來源：一個數(shù)據(jù)人的自留地

作者：趙壯實

在數(shù)據(jù)處理過程中，我們一般會經(jīng)歷：數(shù)據(jù)采集—數(shù)據(jù)開發(fā)—數(shù)據(jù)生產(chǎn)—數(shù)據(jù)查詢分析—數(shù)據(jù)可視化等幾個步驟。而在「數(shù)據(jù)查詢分析」這一步中，會有業(yè)務(wù)數(shù)據(jù)分析、用戶屬性分析、用戶行為分析等。其中用戶行為分析，主要是針對用戶在產(chǎn)品上產(chǎn)生的各種行為進(jìn)行數(shù)據(jù)分析，以便我們更加了解用戶，更好地滿足用戶需求，提升用戶體驗。

01

理論入門：三組概念巧理解

1.用戶行為/用戶行為數(shù)據(jù)/用戶行為分析
用戶行為：廣義來講，用戶行為是由簡單的五個元素構(gòu)成：時間、地點、人物、交互、交互的內(nèi)容。如果我們要對網(wǎng)絡(luò)上用戶紛繁復(fù)雜的行為進(jìn)行分析，要將其定義為各種事件。比如，用戶搜索是一個事件，在什么時間、什么平臺上、哪一個ID、搜索的內(nèi)容是什么，就是事件的屬性。用戶行為數(shù)據(jù)：最簡單的存在形式就是日志，日志記錄了用戶的各項行為，如網(wǎng)頁瀏覽、購買、點擊、評分、評論等等。這些數(shù)據(jù)既可以橫向?qū)τ谀骋活愑脩羧后w的共同特性進(jìn)行分析，如：分析全部用戶對于某個頁面的點擊率；也可以縱向?qū)τ谀硞€用戶的行為細(xì)節(jié)和流程進(jìn)行分析，比如對某一個用戶進(jìn)行行為細(xì)查。用戶行為分析：對用戶使用產(chǎn)品過程中的所有數(shù)據(jù)（包括下載量、使用頻率、訪問量、訪問率、留存等等）進(jìn)行收集、整理、統(tǒng)計，進(jìn)而分析用戶使用產(chǎn)品的規(guī)律，為產(chǎn)品的后續(xù)發(fā)展、優(yōu)化或者營銷等活動提供有力的數(shù)據(jù)支撐。

2.事件/屬性事件：通過埋點定義的用戶行為或業(yè)務(wù)操作。屬性：包括事件屬性、用戶屬性、設(shè)備屬性。事件屬性：一個事件內(nèi)可能包含數(shù)個事件屬性，記錄了詳細(xì)描述事件的各種維度信息。舉例來說，“播放視頻”事件下可能包含以下事件屬性：§?enter_from(視頻的展示來源)§?is_auto_play(是否自動播放)用戶屬性：用戶自身狀態(tài)的屬性，例如年齡、性別等。設(shè)備屬性：用戶所使用設(shè)備相關(guān)的屬性，如操作系統(tǒng)、軟件版本、軟件渠道等。

3.維度/指標(biāo)維度：在用戶行為分析當(dāng)中，維度就是屬性，如“城市”就是一種維度，包括北京、上海、深圳、廣州等；又如“操作系統(tǒng)”包括ios、android；“渠道”包括app store、華為應(yīng)用市場、小米應(yīng)用商店等。指標(biāo)：是量化的數(shù)值。包括UV、PV、人均次數(shù)、時長、點擊率、滲透率、留存率、成功率等。指標(biāo)可以分為計數(shù)型指標(biāo)和復(fù)合型指標(biāo)，如UV、PV、訂單金額都是簡單計數(shù)型指標(biāo)；而像跳出率、購買轉(zhuǎn)化率等，涉及到四則運算，則屬于復(fù)合型指標(biāo)。總之，在用戶行為分析的數(shù)據(jù)產(chǎn)品當(dāng)中，事件／維度／指標(biāo)是三個最常用的詞匯，事件和埋點緊密相連，代表埋點定義的用戶行為或業(yè)務(wù)操作。對這些定義好的用戶行為和業(yè)務(wù)操作做出衡量，就需要用到維度（屬性）和指標(biāo)。維度是事件的屬性，我們按照什么切面去切分它；指標(biāo)是事件量化的數(shù)值，我們怎么做能達(dá)到這一個數(shù)值。

02

數(shù)據(jù)建模：好方法源自于好模型

如果數(shù)據(jù)處理是一條流的話，這條流就包括數(shù)據(jù)采集、數(shù)據(jù)生產(chǎn)開發(fā)、數(shù)據(jù)查詢分析及可視化。在進(jìn)行數(shù)據(jù)分析之前，還需要有一個數(shù)據(jù)建模的過程?；谀Ｐ?，會形成常見的數(shù)據(jù)分析方法。好的模型可以讓分析更加精準(zhǔn)、快速。數(shù)據(jù)倉庫教材里，有一種數(shù)據(jù)立方體，這就是「多維數(shù)據(jù)模型」的通俗叫法。

通過「多維數(shù)據(jù)模型」，我們可以做一些基本的數(shù)據(jù)分析：1. ?對渠道效果進(jìn)行分析，如：在評估應(yīng)用寶渠道的效果時，可以分析不同渠道的注冊用戶分別是多少；2. ?對產(chǎn)品性能進(jìn)行分析，如：在分析崩潰率時，可以按照產(chǎn)品不同版本的維度進(jìn)行細(xì)分；3. ?對功能迭代進(jìn)行評估，如：分析某新上線功能的用戶的使用滲透率時，可以按照城市維度進(jìn)行細(xì)分。這個模型非常簡單清晰，但是難點在于數(shù)據(jù)規(guī)模。在單位時間內(nèi)，所產(chǎn)生的數(shù)據(jù)條數(shù)就是所有維度的乘積，假設(shè)“城市”維度中覆蓋10個城市，需要監(jiān)測10種指標(biāo)，那么就會產(chǎn)生10^10 條記錄，每條記錄按1KB大小，那么就是10TB數(shù)據(jù)量。如果我們自己用SQL計算，將會是很大的成本。

03

用戶行為分析應(yīng)用技巧

工欲善其事，必先利其器，微小的實踐可能比宏偉的理論更偉大。目前，市面上用戶行為分析的產(chǎn)品很多，包括神策、growing io等產(chǎn)品。在以維度和指標(biāo)為指南，在看數(shù)據(jù)方面，壯實推薦大家可以從量級、趨勢、異常結(jié)構(gòu)、細(xì)分五個維度綜合分析。

• 看量級，即是看數(shù)據(jù)的多寡；

• 看趨勢，就是通過數(shù)據(jù)的升降判斷業(yè)務(wù)健康度走向；

• 看異常，就是看數(shù)據(jù)陡然來進(jìn)行下鉆定位，發(fā)現(xiàn)機(jī)會點和問題；

• 看結(jié)構(gòu)，即看數(shù)據(jù)的組成占比；

• 看細(xì)分，及通過細(xì)分維度的數(shù)據(jù)結(jié)合產(chǎn)品的具體形態(tài)推敲數(shù)據(jù)背后可能存在含義。??

數(shù)據(jù)驅(qū)動增長，從科學(xué)地進(jìn)行維度-指標(biāo)分析開始。以維度-指標(biāo)為邏輯的分析，可以極大地提高數(shù)據(jù)采集的效率，更真實、全面地還原用戶與產(chǎn)品的交互過程。通過基本的維度／指標(biāo)分析，可以快速定位影響轉(zhuǎn)化的關(guān)鍵點，提高運營效率。此外，這一分析也是轉(zhuǎn)化分析、留存分析、路徑分析的基礎(chǔ)，后續(xù)我們將陸續(xù)解讀，敬請關(guān)注。

關(guān)注我即刻了解更多數(shù)據(jù)分析知識

更多數(shù)據(jù)分析內(nèi)容

掃描碼即可了解