用戶行為分析，就該這么做！
很多同學最怕做開放題。比如“你做個用戶行為分析/經營分析/銷售分析……”然后沒有然后了。
接到這種沒頭沒尾的題目，腦子經常一篇空白，疑問：“我到底要分析啥？” 特別是用戶行為分析，因為用戶行為實在太多了。做完了不是被抱怨“沒分析到位”就是被埋怨“沒重點，分析了啥！”
到底該咋辦？今天系統講解一下
1
用戶行為分析的常見錯誤
▌錯誤1：亂擺指標，一鍋亂燉。最典型的就是，把性別、年齡、職業(yè)、身高體重，這種用戶基礎信息往上擺。注意，用戶行為，要分析的是行為，不是基礎信息。無關指標太多，只會干擾視線，亂上加亂。
▌錯誤2：羅列數據，沒有判斷。最典型的就是，羅列了用戶登錄數、點擊數、頁面跳轉一大堆數據，到底說明啥問題？沒結論。這種東西根本不能被稱作“分析”，只算是基礎數據展示。既然是分析就要有結論，有問題，有解答。
▌錯誤3：望文生義，亂下結論。最常見的：
● 用戶登錄少了，所以要搞高
● 這個商品用戶買的多，所以要多賣
● 這個內容用戶點的多，所以繼續(xù)出
基本上就是數據低了就搞高，高了就保持。其結論之無腦，業(yè)務部門都看哭了……
以上種種亂象，主要來自：對不同部門關注的用戶行為重點缺乏了解。不知道重點，就可勁拼湊數據，忽視了如何從數據提煉結論，結果反而畫蛇添足。想破局，就得從認真思考：到底業(yè)務看用戶行為能看出啥？
2
用戶行為是什么
一個用戶ID，在企業(yè)內部系統產生的，可記錄的動作，都可以稱為：用戶行為。
一個完整的用戶行為，包括6要素：
l 時間：何時發(fā)生
l 地點：在XX渠道/平臺/系統發(fā)生
l 人物：誰發(fā)生的
l 起因：第一個動作
l 經過：所有動作組成的鏈路
l 結果：行為帶來的結果
這些要素，在不同平臺上表現方式不同（如下圖）
在不同系統平臺，收集的用戶行為的方式也不同。
常見的有三類：
1、后臺記錄：用戶注冊表單、服務請求表單、交易訂單等
2、埋點記錄：用戶在APP、小程序、H5瀏覽記錄
3、業(yè)務人員反饋：通過銷售、客服、售后工作人員反饋的信息
總之，這也是為啥用戶行為相關指標數據顯得很多、很雜、很亂的原因：本來用戶行為就有很多種，不結合具體業(yè)務需求，就是講不清楚。
3
不同業(yè)務的需求
業(yè)務方關注用戶行為，有四種情況。
▌情況一：一無所知，看看再說。
常見的，比如：
● 新官上任，不清楚情況
● 新業(yè)務線，沒做過復盤
● 新年伊始，要做各種新計劃
總之，對基礎情況不甚了解。
這種情況下，宜粗不宜細，宜全不宜精。先給一個整體概貌，讓領導/業(yè)務同事找找感覺，之后有具體議題了，再深入分析（如下圖）。不然一上來雞毛蒜皮一堆東西，很有可能把人看暈，感慨“這一大堆到底說了啥？”
▌情況二：心有所指，關注結果。這種情況，一般出在某個具體業(yè)務流程、產品功能點、內容發(fā)布以后。業(yè)務方目標很明確：看看這東西做的咋樣了。
常見的，比如：
l 內容板塊：用戶點擊、參與討論、轉發(fā)動作
l 功能點：用戶使用數量、使用頻次、使用時長
l 商品：用戶瀏覽、購買、重復購買、一次性大額購買
此時就不能鋪開了說，而是聚焦業(yè)務關注的功能點，從大到小展示數據（如下圖）
注意！用戶行為分析低一個大坑點，就是：用戶行為多不等于業(yè)績好。比如電商業(yè)務，運營興致勃勃的上個一澆水種樹領優(yōu)惠的活動，企圖拉一拉活躍人數，結果發(fā)現用戶都玩游戲去了，都在等優(yōu)惠，反而下單的人在減少！
此時，可以用矩陣法、前后對比法、行為關系分析等方法，具體看這個行為對業(yè)績的影響（如下圖）。
▌情況三：業(yè)績壓力，焦頭爛額。這種情況，一般是評價具體業(yè)務流程，且該流程是核心流程。比如新用戶注冊，大型活動參與，交易流程，關鍵問題投訴等等。
這時候分析目標非常具體：
l 注冊轉化率要搞高！
l 活動參與率要搞多！
l 成交比例要做高！
l 關鍵投訴堅決撲滅！
這種目標清晰的用戶行為分析，可以說是最簡單輕松了。核心思路就是以下四個模塊。
這里要注意的是，很多同學會直接插入轉化流程分析。這樣做呈現的數據太細，容易模糊整體判斷。好/壞的判斷始終是第一位的。如果連“好”“壞”都判斷錯了，那后邊的原因分析全是錯的。所以先對整體形勢做判斷，看看是否能接受是第一位的。
還有一點，就是補救措施分析，會被很多同學忽視。用戶行為分析的第二大坑點，就是用戶行為分析是“知其然、不知其所以然”的分析。用戶行為是各種因素影響結果，在企業(yè)實際中，不可能像實驗室一樣每個項目都做控制變量研究，即使提前做過ABtest，真正上線時也會因為天時地利有各種差異。
所以真遇到問題的時候，很有可能短時間內分析不出來原因，或者即使大概知道原因，也沒辦法把活動停掉/渠道換掉。此時的思路，不是糾結：這個到底是用戶不喜歡文案還是不喜歡產品，而是：我們還能做什么挽回。
因此補救措施分析一定不能省。這樣比孤零零喊：“這個流程不行啦！”要有價值得多。這也是為啥很多數據明明給了用戶轉化路徑的問題，可業(yè)務方還是喊：“沒有建設性”的原因。沒人喜歡報喪鳥天天喊：“要完啦！要完啦！”人們想聽：“試試這個！試試這個！”
▌情況四：情況不明，疑神疑鬼。這種情況，一般是某個業(yè)務做得不行，業(yè)務方又沒有明確假設的時候。就想著：“能不能深入挖掘下用戶行為？找找原因？”至于挖啥、挖出來啥原因，可能他們自己都不知道……
這是最難搞的情況。因為分析目標完全不清楚。這里有兩個基本思路：
思路一：業(yè)務方先圈出來自己的目標客戶，然后看目標客戶在干啥
思路二：先找出一個行為的重度客戶，然后問業(yè)務方：這是你們想要的不
總之，從極端情況里，更容易找到解決問題的靈感。
比如積分兌換，業(yè)務方只是覺得這個業(yè)務不行，哪里不行又說不上來。此時可以如下圖，分兩個思路看數據（如下圖）
如果發(fā)現高價值用戶明顯偏好某些禮品兌換，則可以對應設計吸引高價值用戶禮品方案。如果發(fā)現重度用戶明顯存在薅羊毛嫌疑，則可以對應修改獎勵規(guī)則。總之，只要用戶群體行為差異足夠大，就能產生策略。
4
小結
從上邊四大情況可以看出來，即使是同樣的數據，面對不同情況，可以有不同展現方法。這就要求同學們在工作中，認真理解業(yè)務需求。
很多同學會說：直接問業(yè)務不就好了。問題是，四個情況里，除了情況三是很明確的有KPI壓力以外，其他三個情況都很含糊，最后口頭表達的需求就是：“做個用戶行為分析看看”。
這就要求做數據的同學們，自己有一定的判斷能力。以上四種情況是層層遞進的，其邏輯關系如下圖，同學們可以剝洋蔥般的引導業(yè)務，找到真正關心的問題，從而做出有價值的分析。
如果同學們對這一類話題有興趣的話，請點亮右下角的“在看”，本篇集齊60在看，下一篇分享，如果業(yè)務問“做個產品分析”到底咋分析法。繼續(xù)看如何做這種大而廣的問題。
更多精彩原創(chuàng)：
了解陳老師的視頻課程