通過對用户行為數據進行分析，可以對用户模型構建出精細、完整的用户畫像，從而驅動業務實現增長。那要如何分析用户行為數據呢？本文介紹了用户行為主要包含的數據和5個分析用户行為數據驅動業務增長的方法，與大家分享！
所謂的用户行為數據實質上是從點擊、頻次等多維深度的還原用户動態使用場景和用户體驗，再通過對用户行為監測獲取的數據進行分析。
可以更加詳細、清楚地瞭解用户的行為習慣；還可以找出產品功能、網站、推廣渠道等各個業務線中存在的問題，讓產品業務線更加精準、有效，提高轉化率；還可以進行用户分層和用户分羣，實現用户精準營銷和精細化運營，從而驅動業務實現增長。
然而，全局視野看用户的行為軌跡數據，會有意想不到的收穫。
可通過行為數據補充，對用户模型構建出精細、完整的用户畫像。以行為觸發為起點，向上關聯用户，向下關聯業務，這樣最大限度的保證數據完整性，進而驅動業務增長。
……
用户使用產品的有很多場景，所以用户行為數據有很多，在這裏不一一介紹了，當然歡迎大家留言補充。
總的來説，這些數據反映的都是產品業務線的總體情況，數據的價值除了反映現狀，還有更重要的是應用。
如何應用這些數據，通過分析，來驅動業務增長呢?
如，PV、日均訪問量、用户總數、訂單數、會員數、總銷售額、用户來源分佈及佔比、有購買行為的用户數量、用户的客單價、復購率分別是多少？等等整體用户概況數據。
如，Toc的購買路徑一般為打開APP→點擊商品頁面→瀏覽商品詳細頁→ 添加購物車→ 完成支付。
Tob的路徑一般用户會經歷認知→熟悉→試用→使用→忠誠→購買的過程。可以清晰的看到用户在路徑中的每一步轉化。
比如，從查看商品詳情到最終支付成功每一步的轉化率，從而對既定路徑不斷調優。
若用户點擊加購物車的轉化率較低得到話 ，需要提高用户的購買意願，可通過活動促銷、精準營銷等方式。
如，完成支付與未完成支付的人羣有什麼特徵？添加購物車與未添加購物車的人羣有什麼特徵？註冊用户和非註冊用户，分析兩者之間的瀏覽特徵等等。
發現問題，優化運營策略，從而進行用户精細化運營；實現用户精準營銷，驅動業務增長。
比如，通過用户分羣瞭解到近期用户有高頻次搜索的同一類關鍵詞的特徵。可同步到前端頁面，設置成可點擊元素，提高搜索效率。還可以知道有明確目標客户，受促銷和廣告影響少。
如，用户在不同時段的訪問量情況分佈、活躍情況、新增情況、使用間隔分佈等。
看出不同時間段的用户行為趨勢，通過分析，看出趨勢高低的原因；進而優化運營策略，加大或者減少投放費用等，驅動業務增長。
比如，通過分析不同時段用户的搜索行為習慣及峯值和低谷，為不同時段的用户補充不同的商品/課程/服務。加大活動力度、優化搜索結果頁結構、優化搜索推薦等提供數據支持。
還可以根據用户的活躍時間段精準推送商家的折扣優惠或促銷活動，提高購買率。
RFM模型通過一個客户的近期購買行為、購買的總體頻率以及花了多少錢3項指標來描述該客户的價值狀況；基於一個理想的客户特徵來衡量現實中客户價值的高低。
通過此類分析，定位最有可能成為品牌忠誠客户的羣體，讓我們把主要精力放在最有價值的用户身上。進而實現精準的營銷以及用户維護，驅動業務增長。
比如，通過RFM模型進行用户分類，可以顯示出該各類客户的佔比。顯而易見一般挽留客户與一般發展客户佔據多數，説明該產品業務線用户結構不是很合理，需要儘快採取措施進行優化。
還可以通過對R 和 F 的數據監測，推測客户異常狀況，挽回流失客户。
我們也需要思考一般挽留客户與一般發展客户佔據多數，這個是比較正常的情況。
根據正態分佈，中間的數字確實是挺高的，所以這一點可能需要琢磨一下。
根據二八原則，一個公司百分之八十的利潤，是百分之二十的客户帶來的，所以資源一般是向這百分之二十的客户去傾斜，而不是剩下的百分之八十。挽回流失的客户也是需要成本的，可能還是得考慮投入產出比的問題。
總之，透過用户行為數據深挖用户表面行為的背後真實、本質的需求。全面視角的分析用户行為數據，實現用户精準營銷和精細化運營，從而驅動業務實現增長。
還有一個值得需要考慮的是成本問題，朋友如是説：
“我所瞭解的用户行為分析，需要較高的門檻，既要有一套完整的數據監控體系，而且要確保數據是真實的，同時拿到一大堆用户的行為數據來分析，也是很頭疼的一件事。從產入產出比來看，如果用户行為分析只是用在用户畫像和智能推薦的話，成本是一個必須要考慮的問題。”
而對於用户進行分析不侷限於“RFM模型”，可以根據分析的目的，靈活選擇常用的分析模型，對用户進行分析和分類區分。
引用朋友的一句話：
“我們意識形態裏面都會覺得大數據裏面一定能挖掘出一些信息，或者價值。實際情況有這麼一種：在促銷活動裏面，我們通常會認為促銷的方案落地之後，營業的數據一定曲線向上，實際上更多的時候營業數據的波動並不會特別明顯，甚至用了某些模型，會得出“促銷方案的效果幾乎等於0”的結論。所以，數據分析的背後是不是一定能挖掘出某些價值。如果沒有，那麼問題出在哪裏，對“數據分析”這個工具的使用，還有哪些注意方式。”
所以，我們需要找到合適的“數據分析”工具方法及模型。
作者：木兮，數據運營小白；公眾號：木木自由
本文由 @木兮 原創發佈於人人都是產品經理，未經許可，禁止轉載
題圖來自正版圖庫 圖蟲創意