用户行为路径分析是互联网行业特有的一类数据分析方法，它主要根据每位用户在App或网站中的点击行为日志，分析用户在App或网站中各模块的流通规则和特征，挖掘用户访问或点击模式，然后实现一些特定的业务用途，如App提高核心模块到达率，提取特定用户群的主流路径，描绘浏览特征，App产品设计产品设计等。
本文会对用户行为路径分析方法作一些简单的探讨，更多的偏向于一些路径分析业务场景与技术手段的介绍，起到抛砖引玉的作用，欢迎致力于互联网数据分析的朋友们拍砖与批评。以后有机会可以继续介绍分享与实际业务结合较多的用户行为路径分析案例。
一、 路径分析业务场景用户行为路径分析的一个重要终极目的便是优化与提升关键模块的转化率，使得用户可以便捷地依照产品设计的期望主流路径直达核心模块。具体在分析过程中还存在着以下的应用场景：
1.用户典型路径识别和用户特征分析用户特征分析中常常使用的都是一些如性别、地域等人口统计数据或订单价、订单数等运营数据，用户访问路径数据为我们了解用户特征打开了另一扇大门。例如对于一款图片制作上传分享的应用，我们可以通过用户的App利用操作数据划分愿意制作和上传的创意用户、愿意表扬和评论的互动用户、默默浏览图片的潜水用户和从不上传只会下载图片的消费用户。
2.产品设计的优化和改进路径分析对产品设计的优化与改进有着很大的帮助，可以用于监测与优化期望用户路径中各模块的转化率，也可以发现某些冷僻的功能点。一款视频创作分享型App在应用程序中，用户经常进行一系列的编辑操作，从拍摄视频到最终发布视频；通过路径分析，我们可以清楚地看到用户熟悉和喜爱的编辑工具，操作过于繁琐，可以帮助我们改进编辑操作模块，优化用户体验。如果用户在路径分析过程中的创建数量与用户的拇指、评论和共享行为密切相关，您可以考虑加强此App社交，增强用户粘性和创作欲望。
产品关键模块的转化率本身即是一项很重要的产品运营指标，通过路径分析来监测与验证相应的运营活动结果，可以方便相关人员认识了解运营活动效果。
二、 获取路径分析数据互联网行业对数据的获取有着得天独厚的优势，路径分析所依赖的数据主要就是服务器中的日志数据。用户在使用App过程中的每一步都可以记录下来。此时，我们需要关注的是优秀的分销策略，它应该与我们关心的业务密切相关。这里可以推荐诸葛亮io，基于用户洞察力的精细操作分析工具；诸葛io的SDK集成到App或者所有用户行为数据都可以在网站上获得。事实上，诸葛亮io认为在每个App并非所有事件都有相同的价值。诸葛亮基于对核心事件的深入分析需求io建议您使用层次化的自定义事件布局，每个事件由三个层次组成：事件(Event)、属性(Key)和属性值(Value)。同时，诸葛io还为开发者提供数据监控点咨询服务，可根据丰富的行业经验为客户提供个性化的事件点咨询和技术支持。
漏斗模型与路径分析的关系以上提到的路径分析与我们较为熟知的漏斗模型有相似之处，广义上说，漏斗模型可以看作是路径分析中的一种特殊情况，是针对少数人为特定模块与事件节点的路径分析。
漏斗模型通常是对用户在网站或App对一系列关键节点转化率的描述，这些关键节点往往是我们人为指定的。例如，我们可以看到购物App诸葛应用的购买行为在诸葛io漏斗转换。这种购物App在平台上，买家从浏览到支付成功经历了四个关键节点，商品浏览、加入购物车、结算、支付成功，从步骤1到步骤4，经历了越来越少的关键节点，节点转换率呈漏斗状，我们可以监控和管理转换效率、运行效果和过程，对转换率低的环节进行有针对性的深入分析和改进。其他漏斗模型分析场景可根据业务需要灵活使用，诸葛亮io该平台拥有非常强大的漏斗分析工具，是一个充分发挥你对数据想象力的平台。欢迎参考基于漏斗模型的分析案例漏斗/保留新游戏玩法。
路径分析与漏斗模型存在不同之处，它通常是对每一个用户的每一个行为路径进行跟踪与记录，在此基础上分析挖掘用户路径行为特点，涉及到每一步的来源与去向、每一步的转化率。可以说，漏斗模型是事先的、人为的、主动的设定了若干个关键事件节点路径，而路径分析是探索性的去挖掘整体的行为路径，找出用户的主流路径，甚至可能发现某些事先不为人知的有趣的模式路径。从技术手段上来看，漏斗模型简单直观计算并展示出相关的转化率，路径分析会涉及到一些更为广泛的层面。
1.简单的遍历统计和可视化分析探索通过解析布点获得的用户行为路径数据，我们可以用最简单与直接的方式将每个用户的事件路径点击流数据进行统计，并用数据可视化方法将其直观地呈现出来。D3.js是当前最流行的数据可视化库之一，我们可以利用其中的SunburstPartition描述用户组的事件路径点击情况。从图片的中心开始，层层向外推进，代表用户从开始使用产品到离开的整个行为统计；sunburst事件路径图可以快速定位用户的主流使用路径。提取特定人群或模块之间的路径数据并使用它sunburst分析事件路径图可以定位为更深层次的问题。灵活使用sunburst路径统计图是我们路径分析中的一个 ** 宝。
诸葛io不仅可以方便地获取布局数据，还可以为客户提供个性化sunburst事件路径图分析，并可为客户产品制作定制的产品分析报告。
提到关联规则分析，必然免不了数据挖掘中的经典案例“啤酒与尿布”。暂且不论“啤酒与尿布”是不是Teradata一位经理编造了自吹自擂的神话故事。在一定程度上，人们理解和理解了购物篮分析（相关分析）的过程和背后的业务价值。将超市每位顾客一次购买的所有商品视为购物篮，并使用相关规则算法分析存储在数据库中的购买行为数据，即购物篮分析，发现10%的顾客和同事购买了尿布和啤酒，70%的顾客同时购买了啤酒。因此，超市决定将啤酒和尿布放在一起，这显著增加了销量。
我们在此不妨将每个用户每次使用App操作所有事件点被视为购物篮中的一系列商品。与上述购物篮不同，这里的所有事件点击都有严格的前后事件顺序。我们可以改进相关规则Apriori或FP-Growth算法是一种重要的用户路径分析理念，使其能够挖掘频繁的用户行为路径，具有严格的顺序。我们可以仔细考虑发现的规则序列路径所反映的产品业务逻辑，也可以比较和分析不同用户组之间的规则序列路径。
3.社交网络分析(或链接分析)早期的搜索引擎主要基于检索网页内容与用户查询的相似性或者通过查找搜索引擎中被索引过的页面为用户查找相关的网页，随着90年代中后期互联网网页数量的爆炸式增长，早期的策略不再有效，无法对大量的相似网页给出合理的排序搜索结果。现今的搜索引擎巨头如Google、百度采用基于链接分析的搜索引擎算法作为解决这个问题的方法之一。网页和网页通过超链接结合在一起，就像微博上的社交网络通过关注行为连接起来一样，社交网络中有影响力的知名权威V互联网上也有重要或权威的网页。在搜索引擎结果面前提供权威性较高的网页，使搜索效果更好。
我们将社交网络中的人看作一个个节点，将互联网中的网页看作一个个节点，甚至可以将我们的App产品中的每个模块事件都被视为节点，节点和节点通过各自的方式连接形成特定的网络图。以下基于这些网络结构的分析方法统称为社会网络分析。
社会网络分析中存在一些较为常见的分析方法可以运用到我们的路径分析中来，如节点的中心性分析，节点的影响力建模，社区发现等。通过中心性分析，我们可以去探索哪些模块事件处于中心地位，或者作为枢纽连接了两大类模块事件，或者成为大多数模块事件的最终到达目的地。通过社区发现，我们可以去探索这个社会网络中是否存在一些“小圈子”，即用户总是喜欢去操作的一小部分行为路径，而该部分路径又与其他大部分模块相对独立。
以上为笔者在诸葛io在团队中，对各种产品的用户行为路径分析进行了总结和思考，一些工作仍在不断探索的过程中，我希望地给出建议。在未来，我有机会分享如何进行用户路径分析，并在分析过程中展示步骤和想法，我希望与您进行更多的沟通。
本文由 诸葛io 吴扬 原创，请注明转载来源。欢迎关注诸葛io公众号（zhugeio），更多精彩，尽在其中。
扫码咨询与免费使用
