1.用戶從進(jìn)入產(chǎn)品到離開都發(fā)生了什么？主要遵循什么樣的行為模式？

2.用戶是否按照產(chǎn)品設(shè)計(jì)引導(dǎo)的路徑在行進(jìn)？哪些步驟上發(fā)生了流失？

3.用戶離開預(yù)想的路徑后，實(shí)際走向是什么？

4.不同渠道的帶來(lái)的用戶，不同特征的用戶行為差異在哪里？哪類用戶更有價(jià)值？

最終通過(guò)這些問題的答案來(lái)驗(yàn)證運(yùn)營(yíng)思路、指導(dǎo)產(chǎn)品迭代優(yōu)化，達(dá)到用戶增長(zhǎng)、轉(zhuǎn)化的最終目的。那么如何通過(guò)海量的用戶行為數(shù)據(jù)來(lái)解答這些問題？常見的分析方法有：轉(zhuǎn)化漏斗、智能路徑、用戶路徑。

三者相通之處在于都是基于用戶行為，以上下環(huán)節(jié)的轉(zhuǎn)化率為計(jì)算核心，三者的關(guān)系就像是洋蔥，一層比一層更接近核心，更聚焦。

轉(zhuǎn)化漏斗、智能路徑、用戶路徑與用戶行為的關(guān)系

轉(zhuǎn)化漏斗是預(yù)先設(shè)定好的路徑；智能路徑是設(shè)定了目標(biāo)行為之后發(fā)現(xiàn)更多漏斗；用戶路徑是完整再現(xiàn)用戶整個(gè)轉(zhuǎn)化過(guò)程。在實(shí)際應(yīng)用中，三者有各自適用的分析場(chǎng)景，通常也需要互相結(jié)合，相輔相成。以下對(duì)三種分析方法逐一解析。

▌轉(zhuǎn)化漏斗：以用戶引導(dǎo)提升轉(zhuǎn)化效果

轉(zhuǎn)化漏斗適用于對(duì)產(chǎn)品運(yùn)營(yíng)中的關(guān)鍵環(huán)節(jié)進(jìn)行分析、監(jiān)控，找到其中薄弱的環(huán)節(jié)，通過(guò)用戶引導(dǎo)或者產(chǎn)品迭代來(lái)優(yōu)化，提升轉(zhuǎn)化效果。

無(wú)論是新用戶的引導(dǎo)、某個(gè)業(yè)務(wù)流程還是某一次運(yùn)營(yíng)活動(dòng)，涉及到有流程轉(zhuǎn)化的都可以建立漏斗來(lái)分析。舉例來(lái)說(shuō)：

● 對(duì)一款社交APP，可以建立漏斗：打開APP–注冊(cè)–登錄–添加好友，來(lái)分析新用戶從開始使用到參與到社交的過(guò)程；

● 對(duì)于電商APP，可以建立漏斗：瀏覽詳情頁(yè)–加入購(gòu)物車–提交訂單–成功支付訂單，來(lái)分析用戶從看到商品到最后支付成功的過(guò)程，各個(gè)環(huán)節(jié)的流失；

● 對(duì)于某次大促前的EDM，也可以建立漏斗：發(fā)送郵件–郵件到達(dá)–郵件打開–點(diǎn)擊郵件中的商品–購(gòu)買商品–支付訂單。

轉(zhuǎn)化漏斗

在分析的過(guò)程中，可以觀察整體的轉(zhuǎn)化率是否符合行業(yè)水準(zhǔn)，哪些步驟轉(zhuǎn)化率還有優(yōu)化空間？可以通過(guò)細(xì)分維度發(fā)現(xiàn)導(dǎo)致轉(zhuǎn)化率低的因素是哪些，也可以通過(guò)查看流失環(huán)節(jié)的其他使用路徑，進(jìn)而針對(duì)性的做引導(dǎo)等等。

流失率對(duì)比

▌智能路徑：探索轉(zhuǎn)化路徑多樣性

當(dāng)有明確的轉(zhuǎn)化路徑時(shí)，通過(guò)預(yù)先建立漏斗來(lái)監(jiān)測(cè)轉(zhuǎn)化率會(huì)比較容易。但是很多情況下，雖然有最終的轉(zhuǎn)化目標(biāo)，但是用戶到達(dá)該目標(biāo)卻有多條路徑，無(wú)法確定哪條路徑是用戶走的最多的路徑，哪條轉(zhuǎn)化路徑最短，這時(shí)候就需要智能路徑分析模型的幫助。

智能路徑?；鶊D

確定想要觀察的目標(biāo)行為，通常是業(yè)務(wù)中需要引導(dǎo)用戶完成的某個(gè)功能或到達(dá)的某個(gè)頁(yè)面。可以將其設(shè)置為起始事件，分析發(fā)生該行為后續(xù)的行為路徑；或者設(shè)置為結(jié)束事件，分析來(lái)源路徑。舉例來(lái)說(shuō)：

在電商APP中，加入購(gòu)物車是支付成功這個(gè)最終轉(zhuǎn)化目標(biāo)的前一步，但很多用戶在加入購(gòu)物車之后，并不會(huì)提交訂單直接支付，這時(shí)選擇目標(biāo)事件為” 加入購(gòu)物車”，并設(shè)置為 起始事件，分析用戶在加入購(gòu)物車后的行為路徑，是被頁(yè)面上的其他推薦吸引了目光還是走向他處。

在某知識(shí)付費(fèi)APP中，有多個(gè)入口，通過(guò)banner、搜索列表、專列列表、專題文章等引導(dǎo)到專欄詳情頁(yè)，進(jìn)而引導(dǎo)到專欄的訂閱，若想分析用戶最終訂閱的轉(zhuǎn)化路徑，可以選擇目標(biāo)事件為 “訂閱專欄”，并設(shè)置為 結(jié)束事件 即可。

總之，智能路徑可以用來(lái)探索性的發(fā)現(xiàn)更多的轉(zhuǎn)化路徑，當(dāng)聚焦到某一條路徑時(shí)，其實(shí)就是一個(gè)轉(zhuǎn)化漏斗，可以將其保存下來(lái)，來(lái)進(jìn)行日常監(jiān)測(cè)，發(fā)現(xiàn)問題時(shí)，也可以在漏斗中進(jìn)一步細(xì)分。

▌?dòng)脩暨\(yùn)營(yíng)路徑：步步追蹤，路徑識(shí)別分析用戶類型

區(qū)別于轉(zhuǎn)化漏斗和智能路徑，用戶路徑不需要預(yù)先設(shè)置漏斗或者圈定要分析哪個(gè)頁(yè)面事件或點(diǎn)擊事件，而是計(jì)算用戶使用網(wǎng)站或APP時(shí)的每個(gè)第一步，然后依次計(jì)算每一步的流向和轉(zhuǎn)化，通過(guò)數(shù)據(jù)，真實(shí)的再現(xiàn)用戶從打開APP到離開的整個(gè)過(guò)程，進(jìn)一步識(shí)別用戶頻繁路徑模式，即哪條路徑是用戶最多訪問的；走到哪一步時(shí)，用戶最容易流失；甚至呈現(xiàn)出產(chǎn)品經(jīng)理在設(shè)計(jì)產(chǎn)品時(shí)都未曾預(yù)料到的路徑，找到分析用戶行為最基礎(chǔ)、最原始的數(shù)據(jù)；也可以通過(guò)路徑識(shí)別用戶行為特征，分析用戶是用完即走的目標(biāo)導(dǎo)向型？還是無(wú)目的瀏覽型。總之用戶路徑的分析對(duì)產(chǎn)品運(yùn)營(yíng)過(guò)程都有非常重要的啟發(fā)作用。

用戶路徑?；鶊D

▌總結(jié)：基于不同場(chǎng)景的分析模型選擇

總之，轉(zhuǎn)化漏斗、智能路徑、用戶路徑都是基于用戶行為路徑數(shù)據(jù)的重要分析模型，三者有相似，也有差異。轉(zhuǎn)化漏斗是預(yù)先設(shè)定好的路徑；智能路徑是設(shè)定了目標(biāo)行為之后發(fā)現(xiàn)更多漏斗；用戶路徑是完整再現(xiàn)用戶運(yùn)營(yíng)整個(gè)轉(zhuǎn)化過(guò)程。在不同的分析場(chǎng)景中可以選擇不同的方法來(lái)找到問題答案，譬如回到文章開頭中提到問題：

1.用戶從進(jìn)入產(chǎn)品到離開都發(fā)生了什么？主要遵循什么樣的行為模式？

可以選用用戶路徑模型，觀察用戶的整體行為路徑，通過(guò)用戶頻繁路徑發(fā)現(xiàn)其行為模式。

2.用戶是否按照產(chǎn)品設(shè)計(jì)引導(dǎo)的路徑在行進(jìn)？哪些步驟上發(fā)生了流失？

可以選用轉(zhuǎn)化漏斗模型，將各個(gè)引導(dǎo)設(shè)置為漏斗的各個(gè)步驟，分析其轉(zhuǎn)化和流失。

3.用戶離開預(yù)想的路徑后，實(shí)際走向是什么？

可以選擇轉(zhuǎn)化漏斗模型，查看經(jīng)過(guò)流失環(huán)節(jié)的用戶后續(xù)的行為路徑，或者在智能路徑中選擇預(yù)設(shè)的事件為目標(biāo)事件，分析其后續(xù)行為路徑。

4.不同渠道帶來(lái)的用戶，不同特征的用戶行為差異在哪里？哪類用戶更有價(jià)值？

可以選擇用戶路徑模型，細(xì)分渠道維度，查看不同維度的用戶行為路徑。