用户行为分析方法论

㈠ 如何分析活跃用户和留存用户

㈡ 产品经理如何做用户行为分析

在这个每个互联网人都在谈论数据，每个产品经理都在谈论数据分析的时代，用户行为分析的重要性也越来越凸显出来，那么产品经理如何做用户行为分析呢？接下来将为大家进行分享。

一、为什么要做用户行为分析

观点一：有些功能整个平台用户都希望做，是没有必要耗费人力评估的，只要做了就可以了。用户行为分析是形式，不能为了分析而分析。观点二：我都在这个行业做了这么多年了，用户需要什么难道我不知道吗？我本身就是用户，我可以代表他们，我的需求就是他们的需求目标。观点三：只需要做充分的调研分析就可以了，比如需求调研，产品使用调研，多找找目标用户，多让他们提一些反馈意见，根据反馈来做修改即可。观点四：不要总是顺着用户的意思去做产品。产品设计的核心是产品经理的想法，而不是用户的看法。

以上观点其实都是错误的，如果产品经理有这样的想法，会对自己极为不利。下面我们来看两个案例：

案例一：Growing IO 改版前后对比

视频介绍功能是所有用户都想要的，于是Growing IO毫不犹豫地把视频放在了首页，然后注册转化率下降了50%，持续观察两个周，注册转化率仍然没有显着增长，回滚到上个版本，注册转化率逐渐恢复。结论：

部分用户的观点无法代表全体用户的真实感受，视频介绍可能是伪需求。产品经理的主观感受无法代表用户的真实体验，任何人都无法代表用户。视频介绍分散了用户的注意力，导致首页注册转化率大幅度下跌。

案例二：Facebook改版之后再回滚

Facebook经过改版之后，页面更清爽了，展示面积更大了，突出了图片以及视频，展示信息更丰富，Facebook的产品经理、交互设计师都对这一版本非常有信心。然而10%灰度发布之后，用户平均在线时长降低50%，一个月后，数据仍然没有好转。

互联网产品要以数据为导向，而不仅仅凭借自己的主观感觉。产品设计过于超前了，产品版本迭代版本之间没有一定的过渡，用户无法习惯。

因此可以说，数据分析在日常工作中起到的是必不可少的作用。1、用户行为分析不是形式化，不是为了分析而分析，哪怕是核心用户提出的需求，也要通过数据来验证，任何人都无法代表真正的用户。2、产品经理要有自我革新，自我否定的意识。用户的需求是变的，不能太过于依赖过往的经验，过往的经验不可靠，只有数据最可靠。3、用户分析调研是一方面，只是为产品提供思路，但是是否有利于产品长期发展还是要通过数据来说话。4、用户端产品要以用户体验为核心，以数据为导向。

二、数据指标与名词含义

1、流量来源：流量来源的意思是网站的访问来源，比如用户来自于知乎，来自于微博等等。主要用来统计分析各渠道的推广效果。

2、PV：PV（page view）即页面浏览量或点击量，指页面刷新的次数，每一次页面刷新，就算做一次PV流量。

3、UV：UV（unique visitor）即独立访客数，在同一天内，UV只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。PV与UV的比值一定程度上反映产品的粘性，比值越高往往粘性越高。

4、IP数：IP数即独立IP的访问用户数，指1天内使用不同IP地址的用户访问网站的数量。IP数字与UV可能不同（可大可小可相等）

5、日活/月活：每日活跃用户数（DAU）/每月活跃用户数（MAU），反映的是网站或者APP的用户活跃程度，用户粘性。

6、次日留存/次月留存：次日留存、次月留存反映的是网站或者APP的留存率。

7、用户保有率：指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率，也叫用户留存。

8、转化率/流失率：转化率一般用来统计两个流程之间的转化比例。其中流失率也是重要的数据指标。用户流失率=总流失用户数/总用户数。

9、跳出率：指用户到达网站上且仅浏览了一个页面就离开的访问次数（PV）与所有访问次数的百分比。跳出率越高说明越不受欢迎。

10、退出率：对某一个特定的页面而言，从这个页面离开网站的访问数（PV）占这个页面的访问数的百分比。跳出率适用于访问的着陆页（即用户访问的第一个页面），而退出率则适用于任何访问退出的页面。

11、使用时长：每天用户使用的时间。对于游戏或者是社交产品来说，使用时间越长，说明用户越喜欢。一般来说，使用时长越短说明产品粘性越差，用户越不喜欢。

12、ARPU：Average Revenue Per User，每用户平均收入在一定时间内，ARPU=总收入/用户数。

三、如何做用户行为分析――三大理念

1、要树立以数据为驱动的价值观

要树立以数据为驱动的价值观，充分认可数据的价值。工作定位：统计、助力、优化、创新。商业变现是最根本目标：用户使用产生数据商业变现

2、要有用户行为分析方法论

在用户行为分析中，越底层产生的价值越低，越顶层产生的价值越高。做用户行为分析应该把重心放在最有价值的分析和决策两个层面。将更多的时间放在分析以及应用上，而不是数据采集上。

AARRR模型，我们在做用户行为分析的时候，应该考虑用户正处在AARRR模型的哪个部分、关键数据指标是什么、对应的分析方法又是什么。

当我们对产品有一个idea的时候，采用MVP的方式将其构建，功能上线后，衡量用户和市场反应，从而不断学习优化

3、要用功能强大的用户行为分析工具

比如Google analysis、神策数据、Growing IO等等

四、如何做用户行为分析――八大方法

1、内外因素分析

该方法有助于快速定位问题。例如一款金融类产品UV下降，快速分析相关原因。内部可控因素：渠道变化、近期上线更新版本、内部不可控因素：公司战略变更、外部可控因素：淡旺季、外部不可控因素：监管。

2、事件分析

事件维度：用户在产品中的行为以及业务过程。指标：具体的数值，访客、地址、浏览量（PV、UV）、停留时长。趋势分析：分析各个事件的趋势

通过事件分析，比如分析用户的在线时长、点击事件、下载事件等等，然后分析用户的行为。并且通过各类图标来分析用户的行为趋势，从而对用户的行为有初步的了解。

3、试点分析

说白了就是，当发现一个问题之后，不要那么着急去解决，而是只想一个解决办法，然后灰度发布，如果灰度发布的人群数据比较好，那么就推往整个用户群。

这是一种从一个具体问题拆分到整体影响，从单一解决方案找到一个规模化解决方案的方式。

4、漏斗模型

漏斗模型是最常用的分析方法，可以广泛应用于流量监控、产品目标转化等日常数据运营工作中。要根据实际需要来确定是否有做漏斗分析的必要，比如用户注册过程、下单过程这些主要流程，就需要用漏斗模型来进行分析，尤其是需要分析用户在哪个环节流失最严重。

5、留存分析

通过留存分析，分析用户的次日留存、次周留存、次月留存等等，次日留存率能够说明用户对这款产品是否有持续使用的兴趣，对于社交、游戏类产品来说，次日留存率非常重要。

6、行为轨迹分析

只通过PV、UV 分析以及退出率分析是无法找到大部分用户是怎么去使用这款产品的。只有通过记录用户的行为轨迹，才能够关注用户真正如何去使用这款产品的。用户体验设计是对用户行为的设计，通过行为轨迹分析，能够帮助产品经理设计出来的产品直达用户内心。

例：通过用户行为轨迹分析发现，大部分用户支付转化率不高并不是退出了，而是返回了上一个页面，猜测：当前页面信息不足，用户在犹豫，想返回上一个页面再了解一下产品。

7、A/B test

A/B test是一种产品优化方法，AB测试本质上是个分离式组间实验，将A与B两个不同的版本同时发往两个几乎一致的用户群，来观测这两个用户群的数据反馈。

A/B test是一种“先验”的实验体系，属于预测型结论，与“后验”的归纳性结论差别巨大。A/B测试的目的在于通过科学的实验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的实验结论，并确信该结论在推广到全部流量可信。

8、点击分析

通过点击分析，能够直观地看出来在这个页面中，用户的注意力都集中在哪些地方，用户最常用的功能是什么。方便产品经理对用户行为形成整体的了解，有助于产品经理引导用户往自己想要的方向去操作。

以上就是我个人总结的产品经理用户行为分析的方法，欢迎大家来补充、交流。

作者：秦时明月，互联网现金贷产品经理、互联网保险产品经理。

本文由@秦时明月原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 unsplash，基于 CC0协议

㈢ 如何做好用户行为分析

做好用户行为分析的方法：利用数据分析平台可以通过无埋点和埋点的方式将以上信息进行采集和整理分析。所以做好用户分析的要点就在于通过搭建好的平台去完成用户行为信息的收集，然后结合好的分析模型去将以上信息加以利用。

用户行为分析的意义：

1、有效的用户行为是能够基于此分析总结用户意图和喜好的触发动作：比如在公众号进行图文阅读、在淘宝搜索栏搜索“男装”、对单个商品加入购物车、对单个页面长时间浏览等。

2、而例如微博热搜列表浏览、订阅号信息列表浏览等不涉及到具体触发点击动作的，则是无效的用户行为。

㈣ 如何利用用户行为分析数据

关于用户行为分析的意义以及在什么样的环境中使用这些数据，许多运营表示收获颇丰，但是对于一些具体的操作和运营方法也有一些不是太清楚，希望我们能够针对这方面进行一下知识的讲解，所以我们今天就请北大青鸟http://www.kmbdqn.cn/的老师来给大家介绍一下，如何进行用户行为分析的数据使用。

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

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。

㈤ 数据分析的基本思路是什么 怎么才有数据分析思路

【导读】在我们的日常工作生活中，经常会用到数据分析，比如领导需要举办一场活动，让你做个活动策划，你就要对客流量，成本，展现等各方面进行数据分析，做数据分析就好比做一件衣服，首先的先有设计图，然后在根据设计图分步骤的去制作成成品。下面我们就来说说数据分析的基本思路是什么?怎么才有数据分析思路?

数据分析方法论主要有PEST分析法，5W2H分析法，逻辑树分析法，4P营销理论(现在用的比较多是4C)，用户行为理论。下面呢，我就以5W2h分析方法，给大家详细的说明一下怎么建立完整的数据分析思路。

首先，先介绍一下什么是5W2H。

(1)WHAT——是什么?目的是什么?做什么工作?

(2)WHY——为什么要做?可不可以不做?有没有替代方案?

(3)WHO——谁?由谁来做?

(4)WHEN——何时?什么时间做?什么时机最适宜?

(5)WHERE——何处?在哪里做?

(6)HOW ——怎么做?如何提高效率?如何实施?方法是什么?

(7)HOW MUCH——多少?做到什么程度?数量如何?质量水平如何?费用产出如何?

例如要不要增加一个推广渠道，我们来形成一个完整的分析思路。

WHAT：一个引流的渠道，对这个渠道要有一定认识。

WHY ：目前其他的渠道的流量不能满足，做了渠道之后可能会增加多少流量。

WHO：是直接让其他渠道的人来负责，还是重新招一个操作过这个渠道的人。

WHEN：如果要做这个渠道，有没有时间来做，什么时候开始实施。

WHERE：如果是大公司，要考虑是总公司来做，还是分公司来做。

HOW：怎么做，是否有详细的解决方案，是否先参考同行竞争对手。

HOW MUCH：新增加的这个渠道，需要投入多少成本，人力成本，广告成本等等。

对每个环节进行分析，评估，然后综合每个环节，看看这个渠道是否值得开发。

以上就是小编为大家整理发布的关于“数据分析的基本思路是什么?怎么才有数据分析思路?”，希望对大家有所帮助。做熟悉分析最重要的就是有完整的思路，有了完整的思路才可以更清晰准确的去进行数据分析。更多相关内容，关注小编，持续更新。

㈥ 方法论分哪五种

方法论分：逻辑树方法论、5W2H方法论、PEST方法论、SWOT方法论、用户行为方法论等。
一、逻辑树方法论。
逻辑树是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。麦肯锡分析问题最常使用的工具就是“逻辑树”。“逻辑树”指的是在问题解决流程中，深入探究问题的成因，因而能在有限的时间内，将解决对策“具体化”的技术。它是以逻辑的因果关系为解决方向，经过层层的逻辑推演，最后导出问题的解决之道。冷静、客观的逻辑分析可以为我们的操作提供坚实的图表基础，当然，具体执行还需要每个人的认知与感悟。
二、5W2H方法论。
5W2H分析法又叫七何分析法，是二战中美国陆军兵器修理部首创。
提出疑问与发现问题和解决问题是极其重要的。创造力高的人，都具有善于提问题的能力，众所周知，提出一个好的问题，就意味着问题解决了一半。提问题的技巧高，可以发挥人的想象力。
三、PEST方法论。
PEST分析是应用于宏观环境的分析，比如一些世界500强企业在分析宏观国内外环境的时候会经常用到这种方法论。比如沃尔玛、大润发、肯德基等等。其中P是政治(politics)，E是经济(economy)，S是社会(society)，T是技术(technology)。
四、SWOT方法论。
SWOT分析法不但可以用来分析企业所处的环境优缺点，还可以用来分析个人自身的有缺点呢，而这种方法论也是我们大家最早接触的一种分析方法论。
五、用户行为方法论。
针对符合某种特定行为或背景信息的用户，进行归类处理，是我们常常讲到的用户分群（segmentation）的手段。我们也可以通过提炼某一群用户的特定信息，创建该群体用户的画像。

㈦ 数据分析方法论的高级方法有哪些

数据分析方法论的高级方法有：

1.PEST分析法

PEST是一种针对行业所处宏观环境进行分析的模型。宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。对宏观环境因素作分析时。

由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对 政治(Political )、经济（Economic）、 技术（Technological）和社会（Social）这四大类影响企业的主要外部环境因素进行分析，这种方法简称为 PEST 分析法。

2. 5W2H 分析法

5W2H分析法是以五个 W 开头的英语单词和两个 H 开头的英语单词进行提问，从回答中发现解决问题的线索，即何因 （Why） 、何事(What) 、何人(Who) 、何时(When) 、何地(Where) 、如何做(How) 、何价(How much)，这就构成了 5W2H 分析法的总框架。

3.SWOT分析法

SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。

4. 用户行为理论分析法

网站分析的发展已经较为成熟，有一套成熟的分析指标。比如 IP、PV、页面停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数、流失率、关键字搜索、转化率、登录率，等等。

5.逻辑树法

逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

㈧ 数据分析方法论有哪些

PEST，也就是政治(Politics)、经济(Economy)、社会(Society)、技术(Technology)，能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。

宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。

对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。

政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。

社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。

技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。

经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

2、5W2H分析法

5W2H，即为什么(Why)、什么事(What)、谁(Who)、什么时候(When)、什么地方(Where)、如何做(How)、什么价格(How much)，主要用于用户行为分析、业务问题专题分析、营销活动等。

该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：

Why：用户为什么要买?产品的吸引点在哪里?

What：产品提供的功能是什么?

Who：用户群体是什么?这个群体的特点是什么?

When：购买频次是多少?

Where：产品在哪里最受欢迎?在哪里卖出去?

How：用户怎么购买?购买方式什么?

How much：用户购买的成本是多少?时间成本是多少?

3、SWOT分析法

SWOT分析法也叫态势分析法，S (strengths)是优势、W (weaknesses)是劣势，O (opportunities)是机会、T (threats)是威胁或风险。

SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。

运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。

4、4P营销理论

4P即产品(Proct)、价格(Price)、渠道(Place)、推广(Promotion)，在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。

可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。

产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。

价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。

渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。

促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为(比如让利、买一送一，营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。

5、逻辑树法

逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

逻辑树的使用必须遵循以下三个原则：

要素化：把相同的问题总结归纳成要素。

框架化：将各个要素组织成框架。遵守不重不漏的原则。

关联化：框架内的各要素保持必要的相互关系，简单而不独立。

6、AARRR模型

AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取(Acquisition)、激活(Activition)、留存(Retention)、变现(Revenue)和传播(Refer)。

每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。

㈨ 如何做用户行为数据分析

为改善网站的可用性,一般采用可用性工程方法,其核心是以用户为中心的设计方法论(UCD)。综合目前国内外对于用户行为数据收集和分析方法所进行的研究,各种方法的特点,并利用相应方法所开发出的工具实例,使得建设的网站更加符合用户的需要,以保障用户与网站之间沟通的顺畅。以国内知名的数据收集和分析平台数极客为例，以用户交互行为分层理念，将用户行为划分为纯浏览、轻度交互、重度交互三个层次，纯浏览和轻度交互使用全量数据采集API，而重度交互因数据的准确性要求，通过封装接口及高级自定义功能采集数据，仅需要在关键环节调用，既能化解传统需要埋点的时效性等多种弊端，又能解决纯粹的无埋点平台的数据精准性问题。

㈩ 数据分析方法论和数据分析法有什么区别

一、概念解析：
首先来谈一下数据分析方法论概念，
数据分析方法论是指导数据分析师进行一个完整的数据分析，
它
更多的是指
数据分析的思路，它也是数据分析的前期规划，指导着后期数据分析工作的开展，而数
据分析法则是指具体的数
据分析方法，比如我们常见的对比分析，交叉分析，相关分析回归分析等。
当你给领导提交一个数据分析报告时，
领导会问你的数据分析方法论是什么？这一点很重要，
如果你
的方法论都
不正确或者不合理，那么你的数据分析报告将没有价值可言。数据分析方法论就像指南
针，南辕北辙很难达到目
的的，正所谓方向不对，努力白费。
数据分析方法论好比服装设计图，
他为我们的数据分析工作指引方向，
而具体的数据分析方法好比制
作服装的工
具和技术，它为数据分析提供技术保障和支持。
二、内容解析：
数据分析方法论中常见的有
PEST
方法论，
5W2H
、逻辑树、
4P
理论、用户使用行为分析
5
换个比较
经典实用的理论
。
PEST
理论是指
zheng.
治，经济，社会文化，技术环境，它一般是用于对宏观环境的分析，主要适用
于行业分析；
5W2H
是指以
5
个
W
开头的字母和
2
个以
H
开头英语单词进行提问，在提问中解决问题。
5W
代表
why
，
when
，
where,
what
，
who,2H
代表
how
，
how
much
，它的使用范围比较广泛，可用于用户行为
分析，也可用于业务问题的专业分
析等等。
逻辑树又称问题树、演绎树或者分解树，它是通过把一个已知的问题当成树干，然后考虑这个问题和
哪些问题有
关，找出问题所有的关联项目然后以解决，它主要适用于对业务问题的分析。
4P
理论有产品，价格，渠道，促销
4
个因素组成，它主要适用于对公司运营状况的分析。
用户行为理论是指用户为获取、使用物品或服务后所采取的各种行动，一般包括认知，熟悉，试用，
使用，忠诚
五个环节，主要适用于对用户行为的分析。
数据分析方法主要包括对比分析法，分组分析，交叉分析，平均分析法等，每种方法都有各自的特点
和适用范围
，在实际操作的过程中大家可以根据自己的需要来选择合适的方法。