一、什麼是用戶行為？
用戶行為由最簡單的五個元素構成：時間、地點、人物、交互、交互的內容。
（一）什麼是用戶行為？
對用戶行為進行分析，要將其定義為各種事件。比如用戶搜索是一個事件，在什麼時間、什麼平臺上、哪一個ID、做了搜索、搜索的內容是什麼。這是一個完整的事件，也是對用戶行為的一個定義；我們可以在網站或者是 APP 中定義千千萬萬個這樣的事件。
有了這樣的事件以後，就可以把用戶行為連起來觀察。用戶首次進入網站後就是一個新用戶，他可能要註冊，那麼註冊行為就是一個事件。註冊要填寫個人信息，之後他可能開始搜索買東西，所有這些都是用戶行為的事件。
（二）如何獲取用戶行為數據？
那麼，我們又該如何去監測這些用戶行為數據呢？
一種非常傳統、非常普遍的方式就是通過寫代碼去定義這個事件。在網站需要監測用戶行為數據的地方加載一段代碼，比如說註冊按鈕、下單按鈕等。加載了監測代碼，我們才能知道用戶是否點擊了註冊按鈕、用戶下了什麼訂單。
所有這些通過寫代碼來詳細描述事件和屬性的方式，國內都統稱為“埋點”。這是一種非常耗費人力的工程，並且過程非常繁瑣重複，但是大部分互聯網公司仍然僱傭了大批埋點團隊。
二、為什麼要做用戶行為分析？
既然這麼麻煩，那為什麼要做用戶行為分析？
因為只有做了用戶行為分析才能知道用戶畫像、才能知道用戶在網站上個各種瀏覽、點擊、購買背後的商業真相。
簡單講，分析的主要方式就是關注流失，尤其是對轉化有要求的網站。我們希望用戶不要流失，上來之後不要走。像很多 O2O 產品，用戶一上來就有很多補貼；一旦錢燒完了，用戶就都走了。這樣的產品或者商業模式並不佳，我們希望用戶真正找到平臺的價值，不停的來，不要流失。
用戶行為分析幫助分析用戶怎麼流失、為什麼流失、在哪裡流失。
比如最簡單的一個搜索行為：某一個 ID 什麼時間搜索了關鍵詞、看了哪一頁、哪幾個結果，同時這個 ID 在哪個時間下單購買了，這個整個行為都非常重要的。如果中間他對搜索結果不滿意，他肯定會再搜一次，把關鍵詞換成別的，然後才能夠搜索到結果。
用戶行為分析還能做哪些事情？
當你有了很多用戶行為數據、定義事件之後，你可以把用戶數據做成一個按小時、按天，或者按用戶級別、事件級別拆分的一個表。這個表用來做什麼？一個是知道用戶最簡單事件，比如登錄或者是購買，也可以知道哪些是優質用戶、哪些是即將流失的客戶，這樣的數據每天或每個小時都能看到。
三、用戶行為分析的五大場景
有了用戶的行為數據以後，我們有哪些應用場景呢？
拉新，也就是獲取新用戶；
轉化，比如電商特別注重訂單轉化率；
促活，如何讓用戶經常使用我們的產品；
留存，提前發現可能流失用戶，降低流失率；
變現，發現高價值用戶，提高銷售效率。
（一）拉新
2008年我在 eBay 時，我的工作就是分析 SEM 和 SEO 的每個關鍵詞的 ROI。eBay 每天要向谷歌買400萬個關鍵詞，除了SEM、SEO 我們還要分析其它各種合作伙伴渠道。比如一家小電商網站上面放了 eBay 的鏈接，而後用戶通過該鏈接最終在 eBay 上完成了購買，eBay 就會分錢給這家網站。
eBay 特別注重是哪個搜索引擎、哪個關鍵詞帶來的流量；關鍵詞是付費還是免費的。從谷歌那邊搜素引擎詞帶來了很多流量，但是這些流量是否在 eBay 上成單，所以這個數據還要跟 eBay 本身數據結合、然後再做渠道分配，到底成單的是哪個渠道。整個數據鏈要從頭到尾打通，需要把兩邊的數據整合之後才能做到。
（二）轉化
以註冊轉化漏斗為例，第一步我們知道網頁上有哪些註冊入口，很多網站的註冊入口不只一個，需要定義每個事件；我們還想知道下一步多少人、多少百分比的人點擊了註冊按鈕、多少人打開了驗證頁；多少人登錄了，多少人完成了整個完整的註冊。
期間每一步都會有用戶流失，漏斗做完後，我們就可以直觀看到，每個環節的流失率。
（三）促活
還有一個是用戶使用產品的流暢度。我們可以分析具體用戶行為，比如訪問時長，在那個頁面上停留時間特別長，尤其在 APP 上會特別明顯。再有是完善用戶畫像，拿用戶行為分析做用戶畫像是比較準的。
舉個例子，在美國有一個非常有名的在線視頻網絡 Netflix。Netflix 非常有意思，通過用戶行為分析，他把你一家人都進行精準分析定義。你們一家人有多少人，是大人還是小孩，你最喜歡看的是哪三部電影？你的行為輸出越多，他的推薦就會越來越精準。
（四）留存
用戶流失不是說一下子就流失了，一些細微、小的一些行為，就能預示他將來會流失。
在LinkedIn的時候，我們要去追蹤用戶的使用行為。比如說有沒有登錄、登錄之後有沒有搜簡歷、有沒有上傳簡歷等等。用戶這些點點滴滴的行為，都很重要。有了這些數據支撐，LinkedIn 的產品、銷售每天都要去看用戶報告，最簡單的就是用戶使用行為有沒有下降、哪些行為下降、哪些用戶用的特別好等，以此來維護用戶關係。
（五）變現
LinkedIn 是一家 2C 又 2B 的公司，在全球有4億的用戶，有很多真實用戶的簡歷信息。2B 的業務是LinkedIn 為每一個企業 HR 銷售的，目的就是幫助美國的企業去找中高端的人才，這裡面有很多的不同的產品線。LinkedIn 本身就是一個社交網絡，用戶是經理、VP還是總監，還是業務類的，市場的、銷售的等等這些數據在 LinkedIn 上都聚合成一個公司的緯度。
有了這個公司的緯度之後，我們就能夠很快讓銷售拿著這個賣給客戶。比如要跟星巴克談業務，最能震撼到星巴克 HR 的數據是人才流失率的列表。
如上圖，其員工在最近一年有哪些是從別的公司加入進來，上一家公司是誰，用藍色顯示；左邊做的是星巴克員工流失，其跳槽去了哪家公司，用紅色顯示。
通過這個簡單的分佈，就可以迅速看出來人才流失情況。如果是藍色的多，說明這家公司的人才吸引方面是強的，如果是紅色的多，說明這家公司人才儲備和招聘方面正處於頹勢。我們把數據展示給最終客戶，基本上就可以拿到單子。我們可以通過數據來講故事。我們一開始做了很多的報告，銷售可以拿去講故事，可以很快促進成單。
所有這些是通過用戶行為分析做出來的，不是通過拍腦門或者是第三方數據，用戶行為分析的價值不言而喻。
閱讀更多 Marketing聯盟 的文章
