商業模式發展至今，已經不僅僅是銷售能夠制造的產品，而是制造能夠銷售的產品。企業的業務一定建立在有某種需求的用戶上，所以市場拓張的落腳點都會落到用戶的行為分析上。只有更好地了解用戶習慣、用戶偏好、用戶畫像才能更好地創新或改進或迭代產品，而數據分析能夠幫助我們做到這一點。從另一方面來說，隨著科技的發展，產品和技術終將被淘汰，但基本的市場需要從來都是在的，會一直延續下去，只是用戶的要求變高了或者改變了，所以數據分析也會不斷反復驗證、更新迭代、學習進步。

用戶行為分析的前提

數據分析和用戶行為分析的基本前提是，你要對公司的業務非常地了解和熟悉，有四個簡單的問題可以幫助理解業務：

1. 我們的業務是什么？（定位）
2. 誰是我們的客戶？（市場細分）
3. 顧客看重什么？（競爭優勢）
4. 我們的業務應該是什么？（愿景及目標）

如何做用戶行為分析？

用戶行為分析，說白了就是從各個維度去看用戶對于產品在某些指標上的反饋。

關鍵詞1：維度—用戶分類

維度指的就是用戶分類，雖然公司在產品定位和市場細分階段已經對用戶群體有清晰的定位，但是在產品運營階段，對使用產品的用戶群體還需要更加細分。

1、按照個人屬性或標簽劃分

比如：性別、年齡、地區、學歷等

也可以為用戶貼上標簽，如星座、行業、職業、消費能力、支付偏好等

2、按照用戶使用產品的生命周期劃分——同期群劃分

用戶使用產品的生命周期一般是：免費試用、付費使用、結束使用。同期群劃分指的是按用戶初始使用產品的時間將用戶劃分。產品總是在更新迭代中的，對不同的同期群的影響是不一樣的。比如，2018年1月 A 產品上架，2月注冊用戶的付費轉化率為10%，3月注冊用戶的付費轉化率為20%，4月注冊用戶付費轉化率為30%，可看出2-4月中產品的發展是穩健上漲的。

適用于分析：

產品業務的整體情況

產品改版效果

產品改進后的用戶體驗等

用戶留存/流失分析

3、按照用戶使用產品的頻率劃分——活躍度

根據活躍度，可將用戶劃分為：新增用戶、普通用戶、活躍用戶、核心用戶、流失用戶。

活躍度的指標需根據不同類型業務在不同發展階段進行自我定義。

舉例，假如是微信等社交類應用，可能指的是日均使用時長；假如是外賣等 O2O 類應用，可能是周均使用次數；假如是喜馬拉雅內容類應用，可能指的是日均聽音頻的時間。

4、按照用戶價值劃分——RFM 模型及其衍生

PFM 模型通過衡量客戶價值和客戶創造價值能力來進行用戶分類。

有三個維度：

1. R：最近一次消費 Recency
2. F：消費頻率 Frequency
3. M：消費金額 Money

可分為 5 類：

一般針對電商模型。

5、基于業務模型的指標——AARRR 漏斗模型

AARRR 對應移動應用生命周期的 5 個重要環節

A：Acquisition 獲取用戶

A：Activation 提高活躍度

R：Retention 提高留存率

R：Revenue 獲取收入

R：Refer 自傳播

金字塔模型，就是根據這個流程來給用戶分類的一個模型。

于是這五層的用戶分類，我們運營對于每一類都有不同的需求：新用戶我們希望他下載，那么給新手福利；下載用戶希望他們使用，那么給予傻瓜式的操作引導；而使用的用戶又希望他多來，常來，建立信任，那么就要有不斷的刺激和優化。而興趣用戶，當然希望他付費了，自然促銷是常用手段。至于付費用戶，那么服務肯定要做好，希望人家二次購買，三次購買，甚至推薦給其他人。

6、正態分布模型

當用戶運維的資源更加的粗放，而且資源非常有限的時候，就可以用正態分布模型。比如二八法則就是一種正態分布的形式，80%處于曲線的平均值附近，而剩下的20%才是利潤的來源。

正態分布模型，就是在兩個維度比如利潤貢獻和人數兩個維度進行建模，你會發現提供利潤最多的那幾個客戶是少數，因為運營成本和突發狀況造成沒錢賺反而虧本的也是少數，而留下的大多數利潤都是在一個恒定值附近的。

那么根據這三種情況，我們就可以來分配運維的資源了，重點維護高利潤用戶，同時也要核心關注不給利潤但是占據大部分公司資源的客戶，要舍棄。而中間大多數在恒定值附近的客戶，則要進行標準化服務，節省資源，讓邊際成本降低。

7、按照用戶使用業務場景劃分

舉例，對于 O2O 類應用，可劃分為：買家用戶、賣家用戶、快遞。買家和賣家和快遞用戶內可以繼續按照前面所講的分類模式繼續細分。

關鍵詞2：指標

指標就是衡量基準，是一個明確的

數據。

1、基本財務指標

財務指標就是企業的經營利潤、銷售總額、經營成本等。具體的分析可按照下圖思路：

2、基于業務模型的指標——AARRR 漏斗模型

AARRR 對應移動應用生命周期的 5 個重要環節，相關指標如下

基于業務模型的指標——長漏斗模型

根據不同業務模型，企業分析的指標模型也不一致。針對電商類應用，更多的是使用長漏斗模型來分析業務，如下圖所示：

需要注意：

1、商業的不同階段的用戶行為分析的重點不同。RFM，更多是基于成交金額的優化，提升用戶的LTV的分類方式。金字塔模型，則是基于多層次數據穩定增長，形成健康AARRR體系循環的分類方式。而正態分布，則更加偏向于粗放式運營，在維護用戶資源有限的情況下，調用有限資源維護長尾客戶的分類方式。

2、選擇出具有指導意義的指標。指標最關鍵的含義就是，一定要有指導意義，有利于作出決策。比如雙十一那天凌晨，需要實時監測交易額，1小時后率先完成10億，但 “10億” 其實就是個數字，不具任何參考意義，但只要說第一個小時相比去年增長了40%，但預計增長60%，就非常有參考意義，此時可以去看為什么沒有達成，作出是否需要給用戶在設置提醒之類的決策。（數據只是舉例，不具有參考意義）

關鍵詞3：反饋

針對指標的反饋主要有四個方面，

1. 變化，隨時間波動如何
2. 分布，在不同區域之間，不同產品之間，不同用戶群體之間的占比如何
3. 對比，產品之間的對比，
4. 預測，基于過去表現分析預測未來表現

所以在根據業務表現研究用戶行為分析時，可結合以上維度、指標、反饋三點對業務現狀和背后原因進行深層挖掘。用戶行為分析對企業來說主要有以下幾點應用：

1. 根據不同用戶行為及表現，提出精準營銷建議，實現營銷利益最大化
2. 研究學習優質用戶的行為模式及共同特征，引導更多用戶發展為優質用戶
3. 有利于發現產品機會點，并利用A/B測試等測試的參考來改進或迭代產品

四、用戶行為分析的路徑

可以分為5層，即數據采集、數據存儲、分析模型、報表創建、應對策略。

1. 數據采集：如果沒有足夠、準確、實時的數據，再好的分析思維都沒有用。數據采集通常采用可視化埋點（即全埋點）、SDK埋點、JS埋點、日志數據、歷史數據導入等方式。需要獲得最準確的數據，推薦SDK埋點、服務器數據傳輸工具。
2. 數據存儲：打通用戶數據源，建立統一數據倉庫。對用戶屬性數據與用戶行為數據進行清晰、統一定義。用戶行為相關的數據，需要滿足4W1H的描述，即誰、在什么時間、以過什么方式、在哪里、做了什么，描述這些信息的，就是用戶id、設備號、訪問ip、時間、時長、點擊等數據的記錄。有了這些信息，就可以去分析Why，即用戶行為背后的原因。
3. 分析模型：用戶分群、多維分析、漏斗分析、留存分析、事件分析、行為路徑分析、行為序列分析。需要根據實際業務場景，進行靈活搭配使用。
4. 報表創建：對于團隊發展不同階段，創建統一的關鍵指標，指引團隊前進。而對運營、產品、市場，各自創建常用的報表，對關鍵數據進行持續性監控。比如市場關注渠道轉化漏斗，產品、運營關注用戶留存、活躍、關鍵行為事件。但對應的，都是在公司統一的最關鍵指標基礎下。比如新產品上線，先關注天使用戶對產品的響應，發展階段關注用戶增長、病毒傳播情況，穩定階段快速激活用戶付費等。
5. 應對策略：在數據分析基礎上，做針對性用戶調研、用戶訪談，找出相關性背后的原因，制定相應策略。