芥末堆芥末堆

【運(yùn)營(yíng)進(jìn)階】如何清晰獲取用戶行為路徑?這3種方法可以搞定所有場(chǎng)景

作者:劉兆梅 發(fā)布時(shí)間:

【運(yùn)營(yíng)進(jìn)階】如何清晰獲取用戶行為路徑?這3種方法可以搞定所有場(chǎng)景

作者:劉兆梅 發(fā)布時(shí)間:

摘要:產(chǎn)品、運(yùn)營(yíng)和市場(chǎng)團(tuán)隊(duì)都希望能夠清晰的了解其用戶行為路徑?這里有3種辦法。

500529917_wx.jpg

圖片來(lái)源:攝圖網(wǎng)

本文將介紹在用戶行為路徑分析中常用的3種分析方法:轉(zhuǎn)化漏斗、智能路徑和用戶路徑,并剖析3種方法的相同和差異之處,推薦在合適的分析場(chǎng)景下使用合適的方法。

在產(chǎn)品的運(yùn)營(yíng)過(guò)程中,無(wú)論是產(chǎn)品、運(yùn)營(yíng)還是市場(chǎng)團(tuán)隊(duì)都希望能夠清晰的了解其用戶行為路徑,從紛繁的用戶行為中,尋找以下問(wèn)題的答案:

  1. 用戶從進(jìn)入產(chǎn)品到離開(kāi)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(kāi)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(wèn)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(wèn)題?常見(jiàn)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。1.webp.jpg

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(kāi)APP--注冊(cè)--登錄--添加好友,來(lái)分析新用戶從開(kāi)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(kāi)--點(diǎn)擊郵件中的商品--購(gòu)買商品--支付訂單。

2.webp.jpg

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。

3.webp.jpg

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。

4.webp.jpg

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??梢詫⑵湓O(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(wèn)題時(shí),也可以在漏斗中進(jìn)一步細(xì)分。

用戶路徑: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(kāi)APP到離開(kāi)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(wèn)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??傊脩袈窂降姆治鰧?duì)產(chǎn)品運(yùn)營(yíng)過(guò)程都有非常重要的啟發(fā)作用。

5.webp.jpg

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(wèn)題答案,譬如回到文章開(kāi)頭中提到問(wèn)題:

  • 1.用戶從進(jìn)入產(chǎn)品到離開(kāi)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(kāi)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。

本文轉(zhuǎn)自Analysys易觀,作者劉兆梅,原標(biāo)題《玩轉(zhuǎn)用戶行為路徑分析,3種方法就夠了》。文章為作者獨(dú)立觀點(diǎn),不代表芥末堆立場(chǎng)。

1、本文是 芥末堆網(wǎng)轉(zhuǎn)載文章,原文:Analysys易觀;
2、芥末堆不接受通過(guò)公關(guān)費(fèi)、車馬費(fèi)等任何形式發(fā)布失實(shí)文章,只呈現(xiàn)有價(jià)值的內(nèi)容給讀者;
3、如果你也從事教育,并希望被芥末堆報(bào)道,請(qǐng)您 填寫信息告訴我們。
來(lái)源:Analysys易觀
芥末堆商務(wù)合作:王老師 18710003484
  • 【運(yùn)營(yíng)進(jìn)階】如何清晰獲取用戶行為路徑?這3種方法可以搞定所有場(chǎng)景分享二維碼