>

如何通过用户分析提升产品体验、提高用户转化?

GIO 增长团队 2018-03-02
379

一、用户行为分析究竟有什么商业价值?

用户行为由最简单的五个元素构成:时间、地点、人物、交互、交互的内容——之前我们称之为事件。

对用户行为分析,要将其定义为各种事件。

比如是一个事件——在什么时间、哪一个 ID、做了搜索、交互的内容是什么,比如举例可以是羽绒服。这是一个完整的事件——用户行为实践的一个定义。我们可以在网站或者是APP中定义千千万万这样的事件。有了这样的事件以后,就可以把用户行为连起来观察,用户进入网站后就是一个新用户,他可能要注册,那么注册行为就是一个事件。注册要填写个人信息,之后他可能开始搜索买东西,所有这些都是用户行为的事件。

如果我们用一种很传统的方式去定义这个事件,此前,谷歌、LINUX,百度等都在很传统的方式去定义这个事件:写代码,加一段事件的标准!网站上有很多需要加载代码的地方,比如注册按钮上面要加、下订单的地方要加,这样我才知道用户是否点击了注册按钮、用户下了什么订单。

所有这些通过写代码来详细描述事件和属性的方式,国内都统称为“埋点”,来进行数据采集。

这是一段非常耗费人力的工程,并且过程非常繁琐重复,但是大部分互联网公司仍然雇佣了大批埋点团队,只有这样才能进行用户行为分析。

为什么?为什么要做用户行为分析?

做了分析才知道用户画像、才能知道用户在网站上个各种浏览、点击、购买背后的商业真相。

如何进行用户行为分析?

简单讲,分析的主要方式就是关注流失,尤其是对转化有要求的网站。希望用户不要流失,上来之后不要走。像 O2O 补贴,一上来很多补贴,用户来了,但钱烧完了,用户都走了。这并不是很好的软件或服务,我们希望用户真正找到平台的价值,不停的来,不要流失。

用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。比如最简单的一个搜索行为,一开始,我们就关注用户行为了,这个 ID 什么时间搜索了关键词、看了哪一页的、哪几个结果,哪个时间下单购买了,整个行为都非常重要的。如果中间他对搜索结果不满意,他肯定会再搜一次,把关键词换成别的,然后才能够搜索到结果。

用户行为分析还能做哪些事情?

当你有了很多用户行为分析、定义事件之后,你可以把用户数据做成一个按小时或者是按天,或者按用户级别、事件级别非常大的一个表。这个表用来做什么?一个是知道用户最简单事件,比如登录或者是购买,就可以知道哪些是优质用户,哪些是即将流失的客户,每天或每个小时都能看到。

但是现在的网站都在用敏捷开发,两个星期要上线一版新品,这样导致工程师时间非常少,除了做产品功能、还要修 bug。而业务人员如果想要这种表的话,又必须要求助工程埋点、去定义事件。但工程师会表示,对不起我没时间。

我们现在就想打破这种因为埋点导致的用户行为不能得到及时分析的状况。我们采集所有用户行为,不需要写任何的代码,直接在网站上加了三行的代码之后,所有用户行为就已经默认被采集。

同时我们会做数据清理和整合,再把这个用户行为数据展现出来,比如搜索什么、点击了第几个搜索结果得、到底有没有加入购物车、加入购物车之后有没有下订单等等这些全量的数据采集。

我们的产品也在去年 12 月底正式上线了。

二、用户行为分析的四大应用场景到底是什么?

有了用户的行为数据以后,我们有哪些应用场景?

第一个,获取用户,怎么样来拉新?第二个,产品的互动,如何盘活,如何让用户经常来用;第三个,转化,比如在 eBay,就会特别注重分析下订单和购买事件往前倒推,分析哪个环节用户不转化、流失在哪个点;第四个,业务拓展。

第一,拉新。

三年前,2008 年我在 eBay 工作时,工作就是分析 SEM 和 SEO 的每个关键词的 ROI,eBay 每天要向谷歌买 400 万个关键词。

除了 SEM、SEO,我们还要分析其它各种合作伙伴渠道,比如一家小电商网站上面放了 eBay的链接,而后用户通过该链接最终在 eBay 上完成了购买,eBay 就会分钱给这家网站。

我们当时的算法很有意思。比如在 30 天以内,我们先看用户从外面如何进来,尤其是第一个付费关键词,比如一个是 eBay 合作伙伴带来的购买,同样的用户在 30 天之内又通过 SEM 购买进来,这两个我们会把 ROI 算在后面,如果一个是付费、一个是免费,会算在前面付费上面,如果都是免费,就会把 ROI 放在后面免费上。

eBay 特别注重是哪个搜索引擎带来的流量;哪个关键词带来的流量;关键词是付费还是免费的。

从谷歌那边搜素引擎词带来很多流量,但是这些流量是否在eBay上成单,所以这个数据还要跟eBay 本身数据结合、然后再做渠道分配,到底成单的是哪个渠道。整个数据链要从头到尾打通,需要把两边的数据整合之后才能做到。

我们现在要把这件事情简单化。

我们要知道这个从用户建立一个购买时,就可以知道他从哪个网站来、关键词是什么。

怎么办?

加载了我们的代码后,每个行为都是被收集的。当定义了最终订单完成页时,这个页面的事件应该有一个??会话期概念。其第一个源头 cookie 就可以知道,就能知道它 30 天里到底怎么进来的,列表就可以分清是自然搜素、还是付费搜素进来的。

第二,盘活。

以注册转化漏斗为例,第一步我们知道网页上有哪些注册入口,很多网站的注册入口不只一个,需要定义每个事件;我们还想知道下一步多少人、多少百分比的人点击了注册按钮、多少人打开了验证页;多少人登录了,多少人完成了整个完整的注册。

期间每一步都会有用户流失,漏斗做完后,我们就可以直观看到,每个环节的流失率。

还有一个是使用的流畅度。

我们可以分析具体用户行为,比如访问时长,在那个页面上停留时间特别长,尤其在 App 上会特别明显。

再有是完善用户画像。

拿用户行为分析做用户画像是比较准的。在美国,我经常用一个类似于乐视 TV 的在线视频网络 Netflix,Netflix 非常有意思,你把一家人定义,你们一家人有多少人,是大人还是小孩,你最喜欢看的是哪三部电影?你的输出越多,它的推荐就会越来越精准。

所有这些是通过用户行为的数据来做出来的,不是通过拍脑门或者是第三方数据,用最多得还是第一方的数据。追踪核心 KPI 非常简单。大家都在追踪。

假设检验,比如某个环节流失率特别高,有经验的业务人员会做一些假设。这方面我们是要大胆做假设。因为你对业务熟,你做了大胆的假设之后,只要你有数据分析工具,能辅助你做一些检验。

就是大胆假设,小心检验。整个用户行为分析可以帮做这些事情。

第三,转化。

其实 LinkedIn 是一家 2C 又 2B 的公司。全球 4 亿的用户,有很多的真实用户的简历信息。2B 的业务是 LinkedIn 为每一个企业 HR 销售的,就是帮助美国的企业去找中高端的人才,有很多的不同的产品线。

LinkedIn 本身是一个社交网络,用户是经理、VP 还是总监,还是业务类的,市场的、销售的等等这些数据在 LinkedIn 上都聚合成一个公司的纬度。有了这个公司的纬度之后,我们就能够很快让销售拿着这个卖给客户。

比如要跟星巴克谈业务,最能震撼到星巴克 HR 的数据是人才流失率的列表。其员工在最近一年有哪些是从别的公司加入进来,上一家公司是谁,用绿色显示。左边做的是星巴克员工流失,其跳槽去了哪家公司,用红色显示。通过这个简单的分布,就可以迅速看出来人才流失情况。如果是绿的多,说明这家公司的人才吸引方面是强的,如果是红色的多,说明这家公司人才储备和招聘方面正处于颓势。我们把数据展示给最终客户,基本上就可以拿到单子。

我们可以通过数据来讲故事。我们一开始做了很多的报告,销售可以拿去讲故事,可以很快促进成单。

第四,留存。

我们需要知道用户在什么时候会流失,用户流失不是说一下子就流失了,一些细微、小的一些行为,就能预示他将来会流失。这也是为什么,我们要能提前预测用户流失。

在 LinkedIn 的时候,我们要去追踪用户的使用行为。比如说有没有登录、登录之后有没有搜简历、有没有上传。所有用户这些点点滴滴的行为,都很重要。

有了这些数据支撑,LinkedIn 的产品、销售每天都要去看用户流报告,最简单的就是用户使用行为有没有下降、哪些行为下降、哪些用户用的特别好等,以此来维护用户关系。

比如有天,我们发现其中有一个公司在 LinkedIn 账号上使用频率非常高,高得离谱,为什么?后来发现他有多个 HR,共用一个帐号,我们立即跟对方谈,一是我们可以产品卖给对方,二是我们还有数据来证明我们提供的产品服务是有价值的。

通过数据证明你的价值,他就会买单。这就是用户行为分析带来的商业价值。

三、我们为什么要做无埋点用户行为收集技术?

介绍下我们的无埋点收集用户行为技术,非常简单易用。打开你的网站,只要点击注册按钮,点击保存就形成了,不需要写代码。

业务人员一天能创建一百个事件,不用的话可以删。并且,数据不会丢,并且每一次网页改版,事件还是可以记录进去。

我现在来演示一下。

以我们自己的网站为例,加载了我们的产品代码后,就可以定义整页,要想知道这个页面的PV,只要一点击可以了。我们还能圈选页面上面的任意一个元素、任意一个按钮、任意一个文字或者是链接,只要你点击就立马显示数据,不需要埋代码。

点击做一个保存的事件,就会生成标签,保存标签后,会自动生成指标。指标自动生成,有了这个指标之后可以创建新的指标。

比如做一个什么转化率,可以很快把这个指标拖拽过来,进行相加或者是相除一个指标就可以了。比如我关心的是用户数量,就可以把两个用户的数量加起来,除以另外一个数量,这就是一个转化率了。

有了这个工具以后,比如说之前有一个注册按钮在右边,改版之后在左边,现在就可以实现改版前和改版后的数据统一。

并且还可以自己做图表。我们 GrowingIO 提供了一个非常简单的图表功能,有8种不同的柱图、bar 图、气泡图等,简单拖拽就能形成一个图。

除了单维度,也可以看多维度的分析。比如多个纬度、多个指标的市场营销分析,很快能做。业务人员说访问来源是一个纬度,关键词是一个纬度,下载定单购买是一个指标,他可以找到下载订单的页,然后点击保存一个事件,所有数据采集到数据清洗、到数据整理、及最后数据出结果,一个业务人员从头到尾可以做,不需要工程师去参与。


(根据 GrowingIO 联合创始人吴继业在 2016 年 1 月 8 日在思路网主办的思路汇(北京站)《电商场景化的用户体验》中的演讲资料整理)




关于 GrowingIO


GrowingIO 是基于用户行为的新一代数据分析产品

首推国内领先的“分析工具+运营咨询+持续增长”数据服务体系,帮助企业构建数据运营闭环

依托于快速部署无埋点技术,实时采集全量行为数据,搭建完整的数据监控体系

高效管控与运营核心业务指标,帮助企业挖掘更多商业价值