司的每个人都成为了一名推广专家。然而，获得的用户，哪些渠道有效，哪些用户活跃，为什么活跃，失去的用户有什么特点，是什么阻碍了他们成为活跃用户，往往被归因于他们不是潜在用户。

从经营理念来看：团队以产品为中心，认为只要产品做得好，就能卖得很好；或者以用户为中心，希望更了解用户，为用户提供最喜欢的产品。不同的商业概念会导致核心团队对数据的关注。

数据的方法是你是否重视数据分析，是否想从数据中了解用户。简单测试你或你的团队是否有数据：是否建立公司核心运营数据仪表板（财务、销售、市场、库存等），部门是否有核心数据仪表板，会议沟通是我认为，我认为或上周用户数据分析，比较测试解释问题？

二、数据方法:建立良好的数据分析思维

数据分析源于用户回归用户，所有分析的目的都是基于了解用户，为用户提供更好的服务。

从用户与企业产品交互的过程来看，有经典AARRR海盗法则，即用户获取（Acquisition）、激活（Activation）、留存（Retention）、营收（Revenue）、推荐（Referral）。获取链接，主要分析渠道，判断渠道用户匹配、单位客户获取成本、客户获取效率；激活链接，找到活跃用户，仔细检查行为顺序，必要时访谈活跃用户，定义产品，公司往往是早期活跃用户；健康增长，不是新的1000损失500，所以关注用户保留也非常关键；在此基础上，为用户设计最喜欢的病毒传播因素，往往使企业成为指数级发展。

对于SaaS企业的产品呢？用户将经历认知、熟悉、试用、使用、忠诚的过程，如果贵公司的产品领先于用户体验，首先要做的是让用户，即让他们想到自己的业务场景，然后熟悉新方法，然后通过试用产品解决问题，如果这三个步骤能做好，从用户到客户将更加顺利。

那么我的企业应该怎么做呢？答案因企业而异，所以这一层仍然是思维层。例如，对于工具，用户保留和解决方案，用户获取和激活用户共享是关键，因此Dropbox依靠共享赠送空间，Uber依靠推荐优惠券，樊登阅读俱乐部通过介绍讲座天数，实现病毒传播的增长。例如，对于信息平台，用户活跃于保留是关键。高活跃用户将创建内容并发表评论，这将促进社区的活跃氛围。如果总用户和活跃用户较多，平台价值将较高，自然可以过渡到收入阶段。因此，不同的企业和产品会有不同的分析思维，因为你想解决不同的问题，但本质上，它们都是通过数据找到方法，而不是拍脑袋和直觉。

数据方法是根据企业产品的类型和发展阶段定义正确的分析方向。简单测试一下你是否掌握了数据方法:你的产品最重要的指标是什么？数据分析能为你的业务做些什么？你的核心用户和公司产品的交互流程是什么，数据点是什么？

三、数据技术：从收集到分析

从数据采集、数据清洗、数据存储到数据分析据清洗、数据存储到数据分析的方法。

首先，需要设计精细的数据采集方案，以支持后续灵活的分析需求。常用的数据采集方法有UTM参数、可视化埋点(又称全埋点)、代码埋点、SDK埋点、日志数据、服务器数据工具传输。埋点也分为前埋点和后埋点。

其次，建立统一的用户数据仓库对企业的长期发展至关重要。用户数据可分为属性数据和事件数据。属性数据描述用户是什么样的，例如用户ID、设备id、设备类型、用户区域、性别、年龄、偏好等，属性数据可用于用户群、用户肖像等。事件数据描述了用户所做的事情，因此事件数据必须包括时间、地点、角色、时间、具体事件、事件方式等。在数据时代，用户和企业之间的数据交互不再停留在网站和电子邮件中，而是在网站上，APP、小程序、H5.用户数据将存在于电子邮件链接、自媒体、线下智能商店等。因此，有必要统一定义和存储这些不同渠道的用户数据。除了统一存储还应考虑分布式架构的应用，以支持1亿级数据的实时分析。

最后，对收集和存储的数据进行灵活的分析和应用。根据分析的目的，灵活选择常用的分析模型。更重要的是，用户群、同一时期群、同一属性群、活跃群、损失群等，在不同的商业模式下具有不同的含义。一些常用的分析模型包括事件分析、保留分析、漏斗分析、行为序列分析、行为路径分析等。

SaaS企业关注渠道商机，可进行事件分析、渠道漏斗转换分析；游戏制造商关注用户活动和用户消费，可进行事件分析、保留分析、行为序列分析；媒体平台关注阅读和用户UGC事件分析和行为路径分析可用于内容频率。

产品关注用户对不同功能的响应，可以分析事件、行为顺序和行为路径；市场关注渠道效应、漏斗转换和事件分析；操作关注用户增长和活跃用户，可以转换漏斗、保留和事件分析。

在良好数据意识和数据思维的基础上，分析应用是针对业务需求的灵活应用。掌握一些常用的分析模型可以实践。模型不需要复杂有效。

四、数据之器活用工具事半功倍

如果一个工人想做好事，他必须首先磨利他的工具。事实上，许多团队已经建立了数据意识，并学习了数据驱动的方法，但当着陆时，他们经常发现公司发展阶段的资源无法得到支持。例如，早期的数据收集计划还不够好，比如数据工程师运行SQL、拉数据工作量繁琐，比如用户快速增长，数据量大的时候单次分析时间太长。往往导致等待2-3天甚至更长时间提出数据分析需求，给出结果。当需要进一步分析分析结果时，需要采取这样的循环，导致数据分析速度落后于实际业务需求。

作者经历了四个创业团队，发现许多公司的老板拒绝使用外部工具。网站应该自己建造，SEO我们应该自己操作和分析平台，建立自己的营销活动。我们应该认为这是省钱和可靠的，但事实上，如果我们真正计算它，我们可以在许多链接的帮助下促进团队的快速发展。如果你的团队有余力照顾事情的各个方面，这通常意味着团队的核心目标不够明确。如果你对这部分感兴趣，你可以留言。作者将仔细计算每个账户。

监控微信官方账号数据可以使用西瓜助手和微信官方账号自带的数据背景，监控网站数据可以用户百度统计。GoogleAnalytics，创建可视化图表可以尝试Tableau，如果你想通过不同的渠道数据和用户行为数据的深入钻探分析，你可以尝试数字技术ThinkingAnalytics用户行为分析系统。

这只是一个例子。在不同阶段选择不同的工具主要是为了保持开放的态度，使用更多的外部工具。即使你想建立一个自己的系统很长一段时间，从外部工具中学习想法也是促进团队快速成长的好方法。

5、数据趋势：分析的目的是实现增长

事实上，上述所有内容的最终目的都是由数据驱动增长，但数据本身并不能带来用户。数据驱动的意义是找到最好的客户获取渠道，最惊人的功能， ** 用户分享病毒因素病毒因素和活跃用户的特点。在找到这些特殊因素后，不断扩大这些因素，形成快速增长的势能。

在市场方面，如果发现信息流的最佳效果，应适当增加该渠道的投资；在产品方面，如果发现活跃用户最喜欢的功能不在主页上，应优化产品层次结构；在运营方面，如果发现用户最喜欢的不是优惠券活动，而是1%的订单金额将用于公益活动，这可以扩大该活动的推广用户范围。

结论

数据有时不能告诉我们为什么，但通过测试和分析，我们可以找到最有效的方法，从产品、市场、运营到销售，集中公司扩大发现的有效因素，使势能推动业务和用户增长。

适合你的公司、产品的数据思路、分析方法、增长势能是什么呢？欢迎留言讨论。