用户行为分析研究

如何分析用户行为(How)？这里我们只谈差异性，后面的博文中会谈流动性和传播性。我们前面谈到因为用户行为具有差异性，因此需要进行市场细分和目标市场选择，那么如何进行市场细分和目标市场选择呢?市场细分的思路是看看从哪个维度切分市场，使所分得的细分市场内部具有的共性，细分市场之间具有个性。从哪个维度切要结合企业所处的行业特点的。例如食品市场，地域差异比较明显，南甜北咸东辣西酸，所以食品市场可按地域分;服装市场，性别差异非常突出，男款少而精;而女款多而靓，所以服装市场可按性别分。此外二八原则，也广泛用于市场细分，即我们可以按重要程度将用户分为大中小三类。重要性可以有很多评价指标，比如规模、综合实力、业内影响力、对企业的贡献率、在同类产品上的总投入等等。将市场划分成几个细分市场后，企业就面临着目标市场选择的问题。如何选择目标市场呢?这是一个团体决策的过程，在选择目标市场时往往需要企业的管理人员和骨干营销人员坐在一起讨论来确定。讨论共有五步进行  在上图中：第一步指标的选择需结合企业自身的实际情况。例如，我是大企业，规模经济是我的优势，那市场规模就是我选择的重要指标;我是中小企业，我要更关注竞争的激烈程度，因为竞争太激烈了，我可能无法存活。因此，竞争强度就是我选择的重要指标。第二和第三步确定优先级和为指标打分的方法可参考小蚊子的《谁说菜鸟不会数据分析》中的权重确定方法第四步的综合得分是第二步和第三步的结果加权平均得到。第五步选择目标市场可以企业适应度和市场吸引力为横纵坐标，得出各个细分市场在四个象限中的位置。

行为路径分析就是分析用户在产品使用过程中的访问路径。运用dm hub通过对行为路径的数据分析，可以发现用户最常用的功能和使用路径，并从页面的多维度分析，追踪用户转化路径，提升产品用户体验。通过分析用户的这些行为轨迹数据，来验证访问路径是否和预期指标的一致，如有偏差就是产品可能存在的问题，需要及时对产品进行优化，找到缩短路径的空间。

这需要根据不同的业务进行判断，一般来说用户行为分析就是对用户使用产品过程中的所有数据（包括下载量、使用频率、访问量、访问率、留存时间等等）进行收集、整理、统计、分析用户使用产品的规律，为产品的后续发展、优化或者营销等活动提供有力的数据支撑。这里推荐一款开源私有化部署的app用户行为数据统计分析平台Cobub Razor简单的说就是：什么样的用户，在什么时间，做了什么事。。。有了这些数据，就可以将用户进行分群管理，最终实现精细化运营！本回答被网友采纳

第一个问题，什么是用户行为分析：过去的用户行为分析普遍的问题是：分析不聚焦、采集不全面、开发周期长、完全依靠人工埋点、事后分析、维度单一、指标传统。所以当下可以把用户行为分析定义为：基于用户生命周期管理模型、全面采集所有数据、事中分析、提前预测、实时多维组合、科学维度划分、自定义指标的分析。第二个问题：怎么做用户行为分析你提出这个问题，证明你可能暂时没有数据分析团队，或者数据分析团队尚不成熟和完善，所以需要开展数据分析工作的话建议是借助第三方的平台。这一块业务目前国内已经相对成熟，也有很多不错的合作伙伴可以选择了，硅谷的明星公司可以选择Google Analytics或者Mixpanel等，不过我最推荐的还是国内的数极客。具体如何开展，我个人的建议是：选择采用AARRR模型的平台，通过对用户全程行为的跟踪，让我们在经营中运营中，拥有Acquisition(获客)、Activation(激活与活跃)、Retention(留存)、Revenue(收入)、Refer(二次传播) 全程数据分析功能。

用户行为研究：研究作为特定目标群体的用户的行为模式、思维习惯等，并加以合理利用。用户行为研究在现在社会中发挥着日益重要的作用。研究对象：用户的思维习惯和使用习惯应用领域：交互设计、用户体验、以用户为中心设计。

您的这个问题横跨网络营销和大数据分析，不过归根结底都是互联网。以我们公司举例子，如果我们不做用户行为分析，那么怎么知道用户偏好和市场偏向，就不能及时调整战略方向，不能及时更新课程，结果就是：1.我们卖不出去课，客户被抢走；2.客户买了课，教出的学员也不适应市场最终没办法就业。而这两个最终导致我们，华信智原，死亡，死在社会经济发展的大浪潮中。但我们做了用户行为分析就不一样了，我们知道社会现在最需要什么样的技术，哪一个行业更能高薪就业，那我们及时调整策略就能促进学员就业率，进而机构得到发展，顺便提高知名度，一举多得。数据体现着用户偏好，一般一个平台的后台都可以收集用户的一些具体且真实的资料。拿共享单车举例：GPS定位可以确定一个人某一时段出现在哪，早晚上下班时间出现在某一地点的人多等，基于专业人士的分析可以预估单车需求，据此决定投放量。当然每个行业需要的数据不一样但是可以把所有的数据联系在一起，总能分析出自己的需要的用户行为。

做用户行为分析的基础是获得用户行为数据，例如用户页面停留时间、跳转来源等等。这些信息有些能直接拿到，有些是需要做一些计算才能拿到的。一般来说用户访问时的一些信息都是以日志的形式打到web容器的日志空间中去，这其中包含了最通用的一些访问信息以及一些自定义的日志打点。题主提到了大数据技术中对用户行为进行分析，那么可以假定网站或者App的访问量是比较傲多的。由于系统流量比较大，计算维度又比较多，后续数据消费者的需求增长比较快，所以对计算分析平台有了一定的要求。具体表现为：1.负载能力。流量增大以后带来的压力是多方面的，比如网络带宽的压力、计算复杂度带来的压力、存储上的压力等等。一般来说这些都是比较显而易见的，会对产生比较直接的影响，比如计算实时性下降、消息出现了堆积、OOM等等。为了解决这一现象，一般来说会选择一些分布式的框架来解决这个问题，比如引入分布式计算框架storm、spark，分布式文件系统hdfs等。2.实时性。在系统资源捉襟见肘时消息的实时性会立即受到严重影响，这使得部分算法失效（例如对计算和收集上来的数据进行行为分析后，反馈到推荐系统上，当整体响应时间过场时会严重影响推荐效果和准确度）。对于这个情况来说可能会选择storm这种具有高实时性的分布式流式计算框架来完成任务。3.系统管理和平台化相关技术手段。在大数据情景下，企业内数据环境和应用环境都是比较复杂的，用户行为分析应用不是一成不变的，那么就要求用户行为分析这种多变的应用在复杂环境中能有效生存，这包括算法数据材料的获得、系统运维、系统任务调度、系统资源调度等等，相关的技术很多时候要求团队自研，但也有ganglia、yarn、mesos这类开源系统可以参考或者直接使用。4.数据链路。企业技术环境一般来说是非常复杂的，一层一层交错在一起，远不是一句MVC三层架构能够概括得了的，为了避免消息流通呈复杂的网状结构，一般会考虑应用服务化、企业服务总线（ESB）及消息总线来做传输，有兴趣的话题主可以百度一下这几个方向的技术和开源工具。5.应用快速生成工具。我个人认为在大数据环境下应用都摆脱不了一个快速开发的要求，用户行为分析也是如此，这时候要考虑对接一些开源的分布式数据分析算法库而不是通过自己去实现，比如像spark ml，mahout这类的库用得好能减少很多工作量。

问题比较泛，只能粗略回答了 ：）一、精细化运营的目标比如说你的产品只是个工具，那恐怕谈不上过多的精细化运营，一般做好常规的用户行为分析、再配合用户定性研究，用于指导产品的设计即可；如果是内容型产品，或者功能和内容兼具的产品，那确实需要考虑。2.设计统计框架假设用户在你的app上会频繁进行交互和使用功能，同时还会浏览或者产生内容，那么需要在产品设计的同时，把你的统计框架设计好。二、简要的操作流程1.数据采集首先列出你需要的数据项，接着评估哪部分是需要APP上报的，哪部分是后台可以统计的，然后分别在前后台加上。一般来讲，APP上报采集的数据，在发布前一定要经过谨慎的校验和测试，因为一旦版本发布出去而数据采集出了问题，不仅之前的功夫都白做了，还会带来一大堆脏数据，同时还有可能降低客户端的运行效率，得不偿失。2.数据整理数据采集完之后，需要将各种原始数据加工成为产品经理需要的直观的可看数据，这里需要做一些基本的数据逻辑关联和展示，就不赘述了。3.数据分析按照一开始设计的统计框架，你可以很清楚的看到自己需要的数据了。当然以上只是基础得不能再基础的分析，再深入一点的，例如你拿到这些数据，可以分析使用A功能的用户同时还喜欢B功能，二者关联性较强，是否可以在前端设计时的考虑整合，或者界面上的调整；比如分析点击流，大部分用户访问或使用APP的路径是怎么样的，是不是把核心功能藏得太深了？再比如可以分析不同用户属性，比如男性用户和女性用户，他们在用户行为上是否有明显差异？等等。不同产品的数据分析方式和模型差距非常大，没法一下子就说清楚。所以以上的是举例。三、一些需要注意的原则1.数据本身是客观的，但被解读出来的数据一定是主观的，同样的数据由不同的人分析很可能得出完全相反的结论，所以一定不能提前带着观点去分析（比如已经有了假设，再用数据去论证）；2.APP采集数据，一定是优先级比较低的事情，不能因为数据的采集而影响产品的性能和用户体验，更不能采集用户的隐私数据（虽然国内很多APP并没有这么做）；3.数据不是万能的，还是要相信自己的判断。

你可以上iUserTracker艾瑞网络用户行为分析网看看http://www.iresearch.com.cn/proct/iUserTracker.shtml