我們知道用戶行為數(shù)據(jù)的獲取是由用戶在網(wǎng)頁或者APP的點(diǎn)擊產(chǎn)生的，這些在網(wǎng)頁或者APP的行為數(shù)據(jù)能夠用來判斷用戶對(duì)產(chǎn)品的喜好及期望，所以分析用戶的行為數(shù)據(jù)對(duì)于我們做精準(zhǔn)營銷以及迭代出符合用戶喜好的產(chǎn)品非常重要。
但是，用戶行為數(shù)據(jù)又那么多，我們很難做到一個(gè)個(gè)不遺漏的去分析，所以我們很有必要對(duì)用戶行為數(shù)據(jù)進(jìn)行一個(gè)簡(jiǎn)單而又方便全面的劃分，以便我們處理和分析這些用戶行為數(shù)據(jù)。
一、用戶行為的分類及價(jià)值
我們知道由點(diǎn)擊流數(shù)據(jù)衍生出了很多行為指標(biāo)，比如：訪問頻率、平均停留時(shí)長、消費(fèi)行為、信息互動(dòng)行為、內(nèi)容發(fā)布行為等。但是這些指標(biāo)有太復(fù)雜，不利于我們進(jìn)行快速的對(duì)用戶進(jìn)行分析，那么該如何對(duì)這些指標(biāo)進(jìn)行有效而又簡(jiǎn)單的而劃分，進(jìn)而有利于我們進(jìn)行快速的分析用戶呢？
1、用戶行為的分類
本著簡(jiǎn)單又全的原則，我們將用戶行為數(shù)據(jù)分為三類：
- 黏性；
- 活躍；
- 產(chǎn)出。
為什么這樣劃分呢？
這三個(gè)指標(biāo)可以包含很多其他細(xì)分的行為指標(biāo)，利用這三大指標(biāo)進(jìn)行系統(tǒng)而又簡(jiǎn)潔的劃分，不遺漏的分析其他衍生出的指標(biāo)將有助于我們避免累贅及減少工作量。而這些指標(biāo)可共同衡量用戶在網(wǎng)頁及APP中的行為表現(xiàn)，進(jìn)而去區(qū)分用戶的行為特征，對(duì)用戶打分，再去對(duì)不同類型的用戶進(jìn)行分群精細(xì)化營銷推廣，提升運(yùn)營推廣的價(jià)值。
用戶行為分類如下圖：
2、用戶行為指標(biāo)意義
1）黏性：主要關(guān)注用戶在一段時(shí)間內(nèi)持續(xù)訪問的情況，是一種持續(xù)狀態(tài)，所以將“訪問頻率”、“訪問間隔時(shí)間”歸在黏性的分類；
2）活躍：考察的是用戶訪問的參與度，一般對(duì)用戶的每次訪問取平均值，將“平均停留時(shí)間”、“平均訪問頁面數(shù)”用來衡量活躍指標(biāo)；
3）產(chǎn)出：用來衡量用戶創(chuàng)造的直接價(jià)值輸出，例如電商 網(wǎng)站的“訂單數(shù)”、“客單價(jià)”，一個(gè)衡量頻率，一個(gè)衡量平均產(chǎn)出 的價(jià)值。
當(dāng)然，可以基于用戶行為的三大類：黏性、活躍、產(chǎn)出，在每個(gè)大類上再去添加不同的行為指標(biāo)，只要能夠體現(xiàn)其分析價(jià)值并且不重疊。比如，“黏性”指標(biāo)里面包含了“訪問頻率”、“訪問間隔時(shí)間”，訪問次數(shù)越多，那相應(yīng)的訪問頁數(shù)也就越多，如果在“黏性”里面加上“PV”就存在相關(guān)聯(lián)性，進(jìn)而對(duì)分析結(jié)果就產(chǎn)生影響，所以這里選擇“平均訪問頁面數(shù)”，并把它放在“活躍”里面。即基于行為分類和指標(biāo)的獨(dú)立性，才能體現(xiàn)不同的分析價(jià)值。
二、基于用戶行為分析的細(xì)分
根據(jù)用戶行為的分類：黏性、活躍、產(chǎn)出，我們可以判斷用戶對(duì)產(chǎn)品的價(jià)值貢獻(xiàn)，但是對(duì)于這些用戶只根據(jù)這些指標(biāo)能夠判斷他們的喜好嗎？顯然，這是不夠的，我們還得去研究這些用戶的特征及對(duì)產(chǎn)品的期望，再去做精準(zhǔn)營銷。那么，如何分析用戶的喜好呢？
用戶分類
我們知道不同的用戶對(duì)網(wǎng)站內(nèi)容是有不同的期望的，我們只有將用戶進(jìn)行細(xì)分，才能針對(duì)性的做出推薦。這里主要將用戶細(xì)分成三大類：
- 流失用戶/留存用戶；
- 新用戶/老用戶；
- 單次購買用戶/二次購買用戶。
基于這3類細(xì)分，對(duì)每個(gè)分類的用戶購買商品情況進(jìn)行比較，明確哪些商品更加符合預(yù)期。以電商網(wǎng)站舉例：
2.1 流失用戶/留存用戶舉例
如下圖：
算出流失用戶比例后，我們只是知道每個(gè)商品的流失用戶比例，但并不能評(píng)價(jià)這個(gè)商品是否對(duì)留住用戶有促進(jìn)作用，或者在一定程度上反而使得用戶數(shù)量下降。我們只有設(shè)定一個(gè)電商網(wǎng)站商品的總體平均流失率，然后拿流失用戶比例與總體平均流失率做對(duì)比，最后才能得出相應(yīng)的結(jié)論。
那么，表格中的“與總體比較”數(shù)值是怎么計(jì)算得到的呢？通常，我們會(huì)根據(jù)網(wǎng)站的情況及經(jīng)驗(yàn)設(shè)定一個(gè)總體平均流失率，這里設(shè)為56%，以A商品為例，計(jì)算的結(jié)果就是：
（58.13%-56%）/565=3.80%。
使用同樣的方法可以把其他商品“與總體比較”的值算出來。由計(jì)算我們知道：
1）當(dāng)結(jié)果為正數(shù)時(shí)，說明用戶流失率大于總體平均流失率，此款商品表現(xiàn)比較差，不適合留住用戶，表格中標(biāo)為紅色；
2）當(dāng)計(jì)算結(jié)果為負(fù)數(shù)時(shí)，說明用戶流失率小于總體平均流失率，此款商品表現(xiàn)較好，適合留住用戶，表格中標(biāo)為藍(lán)色。
很明顯，這樣分析對(duì)運(yùn)營很有指導(dǎo)性，對(duì)于能夠留住用戶的商品進(jìn)行重點(diǎn)推薦，對(duì)于不能留住用戶的商品進(jìn)行優(yōu)化或者下架。
2.2 新用戶/老用戶舉例
繼續(xù)用上面的例子來分析新用戶/老用戶的購買喜好。如下圖：
從表格中知道，購買D商品的用戶比例明顯較低，F(xiàn)商品更符合用戶口味。說明這樣細(xì)分對(duì)新老客戶的區(qū)分定向推廣是有好處的，當(dāng)然這要注意渠道推廣的差異，比如把新用戶放在新用戶比較集中的Landing Page中顯示，那么自然新用戶購比例會(huì)較高。
2.3 單次購買用戶/二次購買用戶舉例
我們知道用戶的首次購物體驗(yàn)很重要，因?yàn)檫@會(huì)直接影響用戶是否會(huì)進(jìn)行二次或多次購買，或者成為網(wǎng)站的忠實(shí)粉絲。
舉個(gè)例子，如下圖：
由表格知道，B和F促進(jìn)用戶二次購買的表現(xiàn)不大好，然后我們需要分析原因，有可能是商品的質(zhì)量或商品的使用問題影響了用戶的滿意度，也有可能是銷售或者營銷的問題，阻礙了用戶再次購買的腳步，這里需要我們進(jìn)行深入的研究。
三、總結(jié)
知道如何簡(jiǎn)單而又全面的進(jìn)行用戶分類后，然后再對(duì)用為行為細(xì)分，用戶細(xì)分分析是用于比較的，比較是為了反映差異進(jìn)而做出調(diào)整優(yōu)化的，所以，細(xì)分的最終目的是指導(dǎo)運(yùn)營決策，這也是數(shù)據(jù)分析的價(jià)值。
分享干貨我們是認(rèn)真的，更多干貨盡在愛盈利！
