在數位時代中最重要的就是用戶行為分析
為什麼要做用戶行為分析? FlipWeb發現數據驅動的時代裡，你能發現你發現不了的問題，
因為之前半年的時間一直都把註意力放在數據分析挖掘的理論和技能的學習上。最近找工作才特別清醒地意識到，必須要把數據和具體的業務場景結合在一起才能使數據價值落地，網路數據應的重要部分就是用戶行為分析，挖掘用戶偏好。
一、什麼是用戶行為?
用戶行為由最簡單的五個元素構成：時間、地點、人物、交互、交互的內容。
(一)什麼是用戶行為?
對用戶行為進行分析，要將其定義為各種事件。比如用戶搜尋是一個事件，在什麼時間、什麼平臺上、哪一個ID、做了搜尋、搜尋的內容是什麼。這是一個完整的事件，也是對用戶行為的一個定義;我們可以在網站或者是 APP 中定義千千萬萬個這樣的事件。
有了這樣的事件以後，就可以把用戶行為連起來觀察。用戶首次進入網站後就是一個新用戶，他可能要註冊，那麼註冊行為就是一個事件。註冊要填寫個人信息，之後他可能開始搜尋買東西，所有這些都是用戶行為的事件。
(二)如何獲取用戶行為數據?
那麼，我們又該如何去監測這些用戶行為數據呢?
一種非常傳統、非常普遍的方式就是通過寫代碼去定義這個事件。在網站需要監測用戶行為數據的地方加載一段代碼，比如說註冊按鈕、下單按鈕等。加載了監測代碼，我們才能知道用戶是否點擊了註冊按鈕、用戶下了什麼訂單。
所有這些通過寫代碼來詳細描述事件和屬性的方式，國內都統稱為“埋點”。這是一種非常耗費人力的工程，並且過程非常繁瑣重複;但是大部分網路公司仍然雇傭了大批埋點團隊。
或者，Google分析可以通過幾行代碼植入到人以網站中.
二、為什麼要做用戶行為分析?
既然這麼麻煩，那為什麼要做用戶行為分析?
因為只有做了用戶行為分析才能知道用戶畫像、才能知道用戶在網站上個各種瀏覽、點擊、購買背後的商業真相。
簡單講，分析的主要方式就是關註流失，尤其是對轉化有要求的網站。我們希望用戶不要流失，上來之後不要走。像很多 O2O 產品，用戶一上來就有很多補貼;一旦錢燒完了，用戶就都走了。這樣的產品或者商業模式並不佳，我們希望能做到開源節流.
用戶行為分析幫助分析用戶怎麼流失、為什麼流失、在哪里流失。
比如最簡單的一個搜尋行為：某一個 ID 什麼時間搜尋了關鍵字、看了哪一頁、哪幾個結果，同時這個 ID 在哪個時間下單購買了，這個整個行為都非常重要的。如果中間他對搜尋結果不滿意，他肯定會再搜一次，把關鍵字換成別的，然後才能夠搜尋到結果。
用戶行為分析還能做哪些事情?
當你有了很多用戶行為數據、定義事件之後，你可以把用戶數據做成一個按小時、按天，或者按用戶級別、事件級別拆分的一個表。這個表用來做什麼?一個是知道用戶最簡單事件，比如登錄或者是購買，也可以知道哪些是優質用戶、哪些是即將流失的客戶，這樣的數據每天或每個小時都能看到。
三、用戶行為分析的五大場景
有了用戶的行為數據以後，我們有哪些應用場景呢?
第一個，獲取，也就是獲取新用戶。
第二個，轉化，比如電商特別注重訂單轉化率。
第三個，活存，如何讓用戶經常使用我們的產品。
第四個，留存，提前發現可能流失用戶，降低流失率。
第五個，變現，發現高價值用戶，提高銷售效率。
(一)獲取
管道分析，eBay 每天要向Google買400萬個關鍵字，除了SEM(search engine marketing)、SEO (search engine optimizing)我們還要分析其它各種合作夥伴管道。比如一家小電商網站上面放了 eBay 的連接，而後用戶通過該鏈接最終在 eBay 上完成了購買，eBay 就會分錢給這家網站。
eBay 特別注重是哪個搜尋引擎、哪個關鍵字帶來的流量;關鍵字是付費還是免費的。從Google那邊搜素引擎詞帶來了很多流量，但是這些流量是否在 eBay 上成單，所以這個數據還要跟 eBay 本身數據結合、然後再做渠道分配，到底成單的是哪個渠道。整個數據鏈要從頭到尾打通，需要把兩邊的數據整合之後才能做到。
(二)轉化
數據以註冊轉化漏鬥為例，第一步我們知道網頁上有哪些註冊入口，很多網站的註冊入口不只一個，需要定義每個事件;我們還想知道下一步多少人、多少百分比的人點擊了註冊按鈕、多少人打開了驗證頁;多少人登錄了，多少人完成了整個完整的註冊。
期間每一步都會有用戶流失，漏鬥做完後，我們就可以直觀看到，每個環節的流失率。
(三)活存
還有一個是用戶使用產品的流暢度。我們可以分析具體用戶行為，比如訪問時長，在那個頁面上停留時間特別長，尤其在 APP 上會特別明顯。再有是完善用戶畫像，拿用戶行為分析做用戶畫像是比較準的。
舉個例子，在美國有一個非常有名的線上影片網路 Netflix。Netflix 非常有意思，通過用戶行為分析，他把你一家人都進行精準分析定義。你們一家人有多少人，是大人還是小孩，你最喜歡看的是哪三部電影?你的行為輸出越多，他的推薦就會越來越精準。
(四)留存
用戶流失不是說一下子就流失了，一些細微、小的一些行為，就能預示他將來會流失。
在LinkedIn的時候，我們要去追蹤用戶的使用行為。比如說有沒有登錄、登錄之後有沒有搜簡歷、有沒有上傳簡歷等等。用戶這些點點滴滴的行為，都很重要。有了這些數據支撐，LinkedIn的產品、銷售每天都要去看用戶報告，最簡單的就是用戶使用行為有沒有下降、哪些行為下降、哪些用戶用的特別好等，以此來維護用戶關系。
(五)變現
LinkedIn 是一家 2C 又 2B 的公司，在全球有4億的用戶，有很多真實用戶的履歷訊息。2B 的業務是LinkedIn 為每一個企業 HR 銷售的，目的就是幫助美國的企業去找中高端的人才，這里面有很多的不同的產品線。LinkedIn 本身就是一個社群網路，用戶是經理、VP還是總監，還是業務類的，市場的、銷售的等等這些數據在 LinkedIn 上都聚合成一個公司的方式。
有了這個公司的方式之後，我們就能夠很快讓銷售拿著這個賣給客戶。比如要跟星巴克談業務，最能震撼到星巴克 HR 的數據是人才流失率的列表。
所有這些是通過用戶行為分析做出來的，透過第三方數據，用戶行為分析的價值不言而喻，所以這種情境就會是在數位時代中最重要的用戶行為分析。
