通过用户行为分析才能知道用户画像、用户在网站上个各种浏览、点击、购买背后的商业真相,用户行为分析的价值不言而喻。
一、什么是用户行为?
用户行为由最简单的五个元素构成:时间、地点、人物、交互、交互的内容。
(一)什么是用户行为?
对用户行为进行分析,要将其定义为各种事件。比如用户搜索是一个事件,在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件,也是对用户行为的一个定义;我们可以在网站或者是 APP 中定义千千万万个这样的事件。
有了这样的事件以后,就可以把用户行为连起来观察。用户首次进入网站后就是一个新用户,他可能要注册,那么注册行为就是一个事件。注册要填写个人信息,之后他可能开始搜索买东西,所有这些都是用户行为的事件。
(二)如何获取用户行为数据?
那么,我们又该如何去监测这些用户行为数据呢?
一种非常传统、非常普遍的方式就是通过写代码去定义这个事件。在网站需要监测用户行为数据的地方加载一段代码,比如说注册按钮、下单按钮等。加载了监测代码,我们才能知道用户是否点击了注册按钮、用户下了什么订单。
所有这些通过写代码来详细描述事件和属性的方式,国内都统称为“埋点”。这是一种非常耗费人力的工程,并且过程非常繁琐重复;但是大部分互联网公司仍然雇佣了大批埋点团队。
二、为什么要做用户行为分析?
既然这么麻烦,那为什么要做用户行为分析?
因为只有做了用户行为分析才能知道用户画像、才能知道用户在网站上个各种浏览、点击、购买背后的商业真相。
简单讲,分析的主要方式就是关注流失,尤其是对转化有要求的网站。我们希望用户不要流失,上来之后不要走。像很多 O2O 产品,用户一上来就有很多补贴;一旦钱烧完了,用户就都走了。这样的产品或者商业模式并不佳,我们希望用户真正找到平台的价值,不停的来,不要流失。
用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。
比如最简单的一个搜索行为:某一个 ID 什么时间搜索了关键词、看了哪一页、哪几个结果,同时这个 ID 在哪个时间下单购买了,这个整个行为都非常重要的。如果中间他对搜索结果不满意,他肯定会再搜一次,把关键词换成别的,然后才能够搜索到结果。
用户行为分析还能做哪些事情?
当你有了很多用户行为数据、定义事件之后,你可以把用户数据做成一个按小时、按天,或者按用户级别、事件级别拆分的一个表。这个表用来做什么?一个是知道用户最简单事件,比如登录或者是购买,也可以知道哪些是优质用户、哪些是即将流失的客户,这样的数据每天或每个小时都能看到。
三、用户行为分析的五大场景
有了用户的行为数据以后,我们有哪些应用场景呢?
- 拉新,也就是获取新用户。
- 转化,比如电商特别注重订单转化率。
- 促活,如何让用户经常使用我们的产品。
- 留存,提前发现可能流失用户,降低流失率。
- 变现,发现高价值用户,提高销售效率。
(一)拉新
2008年我在 eBay 时,我的工作就是分析 SEM 和 SEO 的每个关键词的 ROI。eBay 每天要向谷歌买400万个关键词,除了SEM、SEO 我们还要分析其它各种合作伙伴渠道。比如一家小电商网站上面放了 eBay 的链接,而后用户通过该链接最终在 eBay 上完成了购买,eBay 就会分钱给这家网站。
eBay 特别注重是哪个搜索引擎、哪个关键词带来的流量;关键词是付费还是免费的。从谷歌那边搜素引擎词带来了很多流量,但是这些流量是否在 eBay 上成单,所以这个数据还要跟 eBay 本身数据结合、然后再做渠道分配,到底成单的是哪个渠道。整个数据链要从头到尾打通,需要把两边的数据整合之后才能做到。
(二)转化
以注册转化漏斗为例,第一步我们知道网页上有哪些注册入口,很多网站的注册入口不只一个,需要定义每个事件;我们还想知道下一步多少人、多少百分比的人点击了注册按钮、多少人打开了验证页;多少人登录了,多少人完成了整个完整的注册。
期间每一步都会有用户流失,漏斗做完后,我们就可以直观看到,每个环节的流失率。
(三)促活
还有一个是用户使用产品的流畅度。我们可以分析具体用户行为,比如访问时长,在那个页面上停留时间特别长,尤其在 APP 上会特别明显。再有是完善用户画像,拿用户行为分析做用户画像是比较准的。
举个例子,在美国有一个非常有名的在线视频网络 Netflix。Netflix 非常有意思,通过用户行为分析,他把你一家人都进行精准分析定义。你们一家人有多少人,是大人还是小孩,你最喜欢看的是哪三部电影?你的行为输出越多,他的推荐就会越来越精准。
(四)留存
用户流失不是说一下子就流失了,一些细微、小的一些行为,就能预示他将来会流失。
在LinkedIn的时候,我们要去追踪用户的使用行为。比如说有没有登录、登录之后有没有搜简历、有没有上传简历等等。用户这些点点滴滴的行为,都很重要。有了这些数据支撑,LinkedIn的产品、销售每天都要去看用户报告,最简单的就是用户使用行为有没有下降、哪些行为下降、哪些用户用的特别好等,以此来维护用户关系。
(五)变现
LinkedIn 是一家 2C 又 2B 的公司,在全球有4亿的用户,有很多真实用户的简历信息。2B 的业务是LinkedIn 为每一个企业 HR 销售的,目的就是帮助美国的企业去找中高端的人才,这里面有很多的不同的产品线。LinkedIn 本身就是一个社交网络,用户是经理、VP还是总监,还是业务类的,市场的、销售的等等这些数据在 LinkedIn 上都聚合成一个公司的纬度。
有了这个公司的纬度之后,我们就能够很快让销售拿着这个卖给客户。比如要跟星巴克谈业务,最能震撼到星巴克 HR 的数据是人才流失率的列表。
如上图,其员工在最近一年有哪些是从别的公司加入进来,上一家公司是谁,用蓝色显示。左边做的是星巴克员工流失,其跳槽去了哪家公司,用红色显示。
通过这个简单的分布,就可以迅速看出来人才流失情况。如果是蓝的多,说明这家公司的人才吸引方面是强的,如果是红色的多,说明这家公司人才储备和招聘方面正处于颓势。我们把数据展示给最终客户,基本上就可以拿到单子。我们可以通过数据来讲故事。我们一开始做了很多的报告,销售可以拿去讲故事,可以很快促进成单。
所有这些是通过用户行为分析做出来的,不是通过拍脑门或者是第三方数据,用户行为分析的价值不言而喻。
作者简介:吴继业,GrowingIO联合创始人 & 销售VP,前 LinkedIn 数据工程总监。
本文由 @吴继业 原创发布于人人都是产品经理。未经许可,禁止转载。