（3）用户行为分析（case需要补充）可以用于
A. 拉新：渠道分析、SEM分析、用户质量分析、
B. 转化：新增用户注册转化过程、产品使用过程转化（搜索、推荐等）、push推送调起过程、站外拉起过程
C.促活：用户停留时长、用户行为分布、
D.留存：用户留存分析
E.商业化：根据用户历史行为展示广告
二、如何进行用户行为分析？
1. 行为事件分析
行为事件分析方法主要用于 深度研究某行为事件 ， 以及对产品的影响以及影响程度 。

针对某一具体行为 ， 全面的描述、对比 ， 针对其异常表象 深度下钻分析各维度、确认导致该行为数据表现的原因 。 如快手的播放量徒增:

同期对比分析 ， 确认历史上是否有发生过 ， 对比 去年/上个季度/上月/上周/昨日的 数据的相对表现 。

多事件对比分析 。 对比浏览量、点赞、评论、分享事件的数据是否存在徒增 。 通过对比多个事件 ， 确认徒增现象发生的范围 。

维度下钻：由于播放量取决于3个部门用户在快手消费视频 ， 被监控程序上报 。
所以在三个方面分析：

监控程序是否异常？

在快手哪个页面的播放量增加呢？是发现、关注、还是同城？-> 对应页面做了哪些调整？是否增加了引流；

哪一部分用户群的播放量增加了？交叉分析 用户自然属性（平台、性别、年龄、地域、教育学历、机型、消费能力）、行为属性（新增、回流、常活跃用户；直播用户、短视频用户….）、视频属性（视频类型、作者类型….）

2. 留存分析
留存是衡量用户是否再次使用产品的指标 ， 也是每一个app赖以生存的指标 ， 能够反映任何一款产品健康度 ， 是产品、运营、推荐效果的整体表现 。 如果一个app从来没有留存用户 ， 那DAU将永远是新增用户 ， 那么产品将无法运行下去 ， 更别说新用户成本付诸东流 。
贴合业务属性、精细化留存过程 将对留存数据更有价值和指导意义 。 通过留存分析 ， 能够剖析用户留在产品的原因 ， 从而优化产品核心功能提升留存 。
留存的类型：

• 用户留存：用户使用app后 ， 经过一段时间仍旧使用 。
• 功能留存：用户使用xxx功能后 ， 经过一段时间仍旧使用该功能 ， 且其他功能均有所变化 。 此时 ， 该功能对用户留存有正向作用 。

先前有写过 留存分析的文章 ， 这里就不赘述了 。
3. 漏斗分析
漏斗分析实质是转化分析 ， 是通过衡量每一个转化步骤的转化率 ， 通过转化率的异常数据找出有问题的环节并解决 ， 进而实现优化整个流程的完成率 。

• 在产品初期(处于与市场适配的阶段)：通过漏斗分析找到用户触达的瓶颈 ， 帮助用户触达产品核心价值 ， 真实反映MVP与市场匹配程度；
• 在产品中期(处于用户平稳增加的阶段): (1)通过漏斗分析优化渠道 ， 找到目标群体用户; (2)通过漏斗分析优化用户在各模块的体验(基础的登录模块、产品核心价值模块: 如抖音的播放模块、淘宝的购买模块等)；
• 在产品后期(处于用户价值产出的阶段): (1)通过漏斗分析可以改善用户生命周期(优化用户体验提高用户生命周期 ， 间接拉长用户群体的价值产出的时间长度 ， 减少高价值用户群体的流失)；(2)可以通过漏斗分析优化商业化模块 ， 像商品的购买过程（购物车-提交订单的转化漏斗）、广告的曝光点击等 ， 提高生命周期中单位时间产生的价值 。
  • 上一页
  • 1
  • 2
  • 3
  • 下一页

  特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。