在這個每個網際網路人都在談論數據，每個產品經理都在談論數據分析的時代，用戶行為分析的重要性也越來越凸顯出來，那麼產品經理如何做用戶行為分析呢？接下來將為大家進行分享。
一、為什麼要做用戶行為分析觀點一：有些功能整個平臺用戶都希望做，是沒有必要耗費人力評估的，只要做了就可以了。用戶行為分析是形式，不能為了分析而分析。觀點二：我都在這個行業做了這麼多年了，用戶需要什麼難道我不知道嗎？我本身就是用戶，我可以代表他們，我的需求就是他們的需求目標。觀點三：只需要做充分的調研分析就可以了，比如需求調研，產品使用調研，多找找目標用戶，多讓他們提一些反饋意見，根據反饋來做修改即可。觀點四：不要總是順著用戶的意思去做產品。產品設計的核心是產品經理的想法，而不是用戶的看法。以上觀點其實都是錯誤的，如果產品經理有這樣的想法，會對自己極為不利。下面我們來看兩個案例：
案例一：Growing IO 改版前後對比
視頻介紹功能是所有用戶都想要的，於是Growing IO毫不猶豫地把視頻放在了首頁，然後註冊轉化率下降了50%，持續觀察兩個周，註冊轉化率仍然沒有顯著增長，回滾到上個版本，註冊轉化率逐漸恢復。結論：
部分用戶的觀點無法代表全體用戶的真實感受，視頻介紹可能是偽需求。產品經理的主觀感受無法代表用戶的真實體驗，任何人都無法代表用戶。視頻介紹分散了用戶的注意力，導致首頁註冊轉化率大幅度下跌。案例二：Facebook改版之後再回滾
Facebook經過改版之後，頁面更清爽了，展示面積更大了，突出了圖片以及視頻，展示信息更豐富，Facebook的產品經理、互動設計師都對這一版本非常有信心。然而10%灰度發布之後，用戶平均在線時長降低50%，一個月後，數據仍然沒有好轉。
網際網路產品要以數據為導向，而不僅僅憑藉自己的主觀感覺。產品設計過於超前了，產品版本迭代版本之間沒有一定的過渡，用戶無法習慣。因此可以說，數據分析在日常工作中起到的是必不可少的作用。1、用戶行為分析不是形式化，不是為了分析而分析，哪怕是核心用戶提出的需求，也要通過數據來驗證，任何人都無法代表真正的用戶。2、產品經理要有自我革新，自我否定的意識。用戶的需求是變的，不能太過於依賴過往的經驗，過往的經驗不可靠，只有數據最可靠。3、用戶分析調研是一方面，只是為產品提供思路，但是是否有利於產品長期發展還是要通過數據來說話。4、用戶端產品要以用戶體驗為核心，以數據為導向。
二、數據指標與名詞含義1、流量來源：流量來源的意思是網站的訪問來源，比如用戶來自於知乎，來自於微博等等。主要用來統計分析各渠道的推廣效果。
2、PV：PV（page view）即頁面瀏覽量或點擊量，指頁面刷新的次數，每一次頁面刷新，就算做一次PV流量。
3、UV：UV（unique visitor）即獨立訪客數，在同一天內，UV只記錄第一次進入網站的具有獨立IP的訪問者，在同一天內再次訪問該網站則不計數。PV與UV的比值一定程度上反映產品的粘性，比值越高往往粘性越高。
4、IP數：IP數即獨立IP的訪問用戶數，指1天內使用不同IP位址的用戶訪問網站的數量。IP數字與UV可能不同（可大可小可相等）
5、日活/月活：每日活躍用戶數（DAU）/每月活躍用戶數（MAU），反映的是網站或者APP的用戶活躍程度，用戶粘性。
6、次日留存/次月留存：次日留存、次月留存反映的是網站或者APP的留存率。
7、用戶保有率：指在單位時間內符合有效用戶條件的用戶數在實際產生用戶量的比率，也叫用戶留存。
8、轉化率/流失率：轉化率一般用來統計兩個流程之間的轉化比例。其中流失率也是重要的數據指標。用戶流失率=總流失用戶數/總用戶數。
9、跳出率：指用戶到達網站上且僅瀏覽了一個頁面就離開的訪問次數（PV）與所有訪問次數的百分比。跳出率越高說明越不受歡迎。
10、退出率：對某一個特定的頁面而言，從這個頁面離開網站的訪問數（PV）佔這個頁面的訪問數的百分比。跳出率適用於訪問的著陸頁 （即用戶訪問的第一個頁面），而退出率則適用於任何訪問退出的頁面。
11、使用時長：每天用戶使用的時間。對於遊戲或者是社交產品來說，使用時間越長，說明用戶越喜歡。一般來說，使用時長越短說明產品粘性越差，用戶越不喜歡。
12、ARPU：Average Revenue Per User，每用戶平均收入在一定時間內，ARPU=總收入/用戶數。
三、如何做用戶行為分析——三大理念1、要樹立以數據為驅動的價值觀
要樹立以數據為驅動的價值觀，充分認可數據的價值。工作定位：統計、助力、優化、創新。商業變現是最根本目標：用戶使用→產生數據→商業變現
2、要有用戶行為分析方法論
在用戶行為分析中，越底層產生的價值越低，越頂層產生的價值越高。做用戶行為分析應該把重心放在最有價值的分析和決策兩個層面。將更多的時間放在分析以及應用上，而不是數據採集上。
AARRR模型，我們在做用戶行為分析的時候，應該考慮用戶正處在AARRR模型的哪個部分、關鍵數據指標是什麼、對應的分析方法又是什麼。
當我們對產品有一個idea的時候，採用MVP的方式將其構建，功能上線後，衡量用戶和市場反應，從而不斷學習優化
3、要用功能強大的用戶行為分析工具
比如Google analysis、神策數據、Growing IO等等
四、如何做用戶行為分析——八大方法1、內外因素分析該方法有助於快速定位問題。例如一款金融類產品UV下降，快速分析相關原因。內部可控因素：渠道變化、近期上線更新版本、內部不可控因素：公司戰略變更、外部可控因素：淡旺季、外部不可控因素：監管。
2、事件分析事件維度：用戶在產品中的行為以及業務過程。指標：具體的數值，訪客、地址、瀏覽量（PV、UV）、停留時長。趨勢分析：分析各個事件的趨勢
通過事件分析，比如分析用戶的在線時長、點擊事件、下載事件等等，然後分析用戶的行為。並且通過各類圖標來分析用戶的行為趨勢，從而對用戶的行為有初步的了解。
3、試點分析說白了就是，當發現一個問題之後，不要那麼著急去解決，而是只想一個解決辦法，然後灰度發布，如果灰度發布的人群數據比較好，那麼就推往整個用戶群。
這是一種從一個具體問題拆分到整體影響，從單一解決方案找到一個規模化解決方案的方式。
4、漏鬥模型漏鬥模型是最常用的分析方法，可以廣泛應用於流量監控、產品目標轉化等日常數據運營工作中。要根據實際需要來確定是否有做漏鬥分析的必要，比如用戶註冊過程、下單過程這些主要流程，就需要用漏鬥模型來進行分析，尤其是需要分析用戶在哪個環節流失最嚴重。
5、留存分析通過留存分析，分析用戶的次日留存、次周留存、次月留存等等，次日留存率能夠說明用戶對這款產品是否有持續使用的興趣，對於社交、遊戲類產品來說，次日留存率非常重要。
6、行為軌跡分析只通過PV、UV 分析以及退出率分析是無法找到大部分用戶是怎麼去使用這款產品的。只有通過記錄用戶的行為軌跡，才能夠關注用戶真正如何去使用這款產品的。用戶體驗設計是對用戶行為的設計，通過行為軌跡分析，能夠幫助產品經理設計出來的產品直達用戶內心。
例：通過用戶行為軌跡分析發現，大部分用戶支付轉化率不高並不是退出了，而是返回了上一個頁面，猜測：當前頁面信息不足，用戶在猶豫，想返回上一個頁面再了解一下產品。
7、A/B testA/B test是一種產品優化方法，AB測試本質上是個分離式組間實驗，將A與B兩個不同的版本同時發往兩個幾乎一致的用戶群，來觀測這兩個用戶群的數據反饋。
A/B test是一種「先驗」的實驗體系，屬於預測型結論，與「後驗」的歸納性結論差別巨大。A/B測試的目的在於通過科學的實驗設計、採樣樣本代表性、流量分割與小流量測試等方式來獲得具有代表性的實驗結論，並確信該結論在推廣到全部流量可信。
8、點擊分析通過點擊分析，能夠直觀地看出來在這個頁面中，用戶的注意力都集中在哪些地方，用戶最常用的功能是什麼。方便產品經理對用戶行為形成整體的了解，有助於產品經理引導用戶往自己想要的方向去操作。
以上就是我個人總結的產品經理用戶行為分析的方法，歡迎大家來補充、交流。
作者：秦時明月，網際網路現金貸產品經理、網際網路保險產品經理。
本文由 @秦時明月 原創發布於人人都是產品經理。未經許可，禁止轉載。
題圖來自 unsplash，基於 CC0 協議
收藏已收藏 | {{ postmeta.bookmark }} 點讚已贊 | {{ postmeta.postlike }}