4. 路径分析
路径分析可以将纷杂的app日志按照用户的使用过程 ， 呈现出“明确的”用户现存路径 。 发现路径问题 ， 进而优化 ， 使用户尽可能短路径体验到产品核心价值 。

• 通过路径分析 ， 可以了解到像小明这样9点左右播放视频的用户：
• 他们是通过push点击而来 ， 这部分用户占比是多少；
• 他们匆匆结束播放 ， 再也没有下一步行为 ， 这部分用户占比又有多少 。

针对他们利用碎片化时间播放视屏的场景 ， 尤其是突然退出的场景 ， 是否在下一次打开app时 ， 仍旧打开终端的视频 。 是否有其他策略可以针对该场景来优化？
此外 ， 路径分析不仅仅可以用于行为路径分析 ， 也可以用于用户群体转化分析 。 例如：新用户中分别转化为 忠实用户、常活跃用户、潜在流失用户、流失用户的分析 。
5. 用户分群分析
通过了解用户画像 ， 可以帮助运营理解用户 。 根据用户画像（基本属性、用户偏好、生活习惯、用户行为等）的标签信息将用户分群 。


文章插图

通过用户分群行为表现对比 ， 可以进一步了解不同群体对产品的反馈 ， 有针对性的优化产品 。

• 发现中 西南地区的低端机型使用app时 ， 奔溃率特别高 ， 开发可以针对该点进行优化、降低奔溃率；
• 可以针对不同的用户群体的行为表现 做 定向投放、push等 ， 从而实现精细化运营 。

业内的商业化行为分析产品 ， 基本上将用户画像的生成、标签的过程均合并在用户分群的群体定义中 ， 降低了操作流程 。
三、用户行为分析的完整链路
以小明为case的用户行为每天数以万/亿计的产生 ， 如何对“这类人群”进行“行为分析”？需要行为分析将明细级别的日志聚合后再以较为可读的形式展示出来 。


文章插图

为了保障埋点可靠、数据上报及时、行为数据分析有效 。 需要一套完整的用户行为系统 ， 包括从数据埋点设计、埋点开发、数据上报、数据模型开发、行为数据分析 。 过程中也需要多方协作完成 ， 如何保障多方协作中高效、便利的完成、产出具有业务价值的数据分析结论 。
以上内容就是小编为大家整理的关于用户行为研究的相关知识了 ， 大家是否对这个还存在迷茫呢？