书籍：《首席增长官：如何用数据驱动增长》
作者: 张梦溪
本文基于该书的第三章 增长框架
单纯从数据组成的角度来说，一个完善的闭环数据源主要是分成三大块：
第一块是用户行为数据，
第二块是用户信息和CRM（Customer Relationship Management，客户关系管理）数据，
第三块是交易（Transaction）数据和服务端日志数据。
其中，除了交易数据会经常被存储在离线数据库中并且通过ETL（Extract-Transform-Load，抽取-转换-加载）来获取分析，行为数据和日志数据很多时候都是近似的。
完备的用户行为数据基本能覆盖绝大多数的服务端日志数据，同时里面包含着很多日志数据所缺乏的信息。
1.用户行为数据的定义
用户行为数据，是指用户在你的产品内进行各种操作产生的数据。
用户行为由最简单的五个元素构成：时间（when）、地点（where）、人物（who）、交互（how）、交互的内容（what），也就是说用户在什么时间、什么地点以何种交互方式（访问/浏览/点击等）进行了某种操作。
交易数据和服务端日志数据更多的是“结果型”数据，它告诉我们用户完成了注册、下载、购买等结果型事件。但是为什么有部分用户会流失，为什么用户下单了不去支付，为什么用户浏览了商品页面后直接就走了等，这些“过程型”的原因是交易数据提供不了的。
用户行为数据记录用户在产品上的每一次访问、每一次浏览、每一次点击，这些过程型的数据可以告诉我们用户在你的产品上都做了什么，可以用来很好地解释用户为什么流失了。
2.用户行为数据的意义
分析是一个长时间优化的过程，需要我们持续监控数据的变化。数据指标除了我们前面介绍的北极星指标外还有一类，我们称之为虚荣指标，比如PV、UV之类流量概览性数据。这些虚荣指标没法指导我们做得更好。
用户行为数据指标则是另外一类，比如我们上面介绍的用户获取、用户激活、用户留存之类的，了解这些行为的背后都会对应到一个优化流程，所以也叫作可执行指标（Actionable Metric），这也是用户行为数据的魅力。
当你有了很多用户行为数据、定义事件之后，你可以把用户数据做成一个按小时、按天，或者按用户级别、事件级别拆分的一个表。这个表用来做什么？一个是知道用户的最简单事件，比如登录或者是购买，也可以知道哪些是优质用户、哪些是即将流失的客户，这样的数据每天或每个小时都能看到。
第一个场景，衡量市场营销效果。
我做了一次活动、写了一篇文章，我想知道到底效果如何，有没有给我带来足够的流量。
第二个场景，激活转化效果分析。
用户激活流程是否合理，辛辛苦苦获取了这么多流量，这些流量有没有转化为用户。注册流里面每一步转化了多少、流失了多少，没有转化的去了哪里。在这个基础上继续考虑：我们应该怎么优化，优化后的效果是怎样的，这周的转化率比起上周是否有进步，差别是怎么引起的等。
第三个场景，用户留存/活跃分析。
注册网站/APP的用户，有没有留下来成为一个忠诚用户甚至付费用户。留下来的用户，是因为什么留下来的？是否存在一个魔法数字，可以去极大地提高用户留存度。
第四个场景，产品营收变现分析。
用户购买产品或者点击广告的行为轨迹是怎样的？在付费前有哪些步骤是流失率最高的，又该如何去优化购买流程。用户的商品偏好是什么，如何把用户喜欢的商品推荐给用户？这些都是用户行为数据可以解决的问题。
