什么是用户行为分析？怎么做用户行为分析？
一、什么是用户行为分析？
用户行为可以用5W2H来总结：
Who(谁)、What(做了什么行为)、When(什么时间)、Where(在哪里)、Why(目的是什么)、How(通过什么方式)，How much (用了多长时间、花了多少钱)。
用户行为分析就是通过对这些数据进行统计、分析，从中发现用户使用产品的规律，并将这些规律与网站的营销策略、产品功能、运营策略相结合，发现营销、产品和运营中可能存在的问题，解决这些问题就能优化用户体验、实现更精细和精准的运营与营销，让产品获得更好的增长。
二、为什么需要用户行为分析？
在PC互联网时代，网民的年增长率达到50%，随便建个网站就能得到大量流量; 在移动互联网早期，APP也经历了一波流量红利，获取一个客户的成本不到1元; 而近几年随着流量增长的红利消退，竞争越来越激烈，每个领域均有成百上千的同行竞争，获客成本也飙升到难以承受的水平，业务增长越来越慢甚至倒退。
图：互联网行业竞争越来越激烈
在如此高成本、高竞争的环境下，如果企业内部不能利用数据分析做好精细化运营，将产生巨大的资源浪费，势必会让企业的运营成本高涨，缺乏竞争力。 对于互联网平台来说，传统的数据分析主要针对结果类的数据进行分析，而缺乏对产生结果的用户行为过程的分析，因此数据分析的价值相对较局限，这也是为什么近几年很多企业感觉做了充分的数据分析，但却没有太大效果的原因。
通过对用户行为的5W2H进行分析可以掌握用户从哪里来，进行了哪些操作，为什么流失，从哪里流失等等。从而提升提升用户体验，平台的转化率，用精细化运营使企业获得业务增长。
三、如何采集用户行为数据？
用户行为分析如此重要，为什么互联网公司中能做好用户行为分析的凤毛麟角？主要是原因是数据采集不全面和分析模型不完善。
1.如何高效采集用户行为数据
传统的数据分析因为数据精细度不够和分析模型不完善等原因，导致分析过于粗放，分析结果的应用价值低。而我们要想做好分析，首先必须要有丰富的数据，因此要从数据采集说起，传统的用户行为数据采集方法比较低效，例如：我们获取用户的某个行为数据时，需要在相应的按钮、链接、或页面等加入监测代码，才能知道有多少人点击了这个按钮，点击了这个页面。这种方式被称为“埋点”，埋点需要耗费大量的人力，精力，过程繁琐，导致人力物力投入成本过高。
在移动互联网时代，埋点成了更痛苦的一件工作，因为每次埋点后都需要发布到应用商店，苹果应用商店的审核周期又是硬伤，这使得数据获取的时效性更加大打折扣。由于数据分析是业务发展中极其重要的一个环节，即便人力物力成本过高，这项工作仍然无法省掉。
因此，我们也看到国内外有一些优秀的用户行为分析工具，实现了无埋点采集的功能，例如：国外有Mixpanel，国内的数极客在WEB、H5、Android、iOS四端都可以无埋点采集数据。通过无埋点的采集，可以极大的增强数据的完善性和及时性。
2.如何精准采集用户行为数据
有些核心业务数据，我们希望确保100％准确，因此还可以通过后端埋点的方式作为补充，这样既可以体验到无埋点带来的高效便捷，又能保障核心业务数据的精准性。数极客在数据采集方面支持无埋点、前端埋点、后端埋点以及数极客BI导入数据这四种方式的数据整合。
四、如何做好用户行为分析？
首先要明确业务目标，深刻理解业务流程，根据目标，找出需要监测的关键数据节点，做好基础的数据的收集和整理工作，有了足够的数据，还要有科学的模型，才能更有效的支持分析结果。
上一代的用户行为分析工具(更确切的说法应该是：网站统计或APP统计)，主要功能还是局限于浏览行为的分析，而没有针对用户的深度交互行为进行分析，因此分析价值相对有限，目前大部份互联网从业人员对用户行为分析的印象还停留在这个阶段。
我认为要做好用户行为分析，应该掌握以下的分析模型：
1.用户行为全程追踪，支持AARRR模型
500 Startups 投资人Dave McClure提出了一套分析不同阶段用户获取的“海盗指标”这套分析模型，在硅谷得到了广泛应用。
AARRR是Acquisition、Activation、Retention、Revenue、Refer这个五个单词的缩写，分别对应用户生命周期中的5个重要环节，首先要基于用户的完整生命周期来做用户行为分析。
1).获取用户
在营销推广中，什么渠道带来的流量最高，渠道的ROI如何？不同广告内容的转化率如何，都是在这一步进行分析的数据。
来源渠道是获客的第一步，通过系统自动识别和自定义渠道相结合，分析每一个来源渠道的留存、转化效果。网站的访问来源，App 的下载渠道，以及各搜索引擎的搜索关键词，通过数据分析平台都可以很方便的进行统计和分析，利用UTM推广参数的多维分析、通过推广渠道、活动名称、展示媒介、广告内容、关键词和着陆页进行交叉分析，可以甄别优质渠道和劣质渠道，精细化追踪，提高渠道 ROI。
通过渠道质量模型，制定相应的获客推广策略：
图：渠道质量模型
以上图形中的所示渠道为示例，渠道质量也会动态的变化。 第一象限，渠道质量又高流量又大，应该继续保持渠道的投放策略和投放力度; 第二象限 渠道的质量比较高但流量比较小。应该加大渠道的投放，并持续关注渠道质量变化; 第三象限 这个象限里渠道质量又差，带来流量又小，应该谨慎调整逐步优化掉这个渠道; 第四象限 渠道质量比较差，但是流量较大，应该分析渠道数据做更精准的投放，提高渠道质量。
2).激活用户
激活用户是实现商业目标最关键的第一步，如果每天有大量用户来使用你的产品，但没有用户和你建立强联系，你就无法进行后续的运营行为。
3).用户留存
如今一款产品要获得成功的关键因素不是病毒性机制或大笔营销资金，而是用户留存率。开发出吸引用户回头的产品至关重要。 Facebook平台存在“40 – 20 – 10”留存法则。数字表示的是日留存率、周留存率和月留存率，如果你想让产品的DAU超过100万，那么日留存率应该大于40%，周留存率和月留存率分别大于20%和10%。
留存是 AARRR 模型中重要的环节之一，只有做好了留存，才能保障新用户在注册后不会白白流失。这就好像一个不断漏水的篮子，如果不去修补底下的裂缝，而只顾着往里倒水，是很难获得持续的增长的。
4).获取收入
实现收入是每个平台生存的根本，因此找到适合自己的商业模式至关重要。根据不同的业务模式，获取收入的方式也不同：媒体类平台依靠广告变现，游戏类依靠用户付费，电商类通过收取佣金或卖家付费的方式等，而在企业服务领域LTV: CAC大于3，才能有效良性增长。
5).病毒传播
通过模型前四个阶段的优化分析，从不稳定用户、活跃用户再到最终的忠实用户，将获客做最大的留存和转化，培养为企业的忠实用户，通过社交口碑传播可以给企业带来高效的收益。
在获客成本高昂的今天，社交传播可以为企业带来更优质的用户群，更低的获客成本。
2.转化分析模型
转化率是持续经营的核心，因此我也用较大篇幅来详细解读。转化分析常用的工具是转化漏斗，简称漏斗（funnel）。新用户在注册流程中不断流失，最终形成一个类似漏斗的形状。用户行为数据分析的过程中，我们不仅看最终的转化率，也关心转化的每一步的转化率。
1).如何科学的构建漏斗
以往我们会通过产品和运营的经验去构建漏斗，但这个漏斗是否具有代表性，优化这个漏斗对于整体转化率的提升有多大作用，心里没有底气，这时我们可以通过用户流向分析去了解用户的主流路径。
图：用户流向分析
用户流向分析，非常直观，但需要分析人员有一定的经验和判断能力。为了解决这个问题，数极客研发了智能路径分析功能，只需要选择转化目标后，一键就能分析出用户转化的主流路径。将创建漏斗的效率缩短到了几秒钟。
图：智能转化分析
2).漏斗对比分析法
转化分析仅用普通的漏斗是不够的，需要分析影响转化的细节因素，能否进行细分和对比分析非常关键。例如：转化漏斗按用户来源渠道对比，可以掌握不同渠道的转化差异用于优化渠道; 而按用户设备对比，则可以了解不同设备的用户的转化差异(例如：一款价格较高的产品，从下单到支付转化率，使用iphone的用户比android的用户明显要高)。
图：漏斗对比分析
3).漏斗与用户流向结合分析法
一般的转化漏斗只有主干流程，而没有每个步骤流入流出的详细信息，当我们在分析用户注册转化时，如果能知道没有转化到下一步的用户去了哪，我们就能更有效的规划好用户的转化路径。例如下图中的转化路径，没有进入第二步的用户，有88%是直接离开了，而还有10%的用户是注册用户选择直接登录，只有2％的用户绕过了落地页去网站首页了; 而没有从第二步转化至第三步的用户100％都离开了。这是比较典型的封闭式落地页，因此只需要优化第三步的转化率即可提升整体转化率。
4).微转化行为分析法
很多行为分析产品只能分析到功能层级和事件层级的转化，但在用户交互细节分析方面存在严重的缺失， 比如：在上图的漏斗中我们分析出最后一步是影响转化的关键，但最后一步是注册表单，因此对于填写表单的细节行为分析就至关重要， 这种行为我们称为微转化。
例如：填写表单所花费的时长，填写但没有提交表单的用户在填哪个字段时流失，表单字段空白率等表单填写行为。
图：表单填写转化漏斗
图：表单填写时长
通过上述表单填写的微转化分析，用户从开始填写到注册成功转化率达85％，而流量到填写只有8%，可以得出影响转化的最大泄漏点就是填写率，那么如何提高填写率就是我们提升注册转化的核心。有效的内容和精准的渠道是影响填写的核心因素，渠道因素我们在获客分析中已经讲过，这就引出我们微转化分析的第4种工具：用户注意力分析。
5).用户注意力分析法
用户在页面上的点击、浏览、在页面元素上的停留时长、滚动屏幕等用户与页面内容的交互行为，这些都代表用户对产品要展示的信息的关注程度，是否能吸引用户的眼球。
业务数据可以可视化，那么行为数据如何可视化呢？ 数极客把上述行为转化成了分屏触达率热图、链接点击图、页面点击图、浏览热图、注意力热图这5种热图，通过5种热图的交叉分析，可以有效的分析出用户最关注的内容。
图：注意力热图
只有能掌握微转化的交互行为分析，才能更有效的提高转化率。而一切不能有效提高平台转化率的分析工具都在浪费企业的人力和时间资源，这也是众多企业没有从用户行为分析中获益的根本原因。
3.精细化运营模型
以前做运营只能针对全体用户，如果要针对部分目标客户做精准运营行为。
图：用户分群画像
例如：当我们希望对某个地区使用iphone的注册但三天不活跃或未形成交易转化的用户进行精准营销时，需要运营人员、产品人员、技术人员 全体配合去调取数据、制定运营规则，其中涉及到大量人力和时间投入。而新一代的用户行为分析可以采用用户分群、用户画像、自定义用户活跃和留存行为，精准的定位用户，从而实现精细化运营。
图：创建用户分群
4.定性分析模型
用户体验是企业的头等大事，在产品设计、用户研究、研发、运营、营销、客户服务等众多环节，都需要掌握用户的真实体验过程。但如何优化用户体验向来是内部争议较多，主要原因还是难以具体和形象的描述。通过行为分析分现异常用户行为时，能否重现用户使用你的产品时的具体场景，这对于优化产品的体验至关重要。
以前我在淘宝时，用户体验部门会通过邀请用户到公司进行访谈，做可用性实验的方式来进行体验优化，但这种方式需要化费比较多的时间和费用投入，样本不一定具有代表性。为了解决这个难题，数极客研发了用户行为录屏工具，无需邀请用户到公司实地录制节省成本，直观高效的以视频形式还原用户的真实操作，使得企业各岗位均能掌握用户体验一手信息，帮助产品研发提高用户体验。
图：用户行为录屏播放界面
总结：通过AAARRR模型分析用户生命周期全程; 通过转化率分析模型 提高产品转化率; 通过精细化运营 提高运营有效性; 通过定性分析方法 优化用户体验; 如果以上4方面都做好了，就一定可以通过用户行为分析实现业务增长。
五、用户行为分析的未来方向是什么？
有很多人问我，为什么已经有几家做用户行为分析的公司了，你还要创办数极客？ 我认为数据分析的目标是应用分析结果优化经营效率，而国内外主要的分析工具，还只停留在分析层面，对于如何高效的应用还有很大的空间。因此数极客除了要在分析层面做得更专业和更有效，还要在应用层面实现新的突破。数据分析结果反映的问题主要是两类：运营(含营销)和产品。所以需要针对这两类问题提供针对性的解决方案。
1.运营的自动化
我们前面讲了，通过用户行为分析系统可以实现精细化运营，但具体应用还需要人工制定运营和营销策略，通过产品、研发开发才能应用，而且当策略改变时，需要重新开发相应的工具，这也占用了很多时间，影响运营与营销效率。数极客研发了会员营销系统和自动化运营工具，运营与营销人员直接设置规则，系统根据规则自动将精准的活动信息推送给符合条件的用户，直接提高运营人员工作效率，运营人员可以将工作重心转移到策划而不是浪费太量时间在重复执行，自动化运营可为企业节约大量运营成本。
图：创建自动化运营规则
2.产品、运营(营销)方面的科学决策
用户行为数据分析，往往是在行为发生之后进行分析，而产品、运营都是通过经验，拍脑袋进行决策，一旦决策失误就会造成难以挽回的结果。因此如果能在产品、运营方案上线前，通过用户分流A/B测试进行小范围验证，选择其中最优的方案发布，这样就可以大大提高决策的科学性。
Google每年通过运行数万次A/B测试优化产品、运营，为公司带来了100亿美元的收益。
A/B测试的方法非常有效，但国内互联网公司应用不普遍，主要和应用A/B测试的复杂性有关，
数极客拥有完整的A/B测试工具，业务人员可以在网站和APP上自助使用可视化试验编辑工具，创建并运行试验，通过自动解读测试报告，使得A/B测试门槛大大降低。
图：网站端可视化编辑试验工具
3.分析的自动化
用户行为分析有一定专业性，不仅需要掌握不同的分析方法，还要熟悉业务，结合业务才能给出有价值的分析结果。 如果能像360安全卫士一样，只需要加载SDK，就能自动诊断和分析，并给出解决方案，这是数据分析的未来方向，数极客在这方面也有积极的尝试，并有了初步成果，目前拥有数据自动预警、自动报表等功能。
用户行为分析是一门科学，善于获取数据、分析数据、应用数据，是每个人做好工作的基本功，每家企业都应该加强对用户行为分析大数据的应用，从数据中找出规律，用数据驱动企业增长。
数极客是国内新一代用户行为分析平台，是增长黑客必备的大数据分析工具，支持APP数据分析和网站分析，独创了6大转化率分析模型，是用户行为分析领域首家应用定量分析与定性分析方法的数据分析产品，并且基于用户行为分析系统，提供了会员营销系统和A/B测试工具两大数据智能应用解决方案，使得企业可以快速的实现数据驱动增长。
本文由数极客CEO谢荣生原创，欢迎转载，转载请保留全文和作者信息。
用户行为分析有哪些比较好的公司？
企业在选择用户行为分析工具时，大都不清楚如何选择适合自己业务的用户行为分析工具。笔者自己公司之前网站分析用百度统计APP分析用友盟，公司是做电商行业的，最近公司提出要精细化运营，用数据驱动业务增长，因此在10月份分别考察了国内做得比较出色的几家公司：数极客(阿里系)、神策数据(百度系)和GrowingIO(LinkedIn系)三家公司的用户行为分析产品。
我在选型过程中将各家公司的功能和服务对比文档进行整理，从团队背景和产品定位、数据接入方式、定量分析功能、定性分析功能、二次开发与数据应用、服务项目等六个主要方面深入对比数极客、神策、GrowingIO三大用户行为分析平台，希望能对有用户行为分析需求的企业在选择分析平台时有所帮助。
分享一篇比较全面的文章：国内主流新一代用户行为分析系统选型过程分享，请自己百度搜索。
用户行为的数据分析产品中哪家最好？ 最近新推出的数极客有谁了解？
数据分析产品国内外有很多公司都有，国外的有IBM，甲骨文等，国内的有99click
像是99click家的siteFlow产品，就不错，在做营销效果分析的时候，还可以分析网站运营分析，对广告表现、流量来源、用户偏好、媒体价值等维度评估，帮助企业显著提升客户体验，优化营销策略，提升ROI，能通过后台的各项数据分析用户行为偏好，并通过偏好，来指导优化运营营销效果。
数据分析行业常用的数据分析方法有哪些？_互联网数据分析
数据分析师工作工程中会根据变量的不同采用不同的数据分析方法，我们常用的数据分析方法包括聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析，要想熟练运用这些方法，首先需要弄懂这些方法的定义。 1、聚类分析
聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。
2、因子分析
因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。
因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。
3、相关分析
相关分析，相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。
4、对应分析
对应分析也称关联分析、R-Q型因子分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。
5、回归分析
研究一个随机变量Y对另一个(X)或一组变量的相依关系的统计分析方法。回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
6、方差分析
又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。
三种数据分析方法
首先，常见的数据分析方法有9种： 对比分析，多维度拆解分析，漏斗观察 ，分布分析，用户留存分析，用户画像，归因查找，路径挖掘，行为序列分析。
这里将重点展开分享前三种数据分析方法：? 对比分析，多维度拆解分析，漏斗观察。
1、对比分析?
对比分析是 最基础最常见 的数据分析方法，能 直观的看出事物某阶段的变化，并且可以准确、量化地表达出这种变化/差距是多少 ，重点从「比什么」「怎么比」「跟谁比」三个维度进行分析。
（1）比什么?
比什么，分为绝对值（#）和比例值（%）的比较。
绝对值本身已是具备“价值”的数据，比如销售金额2000元，阅读数10000万，单看数字不易得知问题的严重程度；
比例值只有在具体环境中看比例才具备对比价值 ，比如活跃占比，注册转化率， 单看比例值容易受到极端值的影响。?
（2）怎么比?
怎么比，分为环比和同比。
常见的环比有日环比，月环比 ，是指 与当前时间范围相邻的上一个时间范围对比 ，主要用于对短期内具备连续性的数据进行分析，如指标设定；
常见的同比有周同比，年同比 ，是指 与当前时间范围上层时间范围的前一范围中同样位置进行数据对比分析 ，主要用于观察更长期的数据集，消除短期数据的干扰。
（3）和谁比?
和谁比，分为和自己比、和行业比。
和自己比 ，可以从不同的时间维度，不同的业务线，过往经验估计，跟自己比较；
和行业比 ，可以观察分析得出是自身因素，还是行业趋势，比如都跌的时候，能否比同行跌的少？都涨的时候，能都比同行涨的快？?
现在回到上面这条「飞猪公关数据」“放假消息公布以后，10点到12点，国内机票的预定量，比上周同时段增长超过50%；国际机票的增长更加惊人，超过了150%。”?
很显然，?
“50%，150%”都是比例值；?
“比上周同时段增长...”由于是#五一放假4天#消息导致的数据短期内连续上涨，所以选择的是周同比；?
“国内机票的预定…国际机票...”飞猪是在跟自己比，若有行业数据公布作为依据，可以判断飞猪是比同行涨的快/慢。?
2、多维度拆解?
多维度拆解，是最重要的一种思维方式， 一个单一指标是不具备分析价值的，我们需要从多个维度进行拆解分析才有意义，最终以获得更加全面的数据洞察。?
数据分析的本质是用不同的视角去拆分，观察同一数据指标。多维度拆解的本质多维度拆分指标/业务流程，来观察数据变动。?
多维度拆解的适用场景：?
（1） 分析单一指标的构成、比例时 ，比如分栏目的播放量、新老用户比例；
（2） 针对流程进行拆解 ，比如不同渠道的浏览、购买转化率，不同省份的活动参与漏斗；
（3） 还原行为发生时的场景 ，比如打赏主播的用户的等级、性别、关注频道，是否在WiFi或4G环境下。
现在回到第一个场景：“比如，某段时间公司做了一波网红大V推广，老板想看看推广效果，你需要来个复盘分析…”?
这时就需要用到多维度拆解分析方法，大致的分析思路这样这样：?
（1）从APP启动事件来分析?
按照 设备类型 查看，比如Android、iPhone…不同机型的启动情况；
按照 启动来源 来看，比如是从桌面、短信、PUSH…不同来源的启动情况；
按照 城市等级 观察，比如一线、二线、三线及以下…不同城市的启动情况；
按照 新老用户 细分，比如总体、新用户、老用户...不同用户群体的启动情况。
（2）从业务流程拆解?
比如对于简单的“注册——>下单——>支付”流程而言：
支付漏斗按照 渠道 查看，渠道可能分为百度、头条、微信公众号…
支付漏斗按照 城市 来看，城市可能分为一线、二线、三线及以下…
支付漏斗按照 设备 来看，设备可能分为Android、iPhone…
3、漏斗观察?
漏斗观察的分析方法我们常见且熟悉，它的运作原理是 通过一连串向后影响的用户行为来观察目标。?
适用于有明确的业务流程和业务目标的业务，不适用于没有明确的业务流程、跳转关系纷繁复杂的业务。?
通过漏斗观察核心业务流程的健康程度。?
盘点一下在建立漏斗时容易掉的坑：?
（1）首先漏斗观察需要有一定的时间窗口 ，具体需要根据业务实际情况，选择对应的时间窗口。?
按天观察 ，适用于对用户心智的影响只在短期内有效的情况，比如一些短期活动（当前有效，倒计时设置等）；?
按周观察 ，适用于业务本身复杂，用户决策成本高，需要跨日才能完成的情况，比如投资理财，开户注资；?
按月观察 ，适用于用户决策周期更长的情况，比如装修买房。?
（2）其次漏斗观察是有严格顺序的 ，不可以用ABCDE（仅搜索途径的数据）的漏斗，看ACE（包含分类、搜索、推荐位三条途径的数据）的数据 。
（3）漏斗的计算单位可以基于用户，也可以基于时间。
观察用户，是关心整个业务流程的推动；
观察事件，是关心某一步具体的转化率，但无法获知事件流转的真实情况。
（4）结果指标的数据不符合预期时，需要自查是否只有一个漏斗能够触达最终目标 ，也就是检查下，是否出现第二个坑的情况。
四、案例分享——某款社交APP在国庆期间数据猛涨原因分析
场景是这样，现在有一款匿名社交APP，类似于探探，数据范围在 2018 年?9 月 1 日 - 10 月 14 日之间，其中在国庆期间数据猛涨，试分析其原因。
（1）首先定义“数据猛涨”
作为一款匿名社交产品，可以选择观察「注册成功」事件。
由于产生行为数据的时间较短，所以最后选择关注“注册用户数的日环比是否有比较大的增涨”，并按照「注册成功」事件的「触发用户数」进行查看：
（2）发现异常定位问题
从上面这张注册成功的触发用户数折线图可以看出，国庆期间的注册用户日环比存在较高的数据增长差，就是折线右侧出现的一段高峰。
由此判断，国庆期间由于某种原因造成了注册用户数的大幅增长，具体原因，待进一步拆解分析。
（3）多维度拆解分析
按照操作系统区分观察，可以发现Android的涨幅明显高于iOS，iOS稍有涨幅，但涨幅不明显。
这一步仍无法直接定位问题，需进一步拆解分析。
上图 按照注册方式观察 ，微信、微博、手机号这三种注册方式，在国庆期间均有涨幅且涨幅相似，可初步判断注册方式与此次数据异常无关。
上图 按照性别观察 ，男生和女生在国庆期间均有涨幅，男生略高于女生，但仍无法直接定位问题，需进一步拆解分析；
上图 按照年龄观察 ，不同年龄层的用户在国庆期间均有涨幅且涨幅相似，可初步判断年龄与此次数据异常无关。
问题来了！按照省份观察 ，上图明显看到有一根折现异常升高！
其实是海南省的日环比涨幅增高，除此之外，云南省的环比涨幅相较其他省份也明显升高。
综上观察分析基本可以判断，国庆期间数据猛涨，跟海南省、云南省的注册用户数大幅增长有关，具体原因待进一步拆解分析。
继续 按照城市观察 ，筛选条件设置为省份等于海南省，云南省，直观看到丽江市、大理市、三亚市、海口市国庆期间数据猛涨。
综合以上多维度分析发现，国庆期间数据猛涨，主要是由于 丽江市、大理市、三亚市、海口市 四个城市有明显涨幅。
而这四个城市都属于旅游城市，且数据增长时期伴随国庆假期。
于是猜测可能是，该款匿名社交产品在国庆期间，面向这四个热门旅游目的地，做了推广活动，关于数据猛涨真实的具体原因，还需要与市场、运营、或负责增长相关的同事沟通确认。
这个免费用户行为分析工具真神奇
这个免费的用户行为 工具真神奇Step-01注册账号(https://userview.net/)打开网站或者搜索 [userview] ，进入 UserView 的注册页面，通过邮箱注册登录或者也可直接蓝湖账号登录。Step-02创建项目点击[演示项目]下拉菜单的新建项目，输入公司名称和项目名称，点击开始接入Step-03嵌入代码把弹窗出现的SDK代码交付给开发同学，这样就可以无需埋点，所有行为自动采集用户行为了。注意默认的SDK代码是用于web端的，APP端目前还处于内测阶段。可在项目设置里面申请内侧Step-04查看用户行为SDK代码置入成功后，就可以查看用户行为数据。支持视频回放可视化还原用户行为，同时也可以查看用户的点击数据。最终可以这些数据和行为，来验证自己的设计，优化用户体验。
最常用的四种大数据分析方法有哪些?
1.描述型分析：发生了什么?
这是最常见的分析方法。在业务中，这种方法向数据分析师提供了重要指标和业务的衡量方法。
例如，每月的营收和损失账单。数据分析师可以通过这些账单，获取大量的客户数据。了解客户的地理信息，就是“描述型分析”方法之一。利用可视化工具，能够有效的增强描述型分析所提供的信息。
2.诊断型分析：为什么会发生?
描述性数据分析的下一步就是诊断型数据分析。通过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心。
良好设计的BI dashboard能够整合：按照时间序列进行数据读入、特征过滤和钻取数据等功能，以便更好的分析数据。
3.预测型分析：可能发生什么?
预测型分析主要用于进行预测。事件未来发生的可能性、预测一个可量化的值，或者是预估事情发生的时间点，这些都可以通过预测模型来完成。
预测模型通常会使用各种可变数据来实现预测。数据成员的多样化与预测结果密切相关。
在充满不确定性的环境下，预测能够帮助做出更好的决定。预测模型也是很多领域正在使用的重要方法。
4.指令型分析：需要做什么?
数据价值和复杂度分析的下一步就是指令型分析。指令模型基于对“发生了什么”、“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施。通常情况下，指令型分析不是单独使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。
例如，交通规划分析考量了每条路线的距离、每条线路的行驶速度、以及目前的交通管制等方面因素，来帮助选择最好的回家路线。
什么是用户行为分析？
要回答以上问题，我们需要关注用户在咱们产品上的各种行为，并对用户行为进行统计和分析。以上述第一个问题为例，需要关注的行为包括：点击功能入口、进入新功能页面、点击目标按钮等。如果对行为进行统计，则会得到如下指标
如果对行为进行分析，你可能会提出如下问题：
以上是围绕用户行为分析的一个小案例，这个案例展现了我们做行为分析需要经历的 3 个步骤：
参考神策分析，使用“事件模型（ Event 模型）”来描述用户的各种行为，事件模型包括事件（ Event ）和用户（ User ）两个核心实体。
为什么这两个实体结合在一起就可以清晰地描述清楚用户行为？
实际上，我们在描述用户行为时，往往只需要描述清楚几个要点，即可将整个行为描述清楚，要点包括：是谁、什么时间、什么地点、以什么方式、干了什么。而事件（ Event ）和用户（ User ）这两个实体结合在一起就可以达到这一目的
一个完整的事件（ Event ），包含如下的几个关键因素：
Who：即参与这个事件的用户是谁。
When：即这个事件发生的实际时间。
Where：即事件发生的地点。
How：即用户从事这个事件的方式。这个概念就比较广了，包括用户使用的设备、使用的浏览器、使用的 App 版本、操作系统版本、进入的渠道、跳转过来时的 referer 等，目前，神策分析预置了如下字段用来描述这类信息，使用者也可以根据自己的需要来增加相应的自定义字段。
What：以字段的方式记录用户所做的事件的具体内容。不同的事件需要记录的信息不同，下面给出一些典型的例子：
对于一个“购买”类型的事件，则可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、 付款方式等；
对于一个“搜索”类型的事件，则可能需要记录的字段有：搜索关键词、搜索类型等；
对于一个“点击”类型的事件，则可能需要记录的字段有：点击 URL、点击 title、点击位置等；
对于一个“用户注册”类型的事件，则可能需要记录的字段有：注册渠道、注册邀请码等；
对于一个“用户投诉”类型的事件，则可能需要记录的字段有：投诉内容、投诉对象、投诉渠道、投诉方式等；
对于一个“申请退货”类型的事件，则可能需要记录的字段有：退货金额、退货原因、退货方式等。
描述事件的任意一个字段，都是一个事件属性。应该采集哪些事件，以及每个事件采集哪些事件属性，完全取决于产品形态以及分析需求。
每个 User 实体对应一个真实的用户，每个用户有各种属性，常见的属性例如：年龄、性别，和业务相关的属性则可能有：会员等级、当前积分、好友数等等。这些描述用户的字段，就是用户属性。
什么是用户行为分析怎么做用户行为分析
第一个问题，什么是用户行为分析：过去的用户行为分析普遍的问题是：分析不聚焦、采集不全面、开发周期长、完全依靠人工埋点、事后分析、维度单一、指标传统。所以当下可以把用户行为分析定义为：基于用户生命周期管理模型、全面采集所有数据、事中分析、提前预测、实时多维组合、科学维度划分、自定义指标的分析。第二个问题：怎么做用户行为分析你提出这个问题，证明你可能暂时没有数据分析团队，或者数据分析团队尚不成熟和完善，所以需要开展数据分析工作的话建议是借助第三方的平台。这一块业务目前国内已经相对成熟，也有很多不错的合作伙伴可以选择了，硅谷的明星公司可以选择GoogleAnalytics或者Mixpanel等，不过我最推荐的还是国内的数极客。具体如何开展，我个人的建议是：选择采用AARRR模型的平台，通过对用户全程行为的跟踪，让我们在经营中运营中，拥有Acquisition(获客)、Activation(激活与活跃)、Retention(留存)、Revenue(收入)、Refer(二次传播)全程数据分析功能。
如何做好用户行为分析？
做好用户行为分析的方法：利用数据分析平台可以通过无埋点和埋点的方式将以上信息进行采集和整理分析。所以做好用户分析的要点就在于通过搭建好的平台去完成用户行为信息的收集，然后结合好的分析模型去将以上信息加以利用。用户行为分析的意义：1、有效的用户行为是能够基于此分析总结用户意图和喜好的触发动作：比如在公众号进行图文阅读、在淘宝搜索栏搜索“男装”、对单个商品加入购物车、对单个页面长时间浏览等。2、而例如微博热搜列表浏览、订阅号信息列表浏览等不涉及到具体触发点击动作的，则是无效的用户行为。
推广渠道分析怎么做？看完这篇你就懂了
在这个流量为王的时代，推广渠道是获取客户的重要途径，也是影响企业收入的重要因素，这种情况下，推广渠道分析在企业经营中的地位也就处于高位了，今天我们就来详细讲讲，推广渠道分析应该怎么去做。在做推广渠道分析前，我们一定要知道，企业经营中都有哪些推广渠道。这里有个概念我们要清楚，凡是能打广告，并且能来用户的地方，都是可以做推广的渠道。一般可分为线上推广渠道和线下推广渠道两大类，线上推广渠道主要有如下这些：1、广告：比如在抖音、天猫、百度、知乎等自身拥有流量的平台投放广告2、直播：比如在抖音、快手等短视频平台开直播吸引用户3、私域：比如在公众号、社群等进行产品推广宣传4、裂变：比如通过设计一些活动，组织老用户转发好友推荐新用户等等。而常见的线下推广渠道就比较传统了，比如：1、推广员在线下摆摊地推2、超市的商品堆头、活动海报3、短信、电话、邮件信息等。每一个推广渠道都有自己的特点，企业在相应渠道做推广时，每条渠道多多少少都会有点差异性，那么，在知道有哪些推广渠道的情况下，怎么做出有价值的推广渠道分析呢？确定关键指标是第一步，推广渠道作为开拓新用户的重要手段，其关注的重点一定是投入与产出这两个指标，所以，一定要清晰哪个是衡量投入的，哪个是衡量产出的，之后先看整体渠道的投入产出情况，再看转化细节。如下图中就是一个简单的推广渠道数据，付费总金额与总成本就是这些渠道上最为重要的两列数据。在渠道分析中，投入指标是比较容易衡量的，只要看在宣传投放中购买流量、配置商品、开发落地页等各项的成本即可，这些都是投入指标的组成部分。收入核算就比较麻烦一些，比如上图中，是直接推广的商品，这种情况下可以很简单地计算出商品的销售收入，但很多时候，投放并不是也不会直接产生销售。比如投放是为了获取新用户注册，对于这种投放的收入核算，就要对本次注册的用户进行一定时间的跟踪，关注用户的活跃度及付费数据，比如，计算本次推广中注册用户在7天/30天/90天内的留存率、付费率、人均付费金额等，以这些作为本次推广产出的判断标准，这种情况下，这个收入核算就非常复杂了。做完上述ROI的计算后，我们就能对各个渠道的投入配比进行优化，减少或者砍掉劣质渠道资源投放，增加优质渠道的资源投放。我们说所有的分析都是要结合业务情况的，单纯地通过ROI计算确实能得到上述结论，但是实际工作中，我们很可能还要对单一渠道进行深度分析并优化，这个时候就需要做更多的分析。具体的推广渠道分析根据业务情况不同，会有复杂程度上的区别，但是做推广渠道分析的底层逻辑都是一样的，对单一推广渠道而言，可优化的内容主要有以下这些方面：1、优化推广方式，比如修改推广时间，人群特征等推广参数2、优化推广内容，比如修改文案、配图、落地页、转化路径等3、优化推广产品，比如更换推广的产品，配合促销活动等这里需要注意的一点是，做渠道优化的时候，一定是这个渠道已经至少做过2次推广了，如果只做了1次，是没有参照物可以评价的，因为做渠道分析的核心是：对比和测试。所谓对比，就是在同一个渠道的多个推广类型之间的对比，观察哪一种效果好。比如在抖音上分别就时事类、情感类、专业类三个领域进行不同商品的广告投放，这就是三个不同推广类型，这个情况下就要先看整体效果，再看细节区别。所谓测试，就是同一个推广类型，通过更换文案、产品、落地页等测试出不同的效果进行优化。在做对比和测试的时候，有以下3点是需要非常注意的：1、打标签因为文案、产品、价格、落地页等大部分是无法用数据指标来衡量的，因此，需要在投放前就对这些东西打好标签，将这些要素量化起来，方便后期分析优化。2、小更改，多测试同一渠道上的推广内容，一次不能修改太多点，每次修改1-2个点，这样才容易做对比，一次性修改太多，无法拆分细节进行更细颗粒度上的对比。3、实时记录每个版本的推广过程都要进行记录，这样在后期需要将若干版本对齐比较时才能有迹可循。（如下图）经过多次对比和测试后，就能总结出一套ROI比较高的推广方法，这也就达到了推广渠道分析的目的。推广渠道分析的难点在数据采集上。如果数据充足，那么在推广渠道的分析上，就是一个漏斗模型就能解决的问题，通过追踪用户从接触推广内容到最后消费的全路径，就能明显分辨出各个渠道的效果情况。当然，数据充足这是一个理性状态，数据采集是个非常麻烦的事情。比如：众多平台是不会对外提供用户数据的，这就需要通过别的方式将用户引流到自己的私域做沉淀，从而判断效果；再比如推广的各个版本没有做好记录，就无法对比分析；还会遇到推广渠道造假的问题等等，所以做推广渠道分析，一定要和负责推广的部门紧密合作，有业务流程配合，才能做好相关分析达到预期效果。好啦，今天的分享就到这里，你还想听老王讲数据分析哪方面的信息，记得评论区或者私信告诉我哦~
B端网站怎么设计（一）
B端网站就是供买家浏览的网站，B端买家(以下统称为买家)浏览供应商网站的时候，希望在网站上获取的信息有那些?在网站的浏览顺序是?哪些信息对于买家是至关重要的?哪些原因会导致买家的离开?买家希望能够快速获取供应商的联系信息调研结果我们特别想知道的是买家一到平台会做哪些事，他们特别想了解的相关内容有哪些?问题1：“当你来到供应商网站的时候，哪些内容是你最想看的?”被访者答案：产品与服务(47%)，首页(33%)，卖家的介绍(16%)。问题2：“访问首页的时候，哪些信息是你最想了解的?”答案：产品与服务(86%)，联系信息(68%)，公司信息(52%)。结果中68%的联系信息有惊讶到我们，而很少有买家提及SNS信息让我们觉的有些不可思议。问题3：“当你从第三方渠道跳转到供应商平台的2级或3级页面的时候，你会怎么操作?”答案：使用网站主菜单(50%)，点击网站左上角公司标志去首页(36%)。设计指导(1)相关信息要快速高效容易获取，有产品&服务/公司相关/联系信息的快捷路径，去除信息中行业术语，用用户语言表达;(2)如果公司允许，请添加完整的联系人信息(地址/电话/电子邮件)到所有页面的页脚。快捷链接到联系信息详细页面的链接，帮助建立网站的信任和信誉感;(3)标准化定义组件的跳转方式，各页面，相似组件的交互方式一致性。B端网站建设只有尽快让买家找到他想要的东西，才能留住客户不是吗?网站
B端网站怎么设计（三）
我们指导网站的加载快速快慢也会影响用户的流失率，特别是移动端普及的年代，用户对于内容的加载速度要求越来越高。不过结果还是令人大跌眼镜，用户对于页面加载速度的容忍度还是很高的，75%的用户放宽到10-15s。设计指导(1)使用用户语言去表达供应商公司为买家提供什么样的服务，解决了哪些问题;(2)精简信息，去除妨碍用户顺畅和高效体验的元素;(3)用工具测试网站速度，去简化影响加载速度的元素，提高整体加载速度，测试工具：pingdom.com,GTMetrix。买家愿为获取特定项去填写表单调研结果在之前的调研中，我们也看到了82%的买家会因为要求被填写各种表单而离开网站。但是也有52%的买家表示，如果填写该份表单可以获取反馈，比如报告、白皮书、试用DEMO等，是可以接受的。问：“哪些因素阻碍你去填写表单?”答：过多的表单填写(65%)，因为需要提交私人信息而拒绝(65%)，会出现邮件订阅类的信息推送(55%)。同时被访者表示不愿意填写表单还有一个历史原因，因为按照以前的经验，你填写完成表单以后，也不会有啥对应的反馈或者反馈周期很长。随后，我们接着问题2：“哪些表单是你愿意填写的，比如申请使用DEMO，获取一份供应商提供的报价单。哪些因素阻断你填写表单?”如果看到这些表单中有他们所关心的项，66%的被访者表示他们会填写，或者填写完成表单能获取重要信息，利用提示去引导他，他也会完成填写。然后，我们又问：“买家为了获取哪些内容而愿意去填写表单?”答：初次使用优惠(62%)，产品DEMO(48%)，产品试用评估(44%)，研究报告(41%)，产品手册(40%)。问题4：“哪些私人信息买家不愿意提交?”答案：电话号码(58%)，家庭住址(53%)。B端网站设计就是为了提高用户的体验度，只有吸引留住更多的买家，那么你的网站才算设计合格。网站
