用户行为如何分析模型？（用户行为分析模型的4大重点）

商业模式发展至今，用(yong)户已经不仅仅是行为析模型用析模型销售能够制造的产品，而是何分户行制造能(neng)够销售的产品。企业的为分业务一定建立在有某种需求的(de)用户上，所以市场拓张的(de)大重点落脚点都(dou)会落到用户的行为分析上。只有更(geng)好地了解用户习惯、用户用户偏好(hao)、行为析模型用(yong)析模型用户画像才能(neng)更好地创新或改进(jin)或迭代(dai)产品，何分户行而数(shu)据分(fen)析能(neng)够帮助我们做(zuo)到这一点。为分从(cong)另一方面来说(shuo)，大重(zhong)点随着科技的用(yong)户发展，产品和技术(shu)终将被淘汰，行为析模型用析模型但基本的(de)何分户行市场需要(yao)从来都是在的(de)，会一直延续下去，为分只是大重点(dian)用户的要求变高了或(huo)者改变了，所以数据分析也会不断反复验证(zheng)、更新迭代、学习进步。用户行(xing)为(wei)分析的前提(ti)

数据分析和(he)用户行为分析的(de)基本前提(ti)是，你要对公(gong)司的业务非常地了解和熟悉，有四(si)个简单的问题可以帮助理解业(ye)务：

我们的业(ye)务是什么？（定位）谁是我们的客(ke)户？（市场细分）顾客看重什么？（竞争优势）我们的业务应该是什么？（愿景及(ji)目标）如何做用户行为分析？

用户行为分析，说白了就是从(cong)各个(ge)维度去看用户对于(yu)产品在某些指(zhi)标上的反(fan)馈。

关键词1：维度—用户分类

维度指的就(jiu)是用户分类，虽然公司在产品定(ding)位和市场细分阶段已经对(dui)用户群体有清晰的定(ding)位，但是在产品运营阶段，对使用产品的用户群体还需要更加细分。

1、按照个人属性或(huo)标签划分

也可以为(wei)用户贴上标签，如星座、行(xing)业、职业、消费能力、支付偏好等

2、按照用户使用(yong)产品的生命周期划(hua)分——同期群划分(fen)

适用于(yu)分析：

产品业务(wu)的整体情况

产品改版效果

产品改进后的用户体验等

用户留存/流失分析

3、按照用户使(shi)用产品的频率划分——活(huo)跃度

根据活跃度，可将用户划分为：新增用户、普通用户、活跃用户、核心用户、流失用户。

活跃度的指标需根据不同类型业务在不同发展阶段进(jin)行自我定义。

举例，假如是微信等社交(jiao)类应用，可能指的是日均使用时长；假如是外卖等 O2O 类应用，可能是周均使用次数；假如是喜马(ma)拉雅内容类应用，可能指的(de)是日均听音频的时间。

PFM 模型通过衡量客户价值和客户创造价值能力来进行用户分(fen)类。

有三个维度：

R：最(zui)近一次消费 RecencyF：消费频率 FrequencyM：消费金额 Money

可分为 5 类：

一般针对电商模型。

5、基于业务模型(xing)的指标(biao)——AARRR 漏斗模型

AARRR 对应移动应(ying)用生命周期的 5 个重要(yao)环节

A：Acquisition 获取(qu)用户

A：Activation 提高活(huo)跃度

R：Retention 提高留存率

R：Revenue 获取(qu)收入

R：Refer 自(zi)传播

金字塔模型，就是根据这个流程来给用户分类的一个模型。

于是这五层的用户分类，我们运营对(dui)于每一类都有(you)不同的需求：新用户我们希望他下载，那么给新手福利；下载用户希望他(ta)们使用，那么给(gei)予傻瓜式的操作引导；而使用的用户又希望他多来，常(chang)来，建立信任，那么就要有不断的刺激和优化。而兴趣用户，当然希望他付费了(le)，自然促销是常用手段。至于付费用户，那么服务肯定要做好，希望人家二次购买，三次购买，甚至推荐给其他人。

6、正态分布模型

当(dang)用户运维的资源更(geng)加的粗放，而且资源非常有限的时候，就可(ke)以(yi)用正态分布模型。比如二八法则就是一种正态分布(bu)的形(xing)式，80%处于曲线的平均值附近，而剩下的20%才是利润的来源。

正态分布模型，就是在(zai)两个维度比如利(li)润贡献和人数两个维度进行建模，你(ni)会发(fa)现提供利润最多的(de)那几个客户是少数，因为运营成本和突发状况造成没钱赚反而亏本的也是少数，而留下的大多数利润都是在一个恒定值附近的。

那么根据这三种情况，我们就可(ke)以来分配运维的资源了，重点维护高利润用户，同时也要核心(xin)关注不(bu)给利润但是占据大部分公司资源的客户，要舍弃。而中间大多数在恒定值附近的客户，则要进行标准化服务，节省资源，让边际成本降低。

7、按照用户使用业务场景划分

举例，对于 O2O 类应用，可划分(fen)为：买家用户、卖家(jia)用户、快递。买家和卖家和快递用户内可以继续按照前面所讲的分类模式继续细分。

关键词2：指标

指(zhi)标就是衡量基准，是一个明(ming)确(que)的

数据。

1、基本财务指标

财务指标就(jiu)是企业的经营利润、销售总额、经营成本等。具体(ti)的分析可按照下图思路：

2、基(ji)于(yu)业(ye)务模型的指标——AARRR 漏斗模型(xing)

AARRR 对应移动(dong)应用(yong)生(sheng)命周期的 5 个重要环节(jie)，相关指标如下

基于业务模型的指标——长漏斗模型

根据不同业务模型，企业分析的指标模型也不一致。针对电商类应用，更多(duo)的是使用长漏斗模型来分析业务，如下图所示：

需要注意(yi)：

1、商业的不同阶段的用户行为分析的重点不同。RFM，更(geng)多是基于成交金额的优化，提升用户的LTV的分类方式。金字塔模型，则是基于多(duo)层次数据稳定增长，形成健康AARRR体系循环的(de)分类方式。而正态分布，则更加偏向于粗放式运营，在维护用户资源有限的情况下，调用有限(xian)资源维护长尾客户的分类方式。

2、选择出具有(you)指导意义的指(zhi)标。指标(biao)最关键的(de)含义就(jiu)是，一定要有指导意义，有利于作出决策。比如双十一那天凌晨，需要实时监测交易额，1小时后率先(xian)完成10亿，但 “10亿” 其实就(jiu)是个数字，不具任何参考意义，但只要说第一个(ge)小时相比去年增(zeng)长了40%，但预计增长60%，就非常有参考意义，此时(shi)可以去看为什么没有达成，作(zuo)出是(shi)否需要给用户在设置提醒之类的决策。（数据只(zhi)是举例，不具有参(can)考意义）

关键(jian)词3：反馈

针对指标的反馈主要有四个方面，

变化，随时间波动如何分布，在(zai)不同区域之间(jian)，不同产品之(zhi)间，不同用户群体(ti)之间的占比如何对比，产品之间的对比，预测，基(ji)于过(guo)去(qu)表现分析预测未来表现

所以在根据业务表现研究用户行为分析时，可结(jie)合以上维度、指(zhi)标、反馈三点对业务现状(zhuang)和背后原因进行深层挖掘。用户行(xing)为分析对企业来说(shuo)主要有以(yi)下(xia)几点应用：

根据不同用(yong)户行为及表现，提出精准营销建议，实现(xian)营销利益最大化研究学习优质(zhi)用户的行为模式及(ji)共同特征，引导更多用户发展为优质用户有利于发现产品机会点，并利用A/B测试等(deng)测试的(de)参考来改进或迭代产品四、用户行为分析的路径

可以分为5层，即数据采集、数据存储、分析模型、报表创建、应对策略。

数据采集：如果没有足够、准(zhun)确(que)、实时的(de)数据，再好的分析思维都(dou)没有(you)用。数据采集通(tong)常采用可视化埋点(dian)（即全埋点）、SDK埋点、JS埋点、日志数据、历史数据(ju)导入等方式。需要获得最准确的数据，推荐SDK埋点、服务器数据传输工具。数据存储：打通用户数据源，建立统一数(shu)据仓库。对用户属性(xing)数据与用户行为数据进行清晰、统一定义。用户行为相关的数(shu)据，需要满足4W1H的描述，即谁、在什么时间、以过什(shen)么方式、在哪里、做了什么，描述这些信息的，就是用(yong)户id、设备号、访问ip、时间(jian)、时长、点击等(deng)数据(ju)的记录。有了这些信息，就可以(yi)去分析Why，即用户行为背后的原因。分析模型(xing)：用户分群、多维分析、漏斗分析、留存分析、事件分析、行为路径分析、行为序列分析。需要根据实际(ji)业务场景，进行灵活搭配使用。报表创建：对于(yu)团队发展不同阶段，创建统一的关(guan)键指标，指引团队前进。而对运营、产品、市场，各自创建常(chang)用的报表(biao)，对关键数据进行(xing)持续性监控。比如(ru)市场关注渠道(dao)转化(hua)漏斗，产品、运营关(guan)注用户留存、活(huo)跃、关键行为(wei)事件。但对应的，都是在公司统一的最关键指标基础下。比如新产品上线，先关注天使用户对产品的(de)响应，发展阶段关注用户增(zeng)长、病毒传播情况，稳定阶段快速激活(huo)用户付费等。应对策(ce)略：在数据分析基础上，做针对(dui)性用户调研、用户访谈，找出相关性背后的原因，制定相应策略。