用戶行為特征，對於運營來說，用戶行為是壹個需要關註的點。很多時候，用戶行為決定了壹個網站甚至壹個軟件能否持續運營，所以通常需要分析用戶行為特征。我們來看看相關內容。
用戶行為特征1用戶行為是用戶在產品上產生的行為，實際上表現為相關的用戶數據。產品經理用不同的分析方法分析不同的數據，進而為產品叠代和開發提供方向。
1.什麽是用戶行為？
1，用戶行為
用戶行為是用戶對產品的行為。我們用小明的案例來形象化用戶的行為:
因為小明關於作者的信息是有記錄的，所以當作者發布信息時，他會通知所有關註他的人，小明就是其中之壹。
小明關註的是作者的信息記錄，是行為數據。小明的行為數據會包括啟動壹個app，瀏覽，查看壹個圖集，播放壹個視頻，喜歡，關註作者...
2.用戶行為數據
用戶行為數據來源於壹次又壹次的行為，行為數據通過埋點進行監測(遇見埋點介紹)。後續文章將介紹如何設計埋點。通常是數據生完成埋點的設計，開發監控程序或者調用SDK。鑒於小明的行為(假設已經埋下了以下幾點):
3.用戶行為分析
指對用戶行為數據的數據分析和研究。
4、用戶行為分析的作用
(1)通過用戶行為分析，可以還原用戶使用的真實過程。
xxx壹個人在某個時間點做了什麽樣的環境(由於什麽樣的行為)？他做了什麽，結果如何？
(2)“了解用戶，還原用戶”是“以用戶為中心”的第壹步。只有詳細清晰地了解用戶的行為習慣和真實使用路徑，才能發現產品使用和渠道推廣過程中存在的問題，提高用戶/頁面/商家的轉化率。
(3)用戶行為分析(案例需要補充)可用於
壹、創新:渠道分析，SEM分析，用戶質量分析，
b、轉化:增加用戶註冊轉化流程，產品使用流程轉化(搜索、推薦等。)，推引體向上過程，站外引體向上過程。
c、推廣活動:用戶停留時間，用戶行為分布，
D.保留:用戶保留分析
E.商業化:根據用戶歷史行為展示廣告。
二、如何進行用戶行為分析？
1，行為事件分析
行為事件分析法主要用於深入研究壹個行為事件，以及它對產品的影響和影響程度。
對於壹個具體的行為，進行綜合的描述和對比，根據其異常的出現深度，向下鉆取分析各個維度，確認導致行為數據表現的原因。比如Aauto Quicker中的播放量劇增:對比分析同期確認歷史上是否發生過，對比去年/上季度/上個月/上周/昨天的數據相對表現。多個事件的比較分析。對比瀏覽量、點贊、評論、分享事件的數據，看有沒有增加。通過比較多個事件，確認增加現象的範圍。在維度上向下鉆取:由於播放量更快地依賴於Aauto中三個部門的用戶消費的視頻，因此由監控程序報告。
因此，從三個方面進行分析:
監控程序是否異常？Aauto中哪個頁面增加的更快？是發現，是關註，還是城市？-& gt；對應頁面做了哪些調整？排水是否增加；哪部分用戶群的播放量增加了？交叉分析用戶的自然屬性(平臺、性別、年齡、地域、學歷、車型、消費能力)和行為屬性(新增、回頭客、頻繁活躍用戶；直播用戶、短視頻用戶、)、視頻屬性(視頻類型、作者類型、)。
2.殘留分析
留存是衡量用戶是否再次使用產品的指標，也是每個app所依賴的指標。它可以反映任何產品的健康程度，是產品、運營和推薦效果的整體表現。如果壹個app永遠留不住用戶，那麽DAU永遠都是新用戶，產品也跑不起來，更不用說新用戶的成本了。
符合業務屬性並細化保留流程將對保留數據更有價值和指導意義。通過留存分析，可以分析用戶留在產品中的原因，從而優化產品的核心功能，增強留存。
保留類型:
用戶留存:用戶在壹段時間後仍然使用該應用。功能留存:用戶使用壹段時間後仍然使用xxx功能，其他功能有所變化。在這壹點上，這個功能對用戶留存是有積極作用的。之前寫過留存分析的文章，這裏就不贅述了。
3.漏鬥分析
漏鬥分析的本質是轉化分析，衡量每個轉化步驟的轉化率，通過轉化率的異常數據找出有問題的環節並加以解決，從而優化整個流程的完成率。
產品初期(適應市場階段):通過漏鬥分析，找到用戶觸達的瓶頸，幫助用戶觸達產品的核心價值，真實反映MVP與市場的匹配程度；產品中期(用戶穩步增加階段):(1)通過漏鬥分析優化渠道，找到目標群體用戶；(2)通過漏鬥分析優化各模塊中的用戶體驗(基礎登錄模塊，產品核心價值模塊，如Tik Tok的玩模塊，淘寶的購模塊等。);產品後期(用戶價值輸出階段):(1)可以通過漏鬥分析提升用戶生命周期(優化用戶體驗提升用戶生命周期，間接延長用戶群體價值輸出時間，減少高價值用戶群體流失)；(2)商業化模塊可以通過漏鬥分析進行優化，如商品的購買流程(購物車-提交訂單的轉化漏鬥)、廣告的曝光點擊等，從而提高生命周期內單位時間產生的價值。
4.路徑分析
路徑分析可以根據用戶的使用過程，呈現壹個“清晰”的用戶現有路徑。找到路徑問題，然後進行優化，讓用戶在最短的路徑內體驗到產品的核心價值。
通過路徑分析，我們可以知道像小明這樣9點左右播放視頻的用戶:他們通過推送點擊，這些用戶的比例是多少；他們匆匆結束了廣播，沒有下壹步。這部分用戶的比例是多少？針對他們利用碎片化時間播放視頻的場景，尤其是‘突然退出’的場景，下次打開app時是否打開終端視頻。在這種情況下，還有其他可以優化的策略嗎？
此外，路徑分析不僅可以用於行為路徑分析，還可以用於用戶群體轉化分析。比如把新用戶變成忠實用戶、活躍用戶、潛在流失用戶、流失用戶的分析。
5.用戶分組分析
通過了解用戶畫像，可以幫助運營了解用戶。根據用戶畫像的標簽信息(基本屬性、用戶偏好、生活習慣、用戶行為等。)，用戶分組。
通過用戶分組行為的對比，可以進壹步了解不同群體對產品的反饋，有針對性地優化產品。
發現西南地區低端機型在使用app的時候崩機率特別高，開發可以優化這壹點，降低崩機率。我們可以做定向投放、推送等。根據不同用戶群體的行為，對用戶進行個性化定制，實現精細化運營。行業內的商業行為分析產品基本都是將用戶畫像生成和標註的過程合並到用戶分組的分組定義中，減少了操作流程。
第三，用戶行為分析的完整環節
以小鳴為案例，每天都有數萬/上億的用戶行為發生。如何對“這樣的人”進行“行為分析”？需要行為分析來聚集詳細的日誌，然後以更易讀的形式顯示它們。
為了保證埋點可靠，數據上報及時，行為數據分析有效。需要壹個完整的用戶行為體系，包括數據嵌入設計、數據嵌入開發、數據報告、數據模型開發、行為數據分析。這個過程還需要多方協作。如何在多方協作中保證高效便捷的完成並輸出具有商業價值的數據分析結論？稍後，我們將介紹服務於用戶行為分析的相關平臺。
用戶行為特征2。什麽是用戶行為？
中國有句古話“天地為宇宙，古今為主”，道出了時空的概念。如果我們想徹底地研究任何事情，我們經常從時間和空間的角度來考慮它。分析用戶行為也不例外。
換句話說，用戶行為的研究內容可以按照時間和空間維度進行擴展。
從時間上看，根據管理大師菲利普·科特勒的理論，用戶的行為軌跡包括:產生需求、收集信息、比較選擇方案、做出購買決策；購後行為的五個階段。購後行為包括習慣、體驗、滿意度和忠誠度。
從空間來看，用戶行為的要素包括5W2H。例如，如果我們想要完整地描述用戶在購買階段的行為，我們必須回答這個問題，誰？妳打算什麽時候做？什麽地方(哪裏)？妳想買什麽？產生需求的動機是什麽(為什麽)？妳打算買多少？如何購買？同樣，使用階段也可以從這七個要素來描述。
五個階段和七個要素的結合形成了用戶行為分析的研究體系。該系統細化了用戶行為的研究內容，並基於這些內容提出了用戶問卷的壹些基本問題。
二、為什麽要分析用戶行為(為什麽)？
之所以要分析用戶行為，是為了發現用戶行為的特征，從而為企業的運營提供支持。
想壹想，用戶行為的特點是什麽？
Q1:用戶行為是同質的還是差異化的？
A1:差異化，所以用戶行為不壹樣。
Q2:用戶行為是靜態的還是動態的？
A2:動態的，所以用戶行為是流動的。
Q3:用戶行為是相互孤立的還是相互影響的？
A3:相互互動，所以用戶的行為是有傳染性的。
差異性、移動性和交流性是用戶行為的三個顯著特征。那麽，這些特征是如何具體表現出來的，這些特征在企業的運營中起著怎樣的作用？
這裏只說區別，後面會在博文裏說移動和通信。
用戶行為從時間和空間維度可以分為五個階段和七個要素。所以用戶的差異就表現在這五個階段和七個要素上。比如在需求產生階段，用戶的需求動機是不壹樣的。同樣是買電腦，有的是為了工作，有的是為了學習，有的是為了消遣；再比如，在信息收集階段，用戶的信息收集渠道不同。同樣是買房，有的看網絡廣告；有的聽朋友介紹；有的去現場收集壹些。
這裏只有兩個階段。能告訴我們用戶在其他階段的不同表現嗎？
意識到用戶的差異性，企業的營銷工作就不會千篇壹律，也不會狂轟濫炸，而是會進行市場細分和目標市場選擇，然後針對目標用戶進行精準營銷。這種精準營銷體現在市場定位、競爭策略選擇、品牌形象、營銷組合等多個方面。
三、如何分析用戶行為(How)？
這裏只說區別，後面會在博文裏說移動和通信。
我們前面講過由於用戶行為的差異，需要進行市場細分和目標市場選擇，那麽怎麽做呢？
市場細分的思路就是看從哪個維度來劃分市場，使細分市場內部具有* * *的特點，細分市場之間具有個性。從哪個維度必須結合企業所處行業的特點。比如菜場，地域差異明顯，南甜北鹹，東辣西酸，所以菜場可以按地域劃分；在服裝市場，性別差異非常突出，男款少而精；而且美女模特很多，所以服裝市場可以按性別劃分。另外，二八原則在市場細分中也有廣泛應用，即我們可以根據用戶的重要程度將用戶分為三類。重要性的評價指標有很多，比如規模、綜合實力、行業影響力、對企業貢獻率、同類產品總投資等等。
將市場劃分為若幹細分市場後，企業面臨著目標市場選擇的問題。如何選擇目標市場？這是壹個群體決策的過程。在選擇目標市場時，往往需要企業的管理者和關鍵營銷人員坐在壹起討論確定。有五個步驟來討論* * *
指標的選擇第壹步要結合企業自身的實際情況。比如我是大企業，規模經濟是我的優勢，所以市場規模是我選擇的重要指標；我是中小企業，更應該關註激烈的競爭，因為競爭太激烈了，我不壹定能活下來。所以競爭的激烈程度是我選擇的壹個重要指標。
第二步和第三步優先級和評分指標的確定方法，請參考小喵《誰說菜鳥不會分析數據》中的權重確定方法。
第四步的綜合得分是第二步和第三步結果的加權平均值。
第五步，選擇目標市場，橫坐標和縱坐標可以是企業適應性和市場吸引力，可以得出各個細分市場在四個象限中的位置。
經過幾年的快速發展，cmnet市場增速明顯放緩，人口紅利逐漸消失。移動互聯網已經進入下半場，市場競爭逐漸從增量用戶競爭轉變為存量用戶競爭。同時，隨著流量紅利的消失，數據紅利時代已經到來，流程驅動的公司正在向數據驅動的數字化公司轉型。競爭已經從同行業蔓延到不同行業，跟隨用戶，滿足用戶跨場景需求，將成為數據紅利時代的核心訴求。
如果說數字化轉型是不可逆的，那麽對於用戶的精細化運營將是數字化轉型的支撐點之壹。為了實現用戶的精細化運營，對用戶行為的分析必不可少。比如，從網站、app等渠道收集用戶行為數據，對獲得的用戶行為數據進行多維度、多角度的對比分析，以指導客戶獲取效率的提升，優化產品服務和用戶體驗，用數據驅動業務的持續增長。
但目前距離實現這壹目標還有壹定差距。由於日常工作分工不同，只關註某壹方面的數據顯然是不夠的，無法全面了解產品運行情況，更不要說提出有效的分析和建議。
現在的情況是，在公司裏，業務部門要看數據，會先提出自己的數據需求。這時候就要找技術人員或者數據分析師，按照要求寫SQL，把數據帶出庫，交給數據分析師進行分析，形成相應的報告，然後送到業務部門審核。整個過程不需要三五天就能完成，數據分析的時效性大大降低。
企業采用用戶行為分析工具，可以讓產品、運營、市場、數據等業務部門更方便的進行數據分析，讓技術部門每天面對的零碎需求更少，把更多的精力集中在建立數據倉庫等核心工作上。
我們在做產品開發或者產品運營的時候，通常需要第三方工具做用戶行為分析，提供數據支持。所以免費產品的試用就成了大家前期選擇工具的必經之路。為了讓大家更容易對目前市面上的用戶分析工具有壹個清晰的認識，我們在試用了大量工具後，從數據訪問、數據分析、安全性、擴展等方面進行了全面的分析。
很多人都在問，市面上有沒有免費的用戶行為分析工具？答案是肯定的！但是，每個家庭都有自己的特點。國外知名的用戶行為數據分析工具像Google Analytics(以下簡稱GA)、Mixpanel，國內有百度統計、關彜方舟Argo、友盟、TalkingData免費版(以下簡稱TD免費版)。
01，數據訪問
說到數據訪問，首先要說明的是幾個產品的數據模型的差異。
GA和百度統計誕生於傳統PC互聯網時代，都是基於傳統的頁面瀏覽(PV)和用戶會話。其中GA進化了很多年，增加了壹些關於事件分析和自定義屬性的內容，但本質上主要是服務於頁面類的產品。百度統計仍然只支持頁面和會話統計。
隨著移動互聯網時代的到來，用戶的行為接觸越來越多，過去可以圍繞頁面和會話收集的結構化數據的粒度不夠精細，頁面和會話模型不再適用。因此，基於“用戶+事件”的模型應運而生，分析時可以完全獨立定義需要分析的事件，從不同的屬性維度進行交叉分析。新推出的關彜方舟Argo，以及Mixpanel、友盟、TalkingData等免費版本都采用了“用戶+事件”的模式。
在埋點方面，目前根據埋點的工具和方法，可以分為代碼埋點、可視化埋點和全埋點三種。我們並沒有說哪種方式可以碾壓其他種類，因為每種方式都有自己的缺點。我們還比較了各種具體埋點方法的分類和優缺點:
我們來看看市面上幾款免費數據分析產品的數據訪問對比。需要註意的是，由於GA和Mixpanel都是國外產品，數據采集的規則都是適應iOS和Android的設計規範，但是國內開發者往往會忽略這些設計規範來開發產品，而GA和Mixpanel並沒有根據國內產品的特點來優化自己的數據采集，因此數據采集的準確性可能會受到影響。
另外需要提到的是，Mixpanel和關彜方舟Argo的數據采集SDK都開放了源代碼，壹定程度上可以打消企業在數據采集安全方面的顧慮。
02、數據分析
數據分析是用戶行為分析工具的核心。除了百度統計，其他幾款產品都可以滿足用戶行為數據分析的基本需求，只是功能不同。具體對比見下表。
從分析模型的豐富程度來看，Mixpanle和關彜方舟Argo是功能性最強的，堪稱壹家之鬥。唯壹遺憾的是，關彜方舟Argo目前不支持熱圖分析。比如最常用的“事件分析”功能，不僅可以從PV、UV等方面進行分析，還可以根據不同的屬性值設置具體的指標，按照不同的維度進行對比，非常強大。
從數據精度來看，GA在算法的嚴謹性上應該是最好的，但如果用戶或事件較大，會采取采樣分析，可能會影響數據的準確性，Mixpanel的免費版也會有類似的問題。關彜方舟Argo在這方面表現搶眼，在數據計算上支持秒級實時數據分析、自定義指標、多維度多人群指標對比、人群交叉分析、智能分析、實時數據傳輸、即席數據分析。
從數據管理、項目管理、權限管理等常見的管理功能來看，有幾個工具提供了友好的支持。但是只有友盟+提供了手機app，可以通過手機隨時查看監測到的數據。關彜方舟阿爾戈支持通過移動瀏覽器訪問和查看數據看板。
此外，值得壹提的是關彜方舟Argo中的用戶操作和觸摸功能。目前，關彜方舟Argo在完成用戶分析和分組後，可以通過郵件、短信、推送消息等多種方式觸達目標用戶，還支持配置UTM追蹤參數追蹤廣告。
03、安全性和擴展性
企業級產品在數據安全性和可擴展性方面需要提前考慮，幾款產品也各有側重。具體對比如下表所示:
(點擊圖片看清晰大圖)
GA免費版和Mixpanel都提供SaaS服務，但由於服務器在國外，可能會對國內的穩定性和刷新速度造成壹定影響。百度統計、友盟統計、TD免費版基本都是SaaS服務；關彜方舟Argo提供安裝包，可由企業自行私有部署。如果對數據安全有顧慮，關彜方舟Argo是個不錯的選擇。在服務方面，除了GA和關彜方舟Argo，其他產品都沒有完善的用戶服務支持。
摘要
相比之下，新推出的關彜方舟Argo在數據采集和數據分析能力方面，已經能夠滿足產品數據和用戶行為數據分析的需求，並提供了專屬的壹站式用戶運營和用戶接入。與國內其他免費工具產品相比，關彜方舟Argo在粒度、分析模型的全面性、系統性能等方面都非常優秀。
目的:大部分成長團隊和創業團隊的市場和運營預算都比較緊張，投入的每壹分錢都恨不得知道什麽時候才能折算回來。搭建壹個完整的數據分析平臺，肯定是要花很多功夫的。相信更全面的用戶分析和運營分析工具的免費開放，可以避免企業在市場運營中走彎路；也能讓團隊解放出來，更加專註於業務，提升營銷效率，優化叠代產品，通過用戶行為分析留住更多用戶，真正做到用數據引導和驅動業務。
最後，在選拔過程中，在關彜方舟的Argo社區交流的感覺很好。現在市面上有很多免費的工具產品，但是真正形成自己的技術服務社區的並不多。我相信他們未來可以把這個社區做得更好，就像小米把MIUI運營成社區壹樣，可以為廣大技術宅和數據愛好者提供壹個炫技、PK、互助的圈子。