一文看懂:用户分析体系该如何搭建
↑ 点击上方 “码工小熊” 关注 + 星标 ~
大家好,我是爱学习的小xiong熊妹。
用户分析,是当前数据分析领域最热门的话题了。不管是互联网企业还是传统企业,都在问题:
我的用户是谁? 用户从哪里来? 用户做了什么? 用户会到哪去?
几乎所有部门,都会用到用户分析的结论,所以用户分析,在整个分析体系中,是最基础的环节(如下图)。
今天就简单分享一下,用户分析该怎做。
一、用户分析做什么?
用户分析解答四个问题
用户特征是什么(我的用户是谁?)
从哪里获得用户(用户从哪里来?)
用户的活跃行为(用户做了什么?)
用户的行为预测(用户会到哪去?)
这样做完分析以后,就能对用户状况有清晰的了解,还能根据预测结果,做出针对性的服务/营销动作。用户分析,可谓是人人都喜欢看。
二、用户特征分析
用户特征分析,就是把用户基础的性别、年龄、职业、收入、家庭地址、兴趣爱好……等展示出来,告诉大家我们的用户是什么样的。但是这部分受数据来源局限,实际工作中,很多公司无法记录到足够多的真实数据。所以,有哪些数据就展示哪些吧,无法强求。
但是,有一项特征分析,是一定能做的,就是:消费分层。用分层分析法,对用户消费进行分层,识别出哪些用户消费很高,哪些很低。这个结果,在后边的各个分析中都能用到。并且,特定的消费分层机构,会影响到后边运营思路(如下图)。
传送门:九大数据分析方法:分层分析法
三、用户来源分析
用户来源分析,就是从获取用户角度,把用户来源渠道、转化路径,结合用户消费分层与用户特征进行分析。从而识别出:
哪个渠道获客效率更高
高价值的用户在哪里集中
获取用户的方式,是否能进一步优化
用户来源分析,对于广告投放、销售培训、市场推广都有重要意义,因此备受关注。
四、用户行为分析
用户行为分析,针对已经注册,具有ID的用户,分析其活跃行为,包括:
用户消费行为:用户买了多少钱、买了什么货、上次消费距今多久了
用户咨询行为:用户向客服咨询了什么问题,投诉了什么问题
用户互动行为:用户浏览了什么内容、点击了什么页面、看了什么直播
这里最重要的就是消费行为。大部分公司都是依靠用户消费赚取利润的,运营/营销的策略,也是从消费行为分析里推导出来的。更好的是:用户消费数据一定有完整的记录,所以可以做很多分析。比如经典的RFM模型,就是针对消费行为进行分析(如下图)。
用户咨询行为,一般是通过客服/门店收集的,即使传统企业也能拿到这部分数据。用户咨询数据量不会很大(发起咨询的用户,只占全量的1%左右),但是意义很大。因为会发起咨询,就说明用户有强烈的意愿。
如果咨询的是活动信息,就说明活动宣传有问题,用户看不懂。
如果咨询的是商品信息,就说明有些用户对该商品有特殊兴趣。
如果投诉的是产品质量,那就得赶紧处理,避免事态升级。
用户互动行为,在互联网行业很普遍(传统线下门店记录不到这些数据)。通过埋点数据,可以获得用户点击、浏览、观看等数据,这些数据,零散地看可能意义不大,但是汇总起来,能形成很有意义的分析。
比如:
分析用户在交易过程中行为,找到提升交易概率的关键
分析用户对内容点击浏览行为,找到用户的兴趣点以提升留存
分析用户对商品/活动信息的浏览行为,找到用户购买需求
在用户互动行为上,分析模型也很多。比如勾画用户站内行为的UJM模型,比如找用户关键行为的“魔法数字”分析方法等等。有机会再跟大家一一分享。
除了单独的用户行为分析,用户行为数据,可以作为建模的输入素材,训练更多的模型。
五、用户行为预测
用户行为预测包含宏观、微观两个层面。
宏观层面,针对用户群体总量进行预测,比如预测整体上用户会流失多大比例,用户增长到什么规模,活跃用户预计是什么水平。通过宏观预测,能指导企业整体经营计划的制定。预测宏观数据的方法相对简单,可以用之前介绍的时间序列方法,也能直接拟合曲线/按比例推算(如下图)。
微观层面,则是对每一个用户的行为进行预测,包括
预测用户是否消费:找出不消费的用户,进行激活
预测用户是否流失:对于高流失概率的用户,体现促活
预测用户需求:通过关联规则、协同规律,找用户可能购买的产品
这些模型能直接指导业务动作,意义很大。但是建模本身需要较多基础数据积累。而数据积累又恰恰是很多企业最大的软肋,所以这一部分分析,大家量力而行。
六、小结
今时今日,各个部门遇到点问题,都会问:
是不是用户不喜欢? 是不是没找对用户? 是不是用户行为有变化?
所以,用户分析可以展开讲的内容太多了,几乎与每一类分析都有点关系。今天就当开个头,后边再跟大家一一分享。喜欢的话,记得转发+点赞+在看,支持下小熊妹哦,谢谢大家。
点击“阅读原文”可了解更多知识星球