玩转用户行为路径分析,3种方法就够了

作者:刘兆梅

本文将介绍在用户行为路径分析中常用的3种分析方法:转化漏斗、智能路径和用户路径,并剖析3种方法的相同和差异之处,推荐在合适的分析场景下使用合适的方法。

在产品的运营过程中,无论是产品、运营还是市场团队都希望能够清晰的了解其用户行为路径,从纷繁的用户行为中,寻找以下问题的答案:

1.用户从进入产品到离开都发生了什么?主要遵循什么样的行为模式?

2.用户是否按照产品设计引导的路径在行进?哪些步骤上发生了流失?

3.用户离开预想的路径后,实际走向是什么?

4.不同渠道的带来的用户,不同特征的用户行为差异在哪里?哪类用户更有价值?

最终通过这些问题的答案来验证运营思路、指导产品迭代优化,达到用户增长、转化的最终目的。那么如何通过海量的用户行为数据来解答这些问题?常见的分析方法有:转化漏斗、智能路径、用户路径

三者相通之处在于都是基于用户行为,以上下环节的转化率为计算核心,三者的关系就像是洋葱,一层比一层更接近核心,更聚焦。

转化漏斗、智能路径、用户路径与用户行为的关系

转化漏斗是预先设定好的路径;智能路径是设定了目标行为之后发现更多漏斗;用户路径是完整再现用户整个转化过程。在实际应用中,三者有各自适用的分析场景,通常也需要互相结合,相辅相成。以下对三种分析方法逐一解析。

转化漏斗:以用户引导提升转化效果

转化漏斗适用于对产品运营中的关键环节进行分析、监控,找到其中薄弱的环节,通过用户引导或者产品迭代来优化,提升转化效果。

无论是新用户的引导、某个业务流程还是某一次运营活动,涉及到有流程转化的都可以建立漏斗来分析。举例来说:

● 对一款社交APP,可以建立漏斗:打开APP--注册--登录--添加好友,来分析新用户从开始使用到参与到社交的过程;

● 对于电商APP,可以建立漏斗:浏览详情页--加入购物车--提交订单--成功支付订单,来分析用户从看到商品到最后支付成功的过程,各个环节的流失;

● 对于某次大促前的EDM,也可以建立漏斗:发送邮件--邮件到达--邮件打开--点击邮件中的商品--购买商品--支付订单。

转化漏斗

在分析的过程中,可以观察整体的转化率是否符合行业水准,哪些步骤转化率还有优化空间?可以通过细分维度发现导致转化率低的因素是哪些,也可以通过查看流失环节的其他使用路径,进而针对性的做引导等等。流失率对比

流失率对比

▌智能路径:探索转化路径多样性

当有明确的转化路径时,通过预先建立漏斗来监测转化率会比较容易。但是很多情况下,虽然有最终的转化目标,但是用户到达该目标却有多条路径,无法确定哪条路径是用户走的最多的路径,哪条转化路径最短,这时候就需要智能路径分析模型的帮助。

智能路径桑基图

确定想要观察的目标行为,通常是业务中需要引导用户完成的某个功能或到达的某个页面。可以将其设置为起始事件,分析发生该行为后续的行为路径;或者设置为结束事件,分析来源路径。举例来说:

在电商APP中,加入购物车是支付成功这个最终转化目标的前一步,但很多用户在加入购物车之后,并不会提交订单直接支付,这时选择目标事件为" 加入购物车",并设置为 起始事件,分析用户在加入购物车后的行为路径,是被页面上的其他推荐吸引了目光还是走向他处。

在某知识付费APP中,有多个入口,通过banner、搜索列表、专列列表、专题文章等引导到专栏详情页,进而引导到专栏的订阅,若想分析用户最终订阅的转化路径,可以选择目标事件为 "订阅专栏",并设置为 结束事件 即可。

总之,智能路径可以用来探索性的发现更多的转化路径,当聚焦到某一条路径时,其实就是一个转化漏斗,可以将其保存下来,来进行日常监测,发现问题时,也可以在漏斗中进一步细分。

▌用户路径:步步追踪,路径识别分析用户类型

区别于转化漏斗和智能路径,用户路径不需要预先设置漏斗或者圈定要分析哪个页面事件或点击事件,而是计算用户使用网站或APP时的每个第一步,然后依次计算每一步的流向和转化,通过数据,真实的再现用户从打开APP到离开的整个过程,进一步识别用户频繁路径模式,即哪条路径是用户最多访问的;走到哪一步时,用户最容易流失;甚至呈现出产品经理在设计产品时都未曾预料到的路径,找到分析用户行为最基础、最原始的数据;也可以通过路径识别用户行为特征,分析用户是用完即走的目标导向型?还是无目的浏览型。总之用户路径的分析对产品运营过程都有非常重要的启发作用。

用户路径桑基图

总结:基于不同场景的分析模型选择

总之,转化漏斗、智能路径、用户路径都是基于用户行为路径数据的重要分析模型,三者有相似,也有差异。转化漏斗是预先设定好的路径;智能路径是设定了目标行为之后发现更多漏斗;用户路径是完整再现用户整个转化过程。在不同的分析场景中可以选择不同的方法来找到问题答案,譬如回到文章开头中提到问题:

1.用户从进入产品到离开都发生了什么?主要遵循什么样的行为模式?

可以选用用户路径模型,观察用户的整体行为路径,通过用户频繁路径发现其行为模式。

2.用户是否按照产品设计引导的路径在行进?哪些步骤上发生了流失?

可以选用转化漏斗模型,将各个引导设置为漏斗的各个步骤,分析其转化和流失。

3.用户离开预想的路径后,实际走向是什么?

可以选择转化漏斗模型,查看经过流失环节的用户后续的行为路径,或者在智能路径中选择预设的事件为目标事件,分析其后续行为路径。

4.不同渠道带来的用户,不同特征的用户行为差异在哪里?哪类用户更有价值?

可以选择用户路径模型,细分渠道维度,查看不同维度的用户行为路径。

欢迎试用易观方舟

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,393评论 5 467
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,790评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,391评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,703评论 1 270
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,613评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,003评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,507评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,158评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,300评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,256评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,274评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,984评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,569评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,662评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,899评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,268评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,840评论 2 339

推荐阅读更多精彩内容