在这个时代，每个互联网人都在谈论数据。每个产品经理都在谈论数据分析的时代。用户行为分析的重要性正变得越来越突出。那么产品经理如何进行用户行为分析呢？让大家分享。

首先，为什么要进行用户行为分析

观点1：预计某些功能将由整个平台的用户完成。没有必要使用人工评估。去做就对了。用户行为分析是一种无法进行分析的表单。

观点2：我这么多年来一直从事这个行业。用户需要什么？我不知道？我是用户，我可以代表他们，我的需求就是他们的需求。

观点3：您只需要进行充分的研究和分析，例如需求研究，产品使用研究，找到更多目标用户，让他们提供一些反馈，并根据反馈做出改变。

观点4：不要总是按照用户的想法来做产品。产品设计的核心是产品经理的想法，而不是用户的意见。

以上几点实际上是错误的。如果产品经理有这样的想法，那将对他非常不利。我们来看两个案例：

案例1：成长IO翻新前后的比较

视频介绍功能是所有用户想要的，因此成长IO毫不犹豫地将视频放在主页上，然后注册转换率下降了50％，并且持续观察了两周，注册转换率仍然没有回滚显着，回滚到上一版本，注册转换率逐渐恢复。结论：

一些用户的意见不能代表所有用户的真实感受，视频介绍可能是伪需求。

产品经理的主观感受不能代表用户的真实体验，也没有人能代表用户。

视频介绍分散了用户的注意力，导致主页注册转换率大幅下降。

案例2：Facebook修订后回滚

Facebook改版后，页面更加清爽，显示区​​域更大，图片和视频突出显示，信息更丰富。 Facebook产品经理和交互设计师对此版本非常有信心。但是，在发布10％灰度后，用户的平均在线时间减少了50％。一个月后，数据仍未改善。

互联网产品是以数据为导向的，而不仅仅是基于他们自己的主观感受。

产品设计太先进，产品版本的迭代版本之间没有过渡，用户无法习惯。

因此，可以说数据分析在日常工作中起着不可或缺的作用。 1.用户行为分析不正式，不用于分析，即使对于核心用户的需求，也必须通过数据验证，没有人能够代表真实用户。 2.产品经理必须具有自我创新和自我否定意识。用户的需求正在发生变化，而不是过于依赖过去的经验，过去的经验不可靠，只有数据才是最可靠的。 3，用户分析和研究一方面只是为产品提供思路，但是否有利于产品的长期发展或通过数据说话。 4.用户端产品应基于用户体验并以数据为导向。

二，数据指标和名词含义

1.流量来源：流量来源是指网站的来源，如来自知识的用户，来自微博等。它主要用于统计分析每个渠道的促销效果。

2，PV：PV（页面视图）是页面查看量或点击量，是指每次刷新页面时刷新的页数，即使它是PV流量。

3，UV：UV（独立访客）是独立访客的​​数量，在同一天，UV只记录第一次进入具有单独IP访问者的网站，在同一天再访问该网站不计算在内。 PV与UV的比率在一定程度上反映了产品的粘度。比率越高，粘度越高。

4. IP号：IP的数量是独立IP的接入用户数，是指一天内使用不同IP地址访问网站的用户数。 IP编号可能与UV不同（可以尽可能大或小）

5，每日/每月直播：每日活跃用户（DAU）/每月活跃用户（MAU），反映网站或APP的用户活动，用户粘性。

6，第二天保留/下个月保留：第二天保留，下个月保留网站反映或APP保留率。

7.用户保留率：指单位时间内满足有效用户条件的用户数与生成的实际用户数之比，也称为用户保留率。

8.转换率/流失率：转换率通常用于计算两个流程之间的转换率。流失率也是一个重要的数据指标。用户流失率=总流失用户/总用户数。

9.跳出率：指用户到达网站时只能查看一页的访问次数（PV）和所有访问次数的百分比。跳出率越高，越不受欢迎。

10.退出率：从该页面离开网站的访问百分比（PV）占特定页面对该页面的访问次数的百分比。跳出率适用于您访问的目标网页（用户访问的第一页），退出率适用于退出的任何网页。

11，使用时长：用户每天使用的时间。对于游戏或社交产品，使用时间越长，用户就越喜欢它。通常，使用时间越短，产品的粘度越差，并且用户喜欢它越少。

12，ARPU：每用户平均收入，每用户平均收入在一定时间内，ARPU=总收入/用户数。

三，如何进行用户行为分析——三个概念

1.建立数据驱动的值

有必要建立数据驱动值并充分认识数据的价值。就业方向：统计，协助，优化和创新。业务实现是最根本的目标：用户使用→生成数据→商业现金

2，必须有用户行为分析方法

在用户行为分析中，底层生成的值越低，顶层生成的值越高。进行用户行为分析应侧重于最有价值的分析和决策。把更多的时间放在分析和应用上，而不是数据收集上。

AARRR模型在进行用户行为分析时，应考虑用户所在的AARRR模型的哪个部分，关键数据指标是什么，以及相应的分析方法是什么。

当我们对产品有所了解时，我们使用MVP来构建它。功能在线后，我们会测量用户和市场响应，以便我们继续学习和优化。

3.使用强大的用户行为分析工具

如谷歌分析，上帝政策数据，成长IO等等。

四，如何进行用户行为分析— —八种方法

1.内部和外部因素分析

此方法有助于快速定位问题。例如，一个金融产品紫外线下降，快速分析相关原因。内部可控因素：渠道变化，近期在线更新版本，内部不可控因素：企业战略变化，外部可控因素：弱势旺季，外部不可控因素：监管。

2.事件分析

事件维度：用户在产品和业务流程中的行为。指标：具体值，访客，地址，综合浏览量（PV，UV），逗留时间。趋势分析：个别事件趋势分析

通过事件分析，例如分析用户的在线持续时间，点击事件，下载事件等，然后分析用户的行为。并通过各种类型的图标来分析用户的行为趋势，从而初步了解用户的行为。

3.试点分析

说白了，当你发现问题时，不要担心，只需考虑解决方案，然后以灰度发布。如果灰度发布的人口数据更好，则将其推送到整个用户组。

这是一种从单个问题到整体影响以及从单一解决方案中找到缩放解决方案的方法。

4.漏斗模型

漏斗模型是最常用的分析方法，可广泛用于日常数据操作，如流量监控和产品目标转换。根据实际需要确定是否需要进行漏斗分析，如用户注册流程，订单流程，主流程，需要使用漏斗模型进行分析，尤其需要分析哪个部分的漏斗用户失去了最严重的。

5.保留分析

通过保留分析，分析用户的第二天保留，子周保留，下个月保留等。第二天保留率可以指示用户是否对连续使用此产品感兴趣。对于社交和游戏产品，第二天保留非常重要。

6.行为轨迹分析

无法通过PV，UV分析和退出率分析了解大多数用户如何使用此产品。只有通过记录用户的行为轨迹，您才能注意用户如何真正使用该产品。用户体验设计是用户行为的设计。通过行为轨迹分析，它可以帮助产品经理直接向用户设计产品。

示例：通过对用户行为轨迹的分析，发现大多数用户不退出转换率，而是返回上一页。猜猜：当前页面信息不足，用户犹豫不决，想要返回上一页然后了解产品。 。

7，A/B测试

A/B测试是一种产品优化方法。 AB测试基本上是一个单独的组间实验。 A和B的两个不同版本同时发送到两个几乎相同的用户组以观察两个用户组。数据反馈。

A/B测试是一个“优先级”的实验系统，它是一个预测性结论，与“后验”的归纳结论完全不同。 A/B测试的目的是通过科学实验设计，样本样本表示，流量分割和小流量测试获得代表性的实验结论，并且认为该结论有利于所有流量。

8.单击“分析”

通过单击分析，您可以直观地看到用户的注意力集中在此页面上，以及用户最常用的功能是什么。促进产品经理对用户行为的全面了解有助于产品经理引导用户达到他们想要的方向。

以上是我个人总结的产品经理用户行为分析方法，欢迎添加和交流。

作者：秦世明，现金贷款互联网产品经理，互联网安全产品经理。

本文最初由@秦时明月出版。未经许可，禁止复制。

该地图来自unsplash，基于CC0协议

« 2018年云栖会议| Youmeng +刘艳明：数据打开智能零售升级引擎 | 需求升级，甘来科技如何重新寻找新零售？ »