Подробные поведенческие данные содержат пять элементов: КТО, КОГДА, ГДЕ, КАК и ЧТО. Подробные данные фиксируют, каким контентом пользователь оперировал, через какой функциональный модуль и каким образом и в какой момент времени. Большая часть подробных данных о поведении поступает из журналов операций пользователей. После обработки больших данных в реальном времени они сохраняются в соответствующем механизме хранения данных. Все подробные данные о поведении в этом разделе хранятся в таблице ClickHouse.

В этом разделе будет представлен анализ страницы、анализ событий、Анализ удержания、Анализ воронки и другие 8 моделей детального анализа общего поведения, 8 моделей анализа можно разделить на 4 типа: Подробная статистика、Пользовательский анализ、трансформация процессаистоимостной анализ。

Подробная статистика

Подробная статистика — это наиболее интуитивно понятный статистический анализ подробных поведенческих данных. Анализ страницыианализ событий Все принадлежат Подробная Диапазон статистики.

1. Анализ страницы

Анализ страниц в основном выполняет статистический анализ каждой функциональной страницы и элементов страницы. Функциональные страницы могут быть веб-страницами H5 или функциональными страницами мобильных приложений; элементы страниц в основном относятся к различным типам работоспособных триггерных компонентов, таких как кнопки, ссылки и т. д.

Наиболее распространенной функцией анализа страниц является подсчет PV и UV различных страниц. Подсчитав PV и UV, вы можете узнать фактическое количество посещений страницы и количество пользователей, посетивших ее, таким образом, вы сможете рассчитать среднее количество посещений для каждого пользователя. Например, подсчитав ежедневное посещение и количество пользователей каждой страницы на JD.com, вы можете в любой момент оценить использование каждой основной страницы, подсчитав количество кликов и пользователей каждого канала продукта на домашней странице Pinduoduo; может анализировать любимые категории продуктов пользователей. На рисунке 6-16 показана схематическая диаграмма функции анализа страницы. На рисунке показаны изменения данных PV и UV на домашней странице за определенный период времени в виде линейной диаграммы.

Рисунок 6-16 Функциональная схема Анализа страницы

Анализ страниц также позволяет подсчитать распределение путей доступа между различными страницами. Когда пользователи используют продукт, данные распределения различных путей доступа могут быть рассчитаны из-за разного порядка, в котором они обращаются к страницам. Например, после того, как пользователи заходят на домашнюю страницу JD.com, определенная часть пользователей перейдет на страницу поиска, некоторые пользователи нажмут на результаты поиска и перейдут на страницу сведений о продукте, и в конечном итоге группа пользователей перейдет на страницу покупки продукта. . Анализируя данные о путях доступа пользователей при использовании продуктов, можно оптимизировать коэффициент конверсии между страницами, чтобы в конечном итоге увеличить количество транзакций пользователя на JD.com. Их также можно использовать для понимания предпочтений пользователя в отношении различных функций. в функции поиска для поиска продуктов по-прежнему полагаются на информационный поток, чтобы рекомендовать продукты и, в конечном итоге, целенаправленно оптимизировать взаимодействие с пользователем. На рис. 6-17 показана схематическая диаграмма результатов анализа различных путей доступа к страницам. Данные о конверсиях в основном отображаются в виде диаграммы Сэнки.

Рисунок 6-17 Принципиальная схема функции анализа пути доступа к странице

2. Анализ событий

Подробности поведения фиксируют наиболее детальное поведение пользователя. События — это абстракция поведения, которая может относиться к конкретному поведению или к комбинации нескольких поведений. Например, событием можно считать регистрацию пользователя, событием также могут считаться пользователи, просматривающие прямые трансляции и отправляющие подарки.

Модель анализа событий является наиболее распространенной моделью детального анализа поведения, и сценарии ее применения относительно обширны. Статистика новых пользователей исходного канала является типичным примером анализа событий. Если поведение при регистрации пользователя включает в себя исходный канал, количество новых пользователей в разных каналах можно подсчитать с помощью анализа событий, анализируя количество новых пользователей в каждом канале. , Стоимость пользователя может помочь вам найти лучший канал доставки пользователям. Каждый раз, когда проводится крупный фестиваль, после мероприятия будут выполняться некоторые онлайн-операции, необходимо подсчитать распределение атрибутов пользователей, участвующих в мероприятии, таких как распределение по полу, возрасту и т. д. Функция анализа событий. может использоваться для поиска пользователей, участвующих в активности, и расчета распределения их атрибутов. Результаты анализа можно использовать в сводке действий или обзоре. Анализ событий также можно использовать для подсчета значений индикаторов, связанных с событиями. Например, в ходе прямой трансляции стратегии прямой трансляции можно своевременно корректировать, подсчитывая изменяющиеся тенденции сумм транзакций прямой трансляции в режиме реального времени.

Анализ событий поддерживает богатые методы поведенческой фильтрации и, наконец, отображает тенденции индикаторов или данные о распределении атрибутов с помощью диаграмм. Когда бизнесу это необходимо, он также может поддерживать сравнительный анализ нескольких групп событий и определять основные различия между событиями посредством сравнения. Чтобы удовлетворить требования различных пользователей к точности анализа и времени отклика, анализ событий может поддерживать функцию выборки, то есть выбор части пользователей для фактического анализа. На рис. 6-18 показана принципиальная схема функции анализа событий, в которой выбираются события регистрации пользователей и настраиваются условия фильтрации пользователей. Количество зарегистрированных пользователей за определенный период времени анализируется, классифицируется и отображается в соответствии с типом операционной системы.

Рисунок 6-18 Функциональная схема анализа событий

Пользовательский анализ

Пользовательский Предметом анализа является оператор, связанный с поведенческими событиями. Анали удержания используется для подсчета удержания ключевых действий пользователей и часто используется для подсчета данных многодневного удержания новых пользователей; распределения Показатели используются для подсчета распределения данных после сегментирования значения индикатора пользователя, например, распределения количества пользователей, сегментированных по количеству поклонников.

1. Анализ удержания

Анализ удержания в основном объединяет первоначальное поведение пользователя и поведение при удержании для статистического анализа. Он может рассчитать долю пользователей, которые имеют начальное поведение в течение определенного периода времени и в конечном итоге определяют поведение при удержании. Анализ удержания можно использовать для оценки зависимости пользователя от продукта. Высокий уровень удержания указывает на то, что пользователь будет повторно использовать функции продукта. Уровень удержания также может отражать ценность продукта для пользователя. продолжит ли пользователь использовать функции продукта.

Анализ хранения позволяет вам свободно выбирать начальное поведение и поведение хранения, поэтому он поддерживает широкий спектр анализа «сохранения».

Самый традиционный анализ удержания — это анализ активного удержания новых пользователей, который также является основным индикатором для измерения лояльности пользователей и функционального качества продукта. Исходное поведение анализа удержания новых пользователей — это поведение регистрации, а поведение удержания может быть любым активным поведением. Новые методы удержания пользователей в основном включают удержание на следующий день (удержание на 1 день), удержание на 3 дня, 7 дней и т. д. Чем дольше время и чем выше уровень удержания, тем привлекательнее эта функция для пользователей.

Помимо поведения при регистрации, первоначальное поведение анализа активного хранения может указывать любое общее поведение для проверки влияния этого поведения на сохранение. Например, чтобы проверить, влияет ли функция сбора в продукте на удержание пользователей, вы можете указать использование функции сбора в качестве начального поведения и оценить ценность функции сбора для бизнеса, сравнив уровень удержания пользователей, которые используют эту функцию, с коэффициентом удержания пользователей, которые не используют эту функцию.

Анализ удержания также можно использовать для анализа конверсий между различными типами поведения пользователей. Например, если мы проанализируем данные «удержания» пользователей, которые использовали полные купоны на скидку для своего первого заказа, а затем продолжили размещать заказы на Pinduoduo, их первоначальное поведение и поведение по удержанию были соответственно использованием полных купонов на скидку и размещением заказов. Рассчитанное удержание. данные могут указывать на два изменения поведения: до и после.

Результаты анализа удержания могут отображаться с помощью данных диаграммы, а функция портретной платформы поддерживает сравнение различных данных по удержанию. Помимо выбора исходного поведения и поведения хранения, функция анализа удержания также поддерживает настройку дополнительных условий фильтрации, таких как настройка определенных идентификаторов видео для поведения кликов по видео и указание конкретных типов продуктов для поведения покупки продукта. На рисунке 6-19 показана функциональная диаграмма анализа удержания. Начальным поведением на рисунке является регистрация пользователей, а поведением удержания является просмотр новостей. Результатом анализа являются данные об удержании новых пользователей за 7 дней за определенный период времени.

Рисунок 6-19 Функциональная диаграмма «Анализ удержания»

2. Анализ распределения показателей

Анализ распределения индикаторов в основном подсчитывает распределение количества пользователей в разных диапазонах значений показателей определенного события. Например, количество лайков пользователей можно разделить на несколько сегментов, а количество пользователей в разных сегментах — с количеством. лайков разное. Целью анализа распределения индикаторов является поиск и определение индикаторов событий, требующих внимания, таких как количество лайков, количество пополнений, количество дней регистрации и т. д. Пользователи могут легко выбирать индикаторы событий и анализировать их, не сложные конфигурации. Метод сегментации индикаторов событий может использовать конфигурацию по умолчанию или метод, определяемый пользователем. Результаты окончательного анализа могут отображаться с помощью гистограммы, показанной на рисунке 6-20, которая показывает количество пользователей с суммами пополнения в различных сегментах значений.

картина6-20 Анализ распределения показателей功能示意картина

трансформация процесса

трансформация Процесс основан на анализе последовательностей поведения пользователей. Он находит в последовательностях поведения данные, которые удовлетворяют определенным шаблонам поведения, и выполняет статистику конверсий. воронкиианализ диапазона поведения。

1. Анализ воронки

Анализ воронки в основном фокусируется на многоэтапных процессах и подсчитывает данные о конверсиях и потерях между каждым этапом. В данном случае процесс представляет собой поведенческую абстракцию, которая содержит несколько шагов и имеет четкую связь последовательности между шагами на основе реальных бизнес-сценариев. Шаги подробно описаны в поведении. анализ, в основном это относится к пользовательским событиям. Например, процесс покупки пользователями продуктов на Pinduoduo можно разделить на пять этапов, включающих просмотр продуктов, нажатие на подробную информацию о продукте, создание заказа, немедленную оплату и завершение платежа. Каждый из этих шагов соответствует некоторым действиям пользователя. поведение во время процесса покупки.

Анализ воронки должен сначала выяснить временной интервал, необходимый для выполнения всего процесса, то есть в пределах временного диапазона для анализа конверсии между каждым шагом процесса. Например, в приведенном выше процессе покупки продукта временной интервал можно определить как 3 часа. Затем в результатах анализа воронки будут учитываться другие действия, происходящие в течение 3 часов после первого шага процесса. Целью анализа воронки является подсчет коэффициента конверсии между каждым этапом процесса. Благодаря результатам анализа мы можем понять текущую ситуацию и выявить слабые места конверсии, а затем целенаправленно повысить эффективность конверсии между этапами. .

На рисунке 6-21 показана схема настройки добавления воронки. На рисунке добавлен новый процесс и настроено пять шагов. Настраиваемое временное окно процесса составляет 1 день, и для каждого шага можно настроить дополнительные условия фильтрации. На рисунке 6-22 показана схематическая диаграмма основных функций анализа воронки. Результаты анализа наглядно отображаются в виде диаграммы воронки. Диаграмма воронки включает количество пользователей на каждом этапе и коэффициент конверсии между шагами. для просмотра шага. Тенденция изменения количества пользователей и распределения портретов пользователей.

Рисунок 6-21 Принципиальная схема добавления функции воронки

Рисунок 6-22 Анализ функциональной схемы воронки

В большинстве компаний существует концепция процесса, поэтому анализ воронки может широко применяться к различным бизнес-сценариям.

Процесс покупок в комнате прямой трансляции Douyin включает в себя четыре этапа: нажмите на маленькую желтую тележку, нажмите, чтобы купить, нажмите, чтобы оплатить и завершить платеж. Коэффициент конверсии между каждым шагом можно рассчитать с помощью анализа воронки. Постоянно оптимизируя каждое звено в процессе и повышая эффективность конверсии между этапами, можно в конечном итоге улучшить процент успешных транзакций и объем транзакций покупок в прямом эфире.

Существует процесс приобретения членства в Keep и Geek Time. Этапы включают просмотр курсов, просмотр вводных материалов о курсах, активацию членства, подтверждение платежа и завершение платежа. Анализ данных о конверсиях воронки между каждым шагом позволяет выявить основные звенья потери пользователей. Последующая оптимизация соответствующих ссылок может повысить процент завершения покупки членства. С помощью анализа воронки вы также можете найти пользователей, которые нажали кнопку подтверждения платежа, но не завершили оплату. Вы можете регулярно предлагать этой группе пользователей высококачественные курсы, чтобы побудить их совершить покупки.

Рассылка сообщений пользователям является распространенным методом работы. В процессе отправки push-сообщения есть три этапа: фактическое нажатие, доставка сообщения и клик по сообщению. С помощью анализа воронки можно определить основные показатели, такие как уровень успешности и рейтинг кликов по push-сообщению. быть рассчитаны.

В каждом из приведенных выше бизнес-сценариев можно использовать анализ воронки, чтобы понять статус конверсии на каждом этапе текущего основного процесса. Объединение результатов анализа может непрерывно оптимизировать существующие функции и в конечном итоге максимизировать эффективность конверсии.

2. Анализ диапазона поведения

Анализ интервала поведения подсчитывает временной интервал между двумя поведениями, которые происходят одно за другим. Между этими двумя действиями существует временная связь, но они не обязательно должны принадлежать одному и тому же процессу, как, например, воронкообразный анализ. Анализ диапазона поведения требует определения начального поведения и целевого поведения. Предположим, что начальным поведением является регистрация, а целевым поведением является покупка. С помощью анализа диапазона поведения можно сделать вывод, что средний промежуток времени, в течение которого вновь зарегистрированные пользователи совершают свою первую покупку, равен. 4 дня.

Анализ диапазона поведения сначала требует выбора исходного поведения и целевого поведения, а затем указания временного диапазона анализа. Результаты будут отображать промежуток времени, в течение которого пользователи, которые выполняли первоначальное поведение каждый день, впоследствии выполняли целевое поведение, а тенденция среднего промежутка времени может быть отображена с помощью гистограммы или линейной диаграммы. Помимо расчета среднего времени, вы также можете рассчитать максимальное, минимальное и медианное значения временного интервала. На рисунке 6-23 показана функциональная схема анализа интервала поведения. На рисунке анализируются результаты анализа временного интервала первой покупки товаров новыми пользователями провинции Гуандантун за определенный период времени. На гистограмме показано среднее, максимальное и минимальное значение. .

Рисунок 6-23 Функциональная схема анализа параметров поведения

Анализ диапазона поведения часто используется в сценарии анализа, когда новый пользователь впервые выполняет определенное поведение. Помимо вышеупомянутой первой покупки товаров, его также можно использовать для анализа того, когда новый пользователь впервые делится контентом. статью, впервые смотрит курс, впервые публикует видео, впервые отправляет подарок в комнату прямого эфира и т. д. Исходное поведение на данный момент является поведением регистрации, а целевое поведение различно. Анализируя результаты, вы можете понять промежуток времени, когда новый пользователь впервые проявляет указанное поведение.

Когда начальное поведение и целевое поведение выбраны в качестве первого и последнего действий операции, анализ временного интервала также может использоваться для анализа эффективности операции пользователя. Например, начальное и целевое поведение — это нажатие кнопки регистрации и завершение регистрации. Результат анализа диапазона поведения в этот момент представляет собой среднее время, необходимое пользователям для завершения операции регистрации в сценарии короткого видео, начальном и начальном; целевое поведение — нажать, чтобы создать произведение и опубликовать. Поведение произведения, результаты его анализа представляют собой время работы пользователя для публикации короткого видео. Если значение диапазона поведения в приведенных выше результатах анализа велико, необходимо оптимизировать процесс регистрации пользователей и работ по публикации, а также повысить скорость выполнения операций за счет сокращения времени работы пользователя.

Когда исходное поведение и целевое поведение выбирают одно и то же поведение, его значение анализа представляет частоту действий пользователя. Например, в сценарии прямой трансляции, если результат анализа диапазона поведения пользователя меньше, это означает, что трансляция пользователя. частота выше.

стоимостной анализ

стоимостной анализ Как следует из названия, это статистический анализ ценности пользователя. Бизнес стоимостной Анализ может напрямую отражать ценность пользователя. Разные предприятия имеют разные показатели измерения коммерческой стоимости, такие как сумма пополнения счета, сумма транзакции и доход от рекламы. Жизненный цикл пользователя может отражать ценность пользователя, анализ жизненного цикл используется для подсчета количества пользователей на разных стадиях жизненного цикла. В этом разделе пользователь будет подробно ознакомлен со стоимостной деятельностью на основе кейсов. анализианализ жизненного цикла。

1. Бизнесстоимостной анализ

Бизнесстоимостной Анализ — это метод анализа, который напрямую отражает ценность пользователя в зависимости от бизнес-целей бизнеса, стоимостной деятельности. Данными анализа могут быть сумма пополнения счета пользователя, сумма потребления, сумма подарка, количество приглашенных друзей и т. д. Бизнес стоимостной анализ需要选择一批用户并计算其在后续的一段时间内贡献的Бизнес价值数据,Анализируя результаты, вы сможете понять тенденцию изменения ценности бизнеса в процессе использования продукта пользователями.,Группы пользователей с большим потенциалом можно определить на основе коммерческой ценности различных пользователей.

Бизнесстоимостной Элементами анализа являются группы пользователей, цели ценности бизнеса и циклы анализа, среди которых цели ценности бизнеса необходимо формулировать на основе характеристик бизнеса. На рис. 6-24 показан стоимостной бизнес пользователя. анализ的功能示意картина,На рисунке выбираются новые пользователи, зарегистрированные через Гуандиантун, и анализируется показатель ценности бизнеса по объему потребления.,Наконец, линейный график используется для отображения тенденции стоимости бизнеса с течением времени в течение 14 дней.

Рисунок 6-24 Функциональная схема коммерческого стоимостного анализа

Бизнес-стоимостной анализ, четкие цели,Может интуитивно понимать ценность, которую приносят пользователи.,Его можно применять в различных бизнес-сценариях.

В сценариях продвижения игры,С помощью коммерческого стоимостного анализа мы можем рассчитать среднюю сумму пополнения игрового счета новых пользователей по разным каналам в следующем месяце. На основе статистических результатов мы можем определить потенциал коммерческой ценности новых пользователей по различным каналам.,Для каналов с большим потенциалом вы можете увеличить свои инвестиционные усилия.

2. Анализ жизненного цикла

Жизненный цикл пользователя обычно можно разделить на период внедрения, период роста, период зрелости, период покоя и период оттока. Бизнес-ценность пользователей в разные периоды различна, когда доля пользователей в период роста и период зрелости. Чем больше продукт, тем большую коммерческую ценность он может создать. Анализируя количество и тенденции изменения пользователей в разных жизненных циклах, мы можем понять текущее распределение пользователей и потенциальные бизнес-риски. Когда количество пользователей в периоды бездействия и оттока значительно увеличивается, это означает, что количество пользователей уменьшается. Необходимо принять меры для оживления пользователей и предотвращения преждевременного перехода пользователей в периоды покоя и истощения.

Анализ жизненного цикла также позволяет указать группу пользователей и проанализировать изменения их жизненного цикла за определенный период времени. Для новых пользователей в определенный день вы можете проанализировать процесс их конверсии от периода внедрения до других циклов и понять среднее время пребывания и коэффициент конверсии этой группы пользователей в разных циклах. Последующие итерации функции могут улучшить производительность пользователей. стадии роста и зрелости, продолжительность пребывания и, в конечном итоге, повышение ценности бизнеса, которую приносят пользователи.

На рисунке 6-25 показана функциональная диаграмма анализа жизненного цикла пользователей. На рисунке выбираются новые пользователи в пределах указанного временного диапазона и показан процесс преобразования их жизненного цикла в последующие 7 дней. На рисунке также показана тенденция изменения количества пользователей для всех пользователей в разных жизненных циклах.

Рисунок 6-25 Функциональная диаграмма анализа жизненного цикла

Разделение жизненных циклов пользователей можно корректировать в соответствии с характеристиками бизнеса. В индустрии самостоятельных СМИ пользователей можно разделить на разные этапы жизненного цикла в зависимости от их активности в публикации статей, например, период новичка, активный период, стабильный период, период спада и период оттока. В зависимости от жизненного цикла могут быть приняты различные меры. Этап цикла пользователя. Стратегия работы продолжает поощрять пользователей постоянно производить высококачественные изделия.

Эта статья взята из книги «Портреты пользователей: построение платформ и бизнес-практика». При перепечатке указывайте источник.