八大数据分析模型之——全行为路径分析(七)

诸葛君说:用户在产品中的行为其实是个黑盒子,全行为路径是用全局视野看用户的行为轨迹,很多时候你会有意想不到的收获,在可视化的过程中有两个模型,一个是树形图、一个是太阳图,今天我们将继续解读八大数据分析模型之——全行为路径分析,让你快速直观看到用户如何在使用你的产品。

一、行为路径分析

单体洞察、用户分群、行为路径分析是用户行为数据分析的三大利器。单体洞察满足了我们对单个用户的特征洞察,用户分群满足了我们对全量用户或某一特征人群的洞察,而行为路径分析是对用户产生的行为数据的可视化分析模型,某一人群交叉行为路径分析模型,可以快速洞察到这一群体的行为特征。常用的行为路径分析模型有漏斗分析模型和全行为路径分析模型。

在分析既定的行为路径转化时,我们会采用漏斗分析模型,你会看到用户在我们设定的路径中的每一步转化,比如从查看商品详情到最终支付成功每一步的转化率,从而对既定路径不断调优。

图1:注册转化漏斗

但是,用户在产品内的行为路径可以说是个黑盒子,界面内的每一个按钮、信息都会影响用户的下一行为。为此,我们需要拥有一个更高的视野去俯视用户的行为,打开这个黑盒子,而这一分析模型就是全行为路径分析模型。

二、全行为路径分析模型

全行为路径分析是互联网产品特有的一类数据分析方法,它主要根据每位用户在App或网站中的行为事件,分析用户在App或网站中各个模块的流转规律与特点,挖掘用户的访问或浏览模式,进而实现一些特定的业务用途,如对App核心模块的到达率提升、特定用户群体的主流路径提取与浏览特征刻画,App产品设计的优化等。

常用的全行为路径分析模型有两种:

1、树形图

图2:树形图

如上图所示,从会话开始,每一行代表用户的一步。树形图最多展示五步。第一步是会话开始,第二步,用户通常会进行搜索课程、查看课程详情、注册、登录、开始付款。从上图可以看出,在用户的使用中,绝大部分的用户打开app后会进行课程搜索。你可能会问横向相加为什么不等于100%?

如图示,转化率计算的是用户的每一次会话,同一个用户,可能上午进入app后进行了搜索,下午可能进入app后直接在首页进行了查看课程详情,同一个人在不同会话可能会有不同的行为。分母是所有使用的用户,那计算每一步的时候分子会出现同一个人。所以百分比相加大于1。

2、太阳图

树状图通过用户行为的步骤纵向进行了展示并基于每一步的比例进行了从高到底的排序,相较于树状图,太阳图的全局视野更清晰,你可以用一个平面的视角看用户的使用情况。

图3:太阳图

如上图所示,每一环代表用户的一步,不同的颜色代表不同的行为,同一环颜色占比越大代表在当前步骤中用户行为越统一,环越长说明用户的行为路径越长。

你可以把路径设计过程中我们忽略的步骤添加到漏斗进行监控,并对用户的这一路径做用户动机分析,并不断进行优化。

三、场景举例

图4:树形图

我们以上图中的树形图为例,这是一个教育培训类产品,我们发现75.2%的用户都是从“搜索课程”这一行为开始的,说明“搜索”是这一产品的重要功能之一,搜索优化得越好,购买下单的可能性就越大,同时有助于了解用户的真实需求。

但是我们还发现,从第二步之后的数据来看,一次的搜索行为显然没有帮用户找到他所需要的课程,因为,他并没有直接进入“查看课程详情”。

对于用户来说最理想的体验是,在输入关键词后,快速找到其所需要的商品/课程/服务,对于产品来说,就是在用户还没有失去耐心前完成搜索转化,那么针对上图的场景,我们该如何提升一次搜索转化率呢?

除了识别不利于转化的关键词,通过放置搜索结果顶端或者底部来升级或降级产品外,你还可通过洞察用户行为数据来优化:

比如:凡搜索“数据分析”、“数据驱动”、“数据思维”等关键词的用户最终都点开查看了A课程,那么我们即可根据数据相关性将搜索词“数据”与A课程关联到一起。

比如:将近期用户高频搜索的关键词同步到前端页面,设置成可点击元素,提高搜索效率。

比如:通过分析用户的搜索行为,为用户补充商品/课程/服务、优化搜索结果页结构、优化搜索推荐等提供数据支持。

总之,透过用户行为数据深挖用户表面行为背后真实、本质的需求,唯有通过数据看透本质需求,才能真正触达用户的“心”。

用户运营的本质是精细化运营,而精细化运营的前提是,对可真实还原用户与产品交互过程的用户行为的洞察,全行为路径分析让你更直观的看到用户使用产品的状况,了解用户的来龙去脉,找到用户最有可能完成核心转化的行为,通过产品上以及运营策略上的引导,持续挖掘更多用户的价值。

-八大数据分析模型-

用户模型(一)

事件模型(二)

漏斗分析模型(三)

热图分析模型(四)

自定义留存分析模型(五)

粘性分析(六)

-近  期  热  文-

客户:好未来 | 腰果公考 | 东易日盛 | 向上金服 | 饿了么 | 食行生鲜 | 光明随心订 | 麦子学院 | 分答

指标:病毒传播系数 | 复购率 | 粘性 | 漏斗 | 太阳图

行业:新零售 | 在线教育 | 短视频 | 科技金融 | 内容社区 | 直播社交 | 共享单车

产品:改版评估 | 增长实践 | 新老用户划分 | 采集方式

运营:低频刚需 |PUSH打开率 | 引爆分享 |  活动指标 | 用户运营 |  用户分群 | 推送策略 | 运营阶段

市场:SEM成本衡量 | 数字营销 | 高效获客 | 推广三要素 | 应用商店追踪

其他:运营体系搭建 | 客户成功 | 行为数据基础篇

(0)

相关推荐

  • App 数据分析的常用指标有哪些?

    这个问题还是稍微有点宽泛了,首先App有很多不同的类型,涉及各行各业,其次,不同行业的App也会涉及到不同内容的数据分析,所以想要准确的回答题主的问题恐怕有些难度.但是我大胆猜测题主是想做一个App的 ...

  • 浅析7个常见的数据分析模型

    一个成功的数据挖掘项目,首先要有准确的业务需求描述,之后则要求项目相关人员自始至终对业务有正确的理解和判断 对业务的理解和思考,永远高于项目的分类和分析技术的选择 1 目标客户的特征分析 目的:找准目 ...

  • 八大数据分析模型之——用户模型(一)

    诸葛君说:模型是指对于某个实际问题或客观事物.规律进行抽象后的一种形式化表达方式.任何模型都有三个部分组成:目标.变量和关系.明确变量,改变变量,即可直接呈现结果,实现目标.在日常的数据分析中,我们常 ...

  • 八大数据分析模型之——事件模型(二)

    诸葛君说:在日常的数据分析中,常用的有8大模型:用户模型(点我回顾).事件模型.漏斗分析模型.热图分析模型.自定义留存分析模型.粘性分析模型.全行为路径分析模型.用户分群模型,其中,"事件模 ...

  • 八大数据分析模型之——漏斗分析模型(三)

    诸葛君说:刚刚接触数据运营的童鞋可能都会产生这样的困惑:数据运营难不难?数学不好怎么办?是不是还需要学习数学建模?其实小编在刚开始接触数据时也常常感到困惑,面对业务指标不知从何下手,比如,之前在知乎上 ...

  • 八大数据分析模型之——热图分析模型(四)

    诸葛君说:产品/运营们最痛苦的莫过于说服开发部门同意我们的网页改版方案,他们往往会充满怀疑的反问:为什么要这样做?总之,在你无法证明"你是对的"情况下,所有的沟通仿佛都站不住脚,今 ...

  • 八大数据分析模型之——自定义留存分析模型(五)

    诸葛君说:在流量越来越贵背景下,留住老用户显得愈发重要,对于用户而言,留存率越高,说明产品对用户的核心需求把握的越好,用户对产品产生强烈的依赖.对于产品而言,留存率越高,说明产品的活跃用户越多,转化为 ...

  • 八大数据分析模型之——用户分群模型(八)

    诸葛君说:这个世界本是相互关联的一体,而我们总想透过现象看到本质,希望将"混沌复杂的"简化分立为"模型化的",这样能够更方便的让我们理解这个世界.用户分群就是一 ...

  • 有它,谁还从零开始做数据分析模型!

    从零开始做数据分析模型,那可是个极为消耗时间的事!那么,有没有快速搭建数据分析模型的方法?别说,还真有,奥威BI标准化数据分析解决方案就预设了数据分析模型,用户可以直接以此为基础增设必要个性化设计,搭 ...

  • 梅西成欧洲双二十数据首人?向第七座进球冲击 比肩C罗纵横驰骋

    谁是当今足坛第一人? 进球20个+助攻20个=第7座金球奖? 33岁的梅西依旧在创造传奇! 西甲联赛已经接近尾声,梅西继续延续自己的个人记录.本场比赛面对弱旅巴拉多利德,梅西助攻比达尔打进全场唯一进球 ...

  • 大数据知识合集之数据分析模型

    常用数据分析模型,主要包括:对比分析.漏斗分析.留存分析.A/B测试.用户行为路径分析.用户分群.用户画像分析等. 1.对比分析 对比分析 主要是指将两个相互联系的指标数据进行比较,从数量上展示和说明 ...