11大業務場景埋點，細說航空旅行App智能用戶運營

今天我們生活水平的提升，和消費服務行業的數位化建設，彼此相互推動。隨著交通服務越來越發達，人們日常活動場景的增多，航空鐵路等出行需求隨之擴大，豐富的航空旅行APP為用戶提供了快捷便利的數位化出行體驗，在出行者與出行工具之間搭起了更加暢通的橋梁。

通過使用航空旅行APP，用戶可以在線獲取航班列車的時刻、價格、空餘座位等信息，相比於傳統方式大大節省了時間與精力，運營者則可以對以數字形式保存的用戶行為進行數據分析，洞察各個細節，對全局進行更準確的把控，實現業務的優化提升。在之前，我們也專門寫文聊過《旅遊出行類APP，如何靠數據驅動補拙「爆款」營銷缺失》。

針對自身所處行業的特點，航空旅行APP運營人員在進行用戶洞察時，可以從用戶轉化和用戶行為兩個大方向著手，從如下業務場景的數據分析埋點入手：

本文根據分析目標及運用模型，將上述業務場景按下圖方式進行歸類：

01 用戶轉化分析

【漏鬥分析】模型

通過易觀方舟的【漏鬥分析】模型，能夠幫助運營人員了解用戶轉化漏鬥各環節的表現情況，找到用戶流失的主要影響因素，準確定位運營過程中的問題，並針對性進行優化，漏鬥分析還支持運營人員自定義各個流程、步驟之間的轉化過程，進行與自身業務實際情況更加貼合的漏鬥分析。

註冊流程分析

對用戶展開精細化運營，挖掘和提升用戶價值，成功吸引用戶完成註冊是第一步。我們可以通過易觀方舟的【漏鬥分析】模型，細化監測到用戶的每一個操作，定位註冊環節中用戶流失的關鍵行為，並採取高效準確的策略進行優化。例如發現由於所需填寫信息過多、無法直接關聯第三方軟體帳號等問題，導致用戶在填寫信息頁面的退出率較高，此時可以對該頁面進行刪除簡化，令用戶獲得更多便捷體驗，成功留住更多用戶。

使用漏鬥分析功能，設置註冊轉化漏鬥，設置以下埋點：

1.進入註冊頁面

2.進入填寫註冊信息頁面

3.完成註冊

新用戶購買漏鬥

促進用戶購買，是用戶運營的重要目標之一。用戶從產生購買意願到完成購買的過程中，需要經歷若干個步驟，每一個環節都存在用戶退出的風險。若更好地提升用戶購買率，就要不斷優化購買流程體驗。比如在用戶支付環節，是否因調用支付工具或網絡等原因導致失敗率較高等。不斷優化購買漏鬥中的用戶流失的關鍵環節，也將促進復購，提升用戶留存率、好感度以及忠誠度。

運營人員可以藉助易觀方舟的【漏鬥分析】模型，還原出用戶在進行各個操作時的真實體驗，發現不足並進行及時彌補。通過不斷優化產品細節提升用戶使用體驗。例如發現用戶在搜索行程後由於頁面展示不符合習慣，沒有提供按時間展示、按價格展示等多種選項而退出率較高后，可以對該頁面進行相應優化。

使用漏鬥分析功能，設置購買轉化漏鬥，需要設置以下埋點：

1.啟動APP（篩選首日啟動用戶）

2.搜索行程

3.預覽機票車票訂單

4.提交購買訂單

5.支付訂單完成

Push活動漏鬥

Push消息是與用戶進行近距離溝通，提高消息展現率的有效觸達方式，利用好這一觸點，能夠及時傳達優惠活動、個性化推薦等信息，喚醒沉睡用戶，引起更多用戶的興趣，高效促進用戶轉化。

使用易觀方舟【漏鬥分析】模型，能夠分析從Push消息推送到訂單完成的過程中，用戶在各環節上的流失情況，進行針對性改進，或是對比各Push消息的用戶表現，摒棄低效消息，提升優惠活動吸引力及個性化推薦準確度。

使用漏鬥分析功能，設置活動轉化漏鬥的前提，就需設置以下埋點：

1.推送消息成功

2.點擊推送消息

3.推送消息處理成功

4.預覽機票車票訂單

5.支付訂單完成

02 用戶行為分析

【事件分析】模型

通過易觀方舟的【事件分析】模型，能夠實時監測用戶在不同平臺的用戶行為，通過不同維度歸因指標變化因素，支持運營者自定義指標，根據實際情況靈活做出分析。在洞察用戶行為、了解用戶偏好，圍繞用戶展開優化調整的過程中發揮重要作用。

通用搜索分析

用戶在搜索這一主動行為中，包含了許多個人意向，是直達購買商品的重要途徑，可以使用【事件分析】模型，了解用戶的常用搜索詞、用戶搜索到結果的情況，能夠更好地知曉用戶的行為偏好與特徵，以用戶為中心展開產品的提升，如通過獲取推薦搜索使用率，識別出效果較差的推薦詞，進行剔除或更改。

使用事件分析建立相應指標評估，需要設置以下埋點：

1.搜索熱詞排行

2.推薦搜索使用率

3.搜索有結果的比率

優惠券分析

合適的優惠券發放與使用活動，能夠提升產品對用戶的吸引力，促進更多消費。優惠券活動的效果反饋在多個層次上，如領取數、使用率、成交額等，可藉助易觀方舟【事件分析】模型對優惠券活動進行更全面的了解。此外，不同類型的優惠券活動效果有所不同，應及時進行對比，識別出作為平臺有效手段的優惠券，進行去劣存優的運營策略調整。

使用事件分析建立相應指標評估，需要設置以下埋點：

1.優惠券的領取次數/人數

2.優惠券使用率

3.不同類型優惠券使用率

4.不同類型優惠券帶來訂單總額

取消訂單原因分析

訂單被取消當然是我們都不願看到的結果，但運營人員可以使用【事件分析】模型，尋找到從這一結果倒推出原因的路徑。如果是用戶主動取消，則可以採用發起詢問、增強反饋機制等方式，進一步了解其中緣由，如果是機票/酒店取消，則要繼續發掘營銷機會，為用戶提供良好的善後措施，以免用戶因行程被取消而產生不滿。

使用事件分析建立相應指標評估，需要設置以下埋點：

1.用戶手動取消/超時自動取消的比例

2.機票/酒店取消訂單的比例

會員等級分析

會員等級體系基於用戶消費金額、活躍度等指標，很好地按照用戶在APP內的行為對其進行了劃分，可用【事件分析】模型對不同等級用戶的訂單成交情況、訂單取消情況、優惠使用情況加以了解，由此運營人員可以對各個等級的會員推出各具特色的營銷活動、權益禮包，優化激勵機制，提高用戶精細化運營的程度。

使用事件分析建立相應指標評估：

1.不同等級用戶的成單數量分布

2.不同等級用戶的成單金額分布

3.不同等級用戶的取消訂單/支付訂單的比例分布

4.不同等級用戶使用優惠券/支付訂單的比例分布

機票艙位分析

一般而言，不同的機票艙位對應著不同的價格，會直接影響到用戶的選擇，各艙位對用戶的吸引力也隨之反映出來，可以在用戶支付機票車票訂單詳情事件中進行埋點，對不同艙位成單數量分布情況進行分析，了解用戶的消費偏好，從應用服務、價格折扣等方面進行與之相契合的調整。

使用事件分析建立相應指標評估時設置埋點：

不同艙位成單數量分布

出發時段偏好

由於行程時間限制、相近時間價格不同等因素，航空旅行APP用戶對出發時段的偏好有所不同。可以使用【事件分析】模型，以小時為單位，了解各時段的出發人數分布情況，在此基礎上可以對航班時間安排、不同時段的折扣力度等做出調整，還可以在用戶畫像中加入時間維度，向不同類型的用戶進行更加精準的機票、車票推薦。

使用事件分析建立相應指標評估時設置埋點：

每小時出發人數分布

銷售額成分分析

航空旅行APP的銷售額由多種要素構成，可以在【事件分析】模型基礎之上，分析各來源的收入比例，利於識別應用運營過程中的短板問題，進一步了解用戶消費習慣，針對性地優化銷售策略和產品設計。如發現用戶在到達城市的成交金額佔比偏低，可能是由於未在用戶訂購機票車票後及時推送目的地相關信息，後續運營中對這一問題做出改進。

使用事件分析建立相應指標評估：

1.機票酒店的成交金額分布

2.到達城市的成交金額分布

【間隔分析】模型

通過易觀方舟的【間隔分析】模型，能夠提供統計起始事件到轉化目標之間的時間、步長等指標，支持運營人員自定義所要追蹤的起始行為、轉化目標等事件，從而對用戶轉化過程有更為全面深入的認識。

提交到支付間隔時間

運營人員可以使用【間隔分析】模型，在用戶提交訂單、支付訂單事件中進行埋點，可以得到各訂單從提交到支付的間隔時間，對訂單進行聚類、分類後，運營人員能夠清晰地比較各個類型訂單的平均支付耗時，對比分析出影響用戶支付完成率的原因，如發現是由於預覽頁提供信息不夠完善，用戶對訂單存在疑問而取消支付轉向其他APP，則可豐富訂單相關的各方面內容，幫助用戶掃除信息盲點。

使用間隔分析建立相應指標評估時設置埋點：

不同類型訂單的平均支付耗時

航空旅行APP的用戶使用場景繁多複雜，藉助數據工具的支持，運營人員能夠更為清晰深刻地了解各個場景，洞察用戶轉化流程與用戶行為特徵，明確優化方向，為用戶提供更加優質的使用體驗。更多數據用戶運營及分析，歡迎體驗易觀方舟智能用戶運營行業demo。

開啟數字運營之旅，掃描體驗智能運營Demo

點擊立即體驗 智能運營Demo

你「在看」我嗎？