“用戶”是以人為中心的數據分析平臺的最小單元，對單個用戶畫像構建越完整，數據多維交叉的分析能力才能凸顯。
圖1：諸葛io新零售demo之用戶檔案（虛擬數據）
行為即標簽，過去我們常常通過給用戶打標簽的方式進行用戶洞察。事實上，行為數據本身已變得越來越有價值，基于用戶行為數據的用戶模型，記錄了每個用戶的每一次行為，客觀真實的還原了用戶與產品的交互過程，與單純的標記“用戶標簽”相比，記錄下來的用戶行為數據更具有多維交叉分析的價值，構建出來的單個用戶畫像更完整科學。
用戶在產品上的行為（所有和代碼的交互）都是會被記錄的，怎么標記是事件模型的核心，它是漏斗模型、自定義留存模型、全行為路徑分析模型的數據源。
圖2：諸葛io教育培訓demo（虛擬數據）
為了最大化還原用戶使用場景，我們引入一個結構：事件-屬性-值，如果靈活運用這一結構，將極大地節(jié)省事件量，提高工作效率，使后續(xù)的數據洞察和交叉分析更精準，讓我們在日常的業(yè)務分析中，可以更直接快速的掌握數據波動趨勢。
在行為數據的漏斗分析中，通常我們以每一步觸發(fā)的人數為統(tǒng)計口徑。漏斗中另一個重要的限定因素是：轉化時間的限定。
圖3：諸葛io教育培訓demo之漏斗（虛擬數據）
統(tǒng)計不是目的，指導業(yè)務增長才是最重要的，通過產品每一個設計步驟的數據反饋得出產品的運行情況，然后通過各階段的具體分析改善產品的設計，提升產品的用戶體驗，這就是漏斗模型的核心價值。
熱圖的目標是能更直觀的分析用戶在頁面上的焦點，不需要定義事件，不需要去對比事件，直接在頁面上通過顏色深淺還原用戶的聚焦位置并形成對比。
圖4：麥子學院官網首頁
（圖示數據為脫敏數據）
作為信息時代兼具客觀性和易用性的數據分析模型——熱圖分析，可視化的數據呈現，幫助你快速發(fā)現數據背后的問題，為網站的優(yōu)化提供有力的數據支撐，關注點擊行為的同時更關注不同特點用戶的瀏覽習慣，為用戶呈現個性化的產品價值。
留存被認為是比較高級的一個指標，是判斷產品價值最重要的標準無論用戶在應用內做了什么，只要打開了應用就是一個留存用戶，但不同產品對留存有不同的定義。
圖5：回訪行為是查看課程詳情的7日留存數據
除了N-day留存、Unbounded留存、Bracket留存，這些對時間限定的留存指標外 ，越來越多的產品開始關注自定義留存，因為他們更想知道基于自己業(yè)務場景下用戶的留存情況。比如閱讀類產品會把看過至少一篇文章的用戶定義為真正的留存用戶，因此，自定義留存模型，是通過更靈活的行為和時間條件的設置，讓留存指標更精細化，讓運營策略更聚焦，更有效。
如果要整體評估產品健康度，除了“留存”外，你可能還需要知道：“一個人使用了幾天”，也即很多產品一直無法衡量的維度：粘性。
圖6：諸葛iodemo數據之任意行為的粘性分析
通過粘性分析，讓你了解產品或某個功能粘住用戶的能力如何，除了常用的留存指標外，粘性從更多維度讓你了解到用戶是如何使用產品的，哪個功能是被用戶所喜歡的，不同用戶對同一功能在使用上有哪些差異，幫你更科學的評估產品和功能，更有效的制定留存策略。
用戶在產品中的行為其實是個黑盒子，全行為路徑是用全局視野看用戶的行為軌跡，很多時候你會有意想不到的收獲，在可視化的過程中有兩個模型，一個是樹形圖、一個是太陽圖。
圖7：諸葛iodemo數據之太陽圖
圖8：諸葛iodemo數據之樹形圖
全行為路徑分析讓你更直觀的看到用戶使用產品的狀況，了解用戶的來龍去脈，找到用戶最有可能完成核心轉化的行為，通過產品上以及運營策略上的引導，持續(xù)挖掘更多用戶的價值。
挖掘用戶需求、了解用戶行為習慣成為產品設計和用戶運營必不可少的一環(huán)。但是，單從宏觀的數據和指標分析中，有時很難做到深入理解用戶的需求偏好和行為特性，因此，我們需要通過對用戶的分群，讓我們更好的尋找最關鍵的核心用戶、精細化設計產品、針對化運營。
圖9：諸葛io在線教育DEMO數據之手機潛在消費用戶
用戶分群模型，讓你更深入地理解各細分用戶群的差異，以便用于差異化的產品設計或運營活動的投放，更好地滿足用戶需求，提高用戶粘性。
互聯網產品的數據分析除了要進行日常統(tǒng)計分析，更要以人為中心“人群細分”這幾乎可以認為是數字化營銷的核心思維，你需要基于不同階段提供的不同產品或服務（比如營銷創(chuàng)意、提供的商品和服務以及特定的活動）的特性面向更加細分的人群，以此來“討好”你的用戶，并以他的需求和感受為中心。你會用好看的圖表和工具呈現出各種結果，但對數據的解讀需要回歸到數字背后的人，人的需求、以及當下的情感，以此來指導產品迭代和運營策略。
作者：諸葛io / zhugeio1
聯系客服
