用戶行爲特徵，對於運營來說用戶的行爲是需要關注的一個點，很多時候用戶的行爲決定了一個網站甚至是一個軟件能否繼續運運營下去，所以通常都是要對於用戶行爲特徵進行一個分析，下面一起看看相關內容。
用戶行爲特徵1
用戶行爲是用戶在產品上產生的行爲，實際表現爲相關的用戶數據。產品經理運用不同分析方法對不同數據進行分析，進而爲產品迭代和發展提供方向。
一、用戶行爲是什麼？
1、用戶行爲
用戶行爲是用戶在產品上產生的行爲。我們以小明的case具象化用戶行爲表現：
因爲小明關注作者的信息被記錄了下來，當該作者有發佈信息時，則會通知所有關注他的人，而小明也是其中之一。
小明關注作者的信息記錄，則是行爲數據。小明的行爲數據會有 啓動app、瀏覽、查看圖集、播放視頻、點贊、關注作者……
2、用戶行爲數據
用戶行爲數據是從一次次的行爲中而來的，行爲數據是通過埋點進行監控（相見埋點介紹）、後續一篇文章將介紹如何（設計埋點）。通常是數據同學完成埋點設計，由開發完成監控程序 或 調用SDK。針對小明的行爲（假設以下均已埋點）：
3、用戶行爲分析
是指對用戶行爲數據進行數據分析、研究。
4、用戶行爲分析的作用
（1）通過用戶行爲分析，可以還原用戶使用的真實過程。
一個xxx的人在什麼樣的環境中（由於什麼樣的行爲）在時間點做了xxx事情做了什麼事情結果如何
（2）“瞭解用戶，還原用戶”是“以用戶中心”的第一步。只有詳細、清楚的瞭解用戶的行爲習慣、真實的使用路徑、進而找出 產品使用、渠道推廣等過程中存在的問題，提高用戶/頁面/業務過程中的轉化率。
（3）用戶行爲分析（case需要補充）可以用於
A、拉新：渠道分析、SEM分析、用戶質量分析、
B、轉化：新增用戶註冊轉化過程、產品使用過程轉化（搜索、推薦等）、push推送調起過程、站外拉起過程
C、促活：用戶停留時長、用戶行爲分佈、
D、留存：用戶留存分析
E、商業化：根據用戶歷史行爲展示廣告
二、如何進行用戶行爲分析？
1、行爲事件分析
行爲事件分析方法主要用於 深度研究某行爲事件，以及對產品的影響以及影響程度。
針對某一具體行爲，全面的描述、對比，針對其異常表象 深度下鑽分析各維度、確認導致該行爲數據表現的原因。如快手的播放量徒增:同期對比分析，確認歷史上是否有發生過，對比 去年/上個季度/上月/上週/昨日的 數據的相對錶現。多事件對比分析。對比瀏覽量、點贊、評論、分享事件的數據是否存在徒增。通過對比多個事件，確認徒增現象發生的範圍。維度下鑽：由於播放量取決於3個部門用戶在快手消費視頻，被監控程序上報。
所以在三個方面分析：
監控程序是否異常？在快手哪個頁面的播放量增加呢？是發現、關注、還是同城？-> 對應頁面做了哪些調整？是否增加了引流；哪一部分用戶羣的播放量增加了？交叉分析 用戶自然屬性（平臺、性別、年齡、地域、教育學歷、機型、消費能力）、行爲屬性（新增、迴流、常活躍用戶；直播用戶、短視頻用戶…、）、視頻屬性（視頻類型、作者類型…、）
2、留存分析
留存是衡量用戶是否再次使用產品的指標，也是每一個app賴以生存的指標，能夠反映任何一款產品健康度，是產品、運營、推薦效果的整體表現。如果一個app從來沒有留存用戶，那DAU將永遠是新增用戶，那麼產品將無法運行下去，更別說新用戶成本付諸東流。
貼合業務屬性、精細化留存過程 將對留存數據更有價值和指導意義。通過留存分析，能夠剖析用戶留在產品的原因，從而優化產品核心功能提升留存。
留存的類型：
用戶留存：用戶使用app後，經過一段時間仍舊使用。功能留存：用戶使用xxx功能後，經過一段時間仍舊使用該功能，且其他功能均有所變化。此時，該功能對用戶留存有正向作用。先前有寫過 留存分析的文章，這裏就不贅述了。
3、漏斗分析
漏斗分析實質是轉化分析，是通過衡量每一個轉化步驟的轉化率，通過轉化率的異常數據找出有問題的環節並解決，進而實現優化整個流程的完成率。
在產品初期(處於與市場適配的階段)：通過漏斗分析找到用戶觸達的瓶頸，幫助用戶觸達產品核心價值，真實反映MVP與市場匹配程度；在產品中期(處於用戶平穩增加的階段): (1)通過漏斗分析優化渠道，找到目標羣體用戶; (2)通過漏斗分析優化用戶在各模塊的體驗(基礎的登錄模塊、產品核心價值模塊: 如抖音的播放模塊、淘寶的購買模塊等)；在產品後期(處於用戶價值產出的階段): (1)通過漏斗分析可以改善用戶生命週期(優化用戶體驗提高用戶生命週期，間接拉長用戶羣體的價值產出的時間長度，減少高價值用戶羣體的流失)；(2)可以通過漏斗分析優化商業化模塊，像商品的購買過程（購物車-提交訂單的轉化漏斗）、廣告的曝光點擊等，提高生命週期中單位時間產生的價值。
4、路徑分析
路徑分析可以將紛雜的app日誌按照用戶的使用過程，呈現出“明確的”用戶現存路徑。發現路徑問題，進而優化，使用戶儘可能短路徑體驗到產品核心價值。
通過路徑分析，可以瞭解到像小明這樣9點左右播放視頻的用戶：他們是通過push點擊而來，這部分用戶佔比是多少；他們匆匆結束播放，再也沒有下一步行爲，這部分用戶佔比又有多少。針對他們利用碎片化時間播放視屏的場景，尤其是突然退出的場景，是否在下一次打開app時，仍舊打開終端的視頻。是否有其他策略可以針對該場景來優化？
此外，路徑分析不僅僅可以用於行爲路徑分析，也可以用於用戶羣體轉化分析。例如：新用戶中分別轉化爲 忠實用戶、常活躍用戶、潛在流失用戶、流失用戶的分析。
5、用戶分羣分析
通過了解用戶畫像，可以幫助運營理解用戶。根據用戶畫像（基本屬性、用戶偏好、生活習慣、用戶行爲等）的標籤信息將用戶分羣。
通過用戶分羣行爲表現對比，可以進一步瞭解不同羣體對產品的反饋，有針對性的優化產品。
發現中 西南地區的低端機型使用app時，奔潰率特別高，開發可以針對該點進行優化、降低奔潰率；可以針對不同的用戶羣體的行爲表現 做 定向投放、push等，從而實現精細化運營。業內的商業化行爲分析產品，基本上將用戶畫像的生成、標籤的過程均合併在用戶分羣的羣體定義中，降低了操作流程。
三、用戶行爲分析的完整鏈路
以小明爲case的用戶行爲每天數以萬/億計的產生，如何對“這類人羣”進行“行爲分析”？需要行爲分析將明細級別的日誌聚合後再以較爲可讀的形式展示出來。
爲了保障埋點可靠、數據上報及時、行爲數據分析有效。需要一套完整的用戶行爲系統，包括從數據埋點設計、埋點開發、數據上報、數據模型開發、行爲數據分析。 過程中也需要多方協作完成，如何保障多方協作中高效、便利的完成、產出具有業務價值的數據分析結論。後續將介紹服務於用戶行爲分析的相關平臺介紹。
用戶行爲特徵2
一、什麼是用戶行爲
中國有句古話“天地四方爲宇，古往今來爲宙”，這句話揭示了空間和時間的概念。我們要想透徹地研究任何事物，常以時間和空間兩個維度來考慮。分析用戶行爲也不例外。
換句話說，用戶行爲的研究內容可以按照時間和空間維度展開。
從時間的維度來看，按照管理學大師菲利普科特勒的理論，用戶的行爲軌跡包括：產生需求、信息收集、方案比選、購買決策；購後行爲5個階段。其中購後行爲包括使用習慣、使用體驗、滿意度、忠誠度等。
從空間的維度來看，用戶行爲的構成要素包括5W2H，例如我們要全面描述用戶在購買階段的行爲，就要回答這樣的問題，誰（who）？打算在什麼時候(when)？什麼地方(where)？買什麼東西(what)？產生需求的動機是什麼（why）？打算買多少（how much）？如何買（how）？同理，在使用階段也可以從這7個要素來描述。
5階段和7要素的結合，形成了用戶行爲分析的研究體系。這個體系細化了用戶行爲的研究內容，基於這些內容，就有了用戶調查問卷的一些基本的問題。
二、爲什麼分析用戶行爲（Why）?
之所以分析用戶行爲，是爲了找到用戶行爲的特徵，從而爲企業的經營提供支持。
大家想想，用戶行爲具有哪些特徵呢？
Q1: 用戶行爲是同質化的，還是差異化的？
A1：差異化的，因此用戶行爲具有差異性
Q2:用戶行爲是靜態不動的，還是動態變化的？
A2:動態變化的，因此用戶行爲具有流動性
Q3:用戶行爲是相互隔絕的，還是相互影響的？
A3:相互影響的，因此用戶行爲具有傳播性
差異性、流動性和傳播性是用戶行爲的三個顯著特徵。那麼，這些特徵具體是如何表現的，分析這些特徵對企業的經營有什麼作用？
這裏我們只談差異性，後面的博文中會談流動性和傳播性。
用戶行爲從時間和空間的維度，分爲5階段7要素。因此用戶的差異性，就表現在這5階段和7要素上。例如，在產生需求階段，用戶的需求動機why不同。同樣是買電腦，有的是爲了工作、有的爲了學習、有的是爲了消遣；再比如，在信息收集階段，用戶的信息收集渠道where不同。同樣是買房子，有的看網絡廣告；有的聽朋友介紹；有的'到現場採點。
這裏只舉了兩個階段，你能說出在其他階段用戶的差異性表現嗎？
意識到用戶的差異性，企業的營銷工作就不會搞一刀切，就不會拿大炮轟蚊子，而是會進行市場細分和目標市場選擇，然後針對目標用戶進行精準營銷。這種精準營銷體現在市場定位、競爭戰略選擇、品牌形象和營銷組合等很多方面。
三、如何分析用戶行爲(How)？
這裏我們只談差異性，後面的博文中會談流動性和傳播性。
我們前面談到因爲用戶行爲具有差異性，因此需要進行市場細分和目標市場選擇，那麼如何進行市場細分和目標市場選擇呢？
市場細分的思路是看看從哪個維度切分市場，使所分得的細分市場內部具有的共性，細分市場之間具有個性。從哪個維度切要結合企業所處的行業特點的。例如食品市場，地域差異比較明顯，南甜北鹹東辣西酸，所以食品市場可按地域分；服裝市場，性別差異非常突出，男款少而精；而女款多而靚，所以服裝市場可按性別分。此外二八原則，也廣泛用於市場細分，即我們可以按重要程度將用戶分爲大中小三類。重要性可以有很多評價指標，比如規模、綜合實力、業內影響力、對企業的貢獻率、在同類產品上的總投入等等。
將市場劃分成幾個細分市場後，企業就面臨着目標市場選擇的問題。如何選擇目標市場呢？這是一個團體決策的過程，在選擇目標市場時往往需要企業的管理人員和骨幹營銷人員坐在一起討論來確定。討論共有五步進行
第一步指標的選擇需結合企業自身的實際情況。例如，我是大企業，規模經濟是我的優勢，那市場規模就是我選擇的重要指標；我是中小企業，我要更關注競爭的激烈程度，因爲競爭太激烈了，我可能無法存活。因此，競爭強度就是我選擇的重要指標。
第二和第三步確定優先級和爲指標打分的方法可參考小蚊子的《誰說菜鳥不會數據分析》中的權重確定方法
第四步的綜合得分是第二步和第三步的結果加權平均得到。
第五步選擇目標市場可以企業適應度和市場吸引力爲橫縱座標，得出各個細分市場在四個象限中的位置。
六款免費的用戶行爲分析工具測評
中國移動互聯網市場經過幾年的高速發展，增速已經明顯放緩，人口紅利逐漸消失。移動互聯網進入了下半場，市場競爭已經從增量用戶競爭逐步轉化成爲存量用戶競爭。同時伴隨流量紅利消失，數據紅利時代已經到來，流程驅動性公司正轉變爲數據驅動的數字公司，競爭從同業蔓延至異業競爭，跟隨用戶，跨場景地滿足用戶的需求將會成爲數據紅利時代最核心的訴求。
如果說數字化轉型不可逆，那麼對於用戶的精細化運營將會是數字化轉型的支撐點之一。要實現對用戶的精細化運營，必不可少要對用戶行爲進行分析。比如對網站、APP等渠道的用戶行爲數據進行採集，對獲取到的用戶行爲數據進行多維度、多角度對比分析，用以指導提升獲客效率、優化產品服務和用戶體驗，以數據驅動業務持續增長。
但目前來看，距離要實現這一目標，還有一定的差距。由於日常工作中，大家的分工不同，僅關注某一個方面的數據顯然不夠，無法全面瞭解產品運營情況，更不能提出行之有效的分析建議。
現在的情況是在公司內，業務部門想要看數據，會先提出自己的數據需求，這時候需要找到技術人員或者數據分析師，根據需求寫SQL將數據從庫裏提出來，交給數據分析師進行分析，形成對應報表之後，再發給業務部門查看，完成整個過程沒個三五天搞不定，數據分析的時效性大大降低。
企業採用用戶行爲分析工具，可以讓產品、運營、市場、數據等業務部門更方便的分析數據，讓技術部門日常面對的零碎需求更少，能把等多精力放在建立數據倉庫等核心工作上。
當我們在做產品開發或者產品運營時，通常需要第三方工具去做用戶行爲分析以提供數據支持。因此免費產品的試用成了大家在前期選擇工具的必要方式。爲了方便大家對目前市場上的用戶分析工具有一個清晰的瞭解，我們在試用了大量的工具後，分別從數據接入、數據分析、安全與拓展幾個方面進行了綜合分析。
許多人都在問，市場上有沒有免費的用戶行爲分析工具，答案是有的！不過各家各有特點，國外知名用戶行爲數據分析工具像Google Analytics（以下簡稱GA）、Mixpanel，國內有百度統計、易觀方舟Argo、友盟、TalkingData免費版（以下簡稱TD免費版）。
01、數據接入
談到數據接入，首先需要說明的是幾個產品在數據模型上的差別。
GA、百度統計誕生於傳統PC互聯網時代，都是以傳統的頁面瀏覽（PV）和用戶會話（Session）爲核心。其中GA經過多年演進，增加了一些關於事件分析和自定義屬性的內容，但本質上主要還是服務於頁面類的產品。百度統計還是依然只支持頁面和會話統計。
隨着移動互聯網時代到來，用戶的行爲觸點變多，以往以頁面和會話爲中心所能採集到的結構化數據顆粒度不夠細，頁面和會話模型已經不適用了。因此，基於“用戶+事件（User+Event）”模型出現了，在分析的時候可以完全自主的定義需要分析的事件，並從不同的屬性維度進行交叉分析。剛推出不久的易觀方舟Argo，以及Mixpanel、友盟、TalkingData免費版都採用了 “用戶+事件”模型。
在埋點方面，目前根據埋點的工具和方式，可以劃分爲三種類型：代碼埋點，可視化埋點和全埋點，並沒有說哪一種方式能夠碾壓其他幾種，因爲都各有弊端，具體的各種埋點方法的分類與優缺點我們也做一下對比：
下面我們看一下市面上幾家免費的數據分析產品之間在數據接入方面對比。需要注意的是由於GA、Mixpanel都是國外產品，在數據採集的規則適配了iOS、Android的設計規範，但國內開發者常常直接忽視這些設計規範開發產品，而GA、Mixpanel在數據採集上沒有針對國內產品的特點進行優化，因此在數據採集的準確性上可能會受到一些影響。
另外，需要提到的一點是Mixpanel和易觀方舟Argo的數據採集SDK開放了源代碼，一定程度上可以打消企業在數據採集安全方面的顧慮。
02、數據分析
數據分析是用戶行爲分析工具的核心，除了百度統計以外，其他幾款產品都可以滿足用戶行爲數據分析的基本需求，但在功能的豐富程度上不盡相同。具體對比可以看下錶。
從分析模型豐富程度上來看，Mixpanle和易觀方舟Argo是裏面功能最全的，堪稱全家桶，唯一遺憾的是目前易觀方舟Argo目前尚不支持熱圖分析。比如最常用的“事件分析”這個功能，不止可以從PV、UV等方面進行分析，還可以根據不同的屬性值設定具體的指標按照不同的維度進行對比，功能非常強大。
從數據準確性上來看，GA在算法的嚴謹性上應該是最好的，但如果用戶或者事件量比較大的時候，會採取抽樣分析，可能會影響到數據的準確性，Mixpanel的免費版本也會存在類似的問題。易觀方舟Argo在這方面表現搶眼，在數據計算上支持秒級實時數據分析、自定義指標、多維多人羣指標對比、人羣交叉分析、智能分析、數據實時回傳、即席數據分析等。
從數據管理、項目管理、權限管理這些常用的管理功能方面來看，幾款工具都提供了比較友好的支持。但僅有友盟+提供了手機app，可以隨時通過手機查看監測的數據情況，易觀方舟Argo支持通過手機瀏覽器訪問查看數據看板。
另外，值得一提的是易觀方舟Argo裏面的用戶運營和觸達功能。目前易觀方舟Argo可以在完成用戶分析與分羣后，通過郵件、短信、Push消息等方式對目標用戶進行觸達，還支持配置UTM追蹤參數對廣告進行跟蹤。
03、安全與拓展性
企業級產品在數據安全性和可拓展性上，需要提前做一些考量，幾款產品也各有側重，具體對比情況如下表所示：
（點擊圖片可查看清晰大圖）
GA免費版 和 Mixpanel 提供的都是SaaS服務，但因爲服務器都在國外，在國內使用起來穩定性和刷新速度上可能會有一定的影響；百度統計、友盟統計、TD免費版基本上都是SaaS服務；易觀方舟Argo提供安裝包，可由企業自己私有部署，如果對數據安全有顧慮，易觀方舟Argo是個不錯的選擇。在服務方面，除了GA和易觀方舟Argo可提供社區服務支持以外，其他產品目前還沒有完善的用戶服務支持。
總結
對比來說，剛推出不久的易觀方舟Argo，在數據採集、數據分析能力上，已經可以滿足產品數據和用戶行爲數據分析的需求，而且提供了獨家的一站式用戶運營和用戶觸達。與目前其他國內的免費工具產品對比來說，易觀方舟Argo在顆粒度細緻程度、分析模型全面性、系統性能方面表現優秀。
目的，大多數成長型團隊、創業團隊的市場及運營預算都相對緊張，每一分投出去的錢恨不得立馬知道什麼時候能轉化回來，如果自己搭建一套完整的數據分析平臺要花費的功夫肯定不少。相信更多性能全面的用戶分析和運營分析工具的免費開放，能避免企業在市場運營方面走彎路；也能解放團隊更專注的在業務上，通過用戶行爲分析提升營銷效率、優化迭代產品、留住更多用戶，真正用數據指導和驅動業務。
最後，這次選型過程中，在易觀方舟Argo社區交流感受較好，現在市面上能見到的免費工具產品不少，但真正形成自己技術服務社區的不多。相信未來他們能把這個社區做的更好，就像當年小米運營MIUI做社區一樣，能給廣大的技術宅和數據愛好者提供一個炫技、PK、互助的圈子。
