在互联网数据化运营实践中，很多公司开始认识到自身的想法和用户的预期往往存在差距，提供产品的功能与服务有时并不是用户真正需要的，这无疑对公司产品和服务的推广造成困难，于是，做好用户行为分析、研究就显得愈发重要。
一、用户行为分析简介
用户行为分析是指对互联网用户的网络行为及行为背后的数据进行跟踪、统计，分析用户的访问规律、使用路径及行为特点，为提升网站转化效果和网络营销效果提供可靠依据。
用户行为分析的思路
1、分析用户行为，首先要确定用户指标。
2、获取用户行为指标：如PV（页面访问量）、UV（独立访客）、登录率、流失率、平均访问页面数、访问深度、回访率、回访次数、跳出率、页面留存时间等等;
3、挖掘用户的详细网络行为路径特点，每一步的转化特点，每一步的来源和去向。
4、分析网站运营过程中各个关键环节的转化效率。
二、用户指标分析
根据用户的行为表现，可以定义多个相关的用户指标。
访问用户数：即平常所说的UV（独立访客），用于体现网站的访问用户量，能够反映网站的受欢迎程度。
新用户数：首次访问或者刚刚注册的用户，用于分析网站的推广效果和发展速度。
活跃用户数：一般定义为有关键动作或行为达到某个要求时的用户。用于分析网站真正掌握的用户量，因为只有活跃用户才能为网站创造价值。
流失用户数：一段时间内未访问或登录过网站的用户，用于分析网站保留用户的能力。
回访用户数：指之前已经流失，但之后又重新访问网站的用户，用于分析网站挽回流失用户的能力。
以上几个用户指标还可以通过计算得到一些衍生用户指标，如老用户数、新用户比例、活跃用户比例、用户流失率、用户访问率等。其中，活跃用户数、新用户比例和用户流失率是我们关注的重点。
三、用户行为指标
网站用户行为指标一般可以通过插入代码和日志布点收集的方式获取，用户在网上进行浏览时的每一步都会被记录下来，形成日志数据存储在指定的服务器上。例如：页面级布点：覆盖网站的所有页面，其获取的内容包括：IP地址、用户名、Cookie相关信息及浏览器类型等。点击事件分布：通常会在点击某个链接、按钮、筛选框等特定事件时被触发。
具体的用户行为指标举例
四、挖掘用户行为特征
是指用户在网上的行为轨迹，轨迹背后反映的是用户的行为特征，而这些行为特征对网站的运营、管理、客户服务等诸多方面都有重要的参考价值。例如：有些用户在B2C平台下单之后并没能马上进入支付环节，而是重新浏览商品的细节，那么说明该用户对于在线支付非常谨慎，比较犹豫，针对这些下单后反复浏览商品细节的用户，我们可以调整运营策略，促使用户尽快付款，提升下单到付款的转化率，比如制定用户付款后两小时内可以无条件撤单返款，或者用户下单两小时未付款将自动取消下单等策略。
用户路径分析有多种分析思路和算法，我们以某页面的来源去向分析为例，了解用户浏览网站的行为特征：
五、漏斗分析
主要分析目的是针对网站运营过程中各个关键环节的转化效率、运营效果及过程进行监控和管理。如用漏斗模型分析电子商务营销活动中一些关键节点的转化率：
通过漏斗模型分析，可以发现运营活动中哪些环节的效果不好，对于转化率低的环节，或者波动异常的环节采取相应措施积极改进，最终提升整体转化率。
以上是对用户行为分析的基本描述，要想做好互联网数据化运营，需要结合具体业务场景，全方位、多角度思考用户的行为特点，对用户行为的所有数据进行收集汇总、整理、统计、分析，为网络营销等活动提供有力的数据分析支撑。
