[转载]用户行为分析面面观(之二)

标签: 数据分析 | 发表时间:2013-04-11 11:26 | 作者:小蚊子
出处:http://blog.sina.com.cn/xiaowenzi22

    上篇博文我们聊了两个问题:用户行为的研究内容和用户的差异性。这里我们再聊聊用户的流动性。

    如果把用户比作流动的水,那么企业就是蓄水池,新用户从进水管流入,老用户从出水管流出。企业要灌溉庄稼获取收成,就要有一定的蓄水量,就必须开源节流,开拓新用户的同时,留住老用户。不论是开拓新用户还是留住老用户,都是基于用户的流动性。由此产生三个问题

    1 、用户的流动性有哪些表现?

    用户流动性的表现仍可从用户行为5阶段和7要素的角度来理解。

    用户行为的5个阶段就像一个漏斗,最初产生需求的潜在用户很多,但这些用户经历了信息收集、方案比选等五个阶段之后,最终只有一部分转化为企业的现实用户。而每每从上一个阶段到下一个阶段,总会由于5W2H中的某个或某些原因而发生用户的分流。



    我们来逐次做个分析。


    假设你在产生需求阶段知道A品牌,但在信息收集阶段在各个媒体都没看到A品牌,你可能就会转而考虑其他品牌了,于是你就成了A品牌的流失用户。A品牌之所以失去了你,是因为营销工作没做足,在信息收集环节没有抓住你。如何做足营销努力呢?至少要做三个方面的工作:让用户愿意买,解决 Why的问题;让用户买得到,解决 Where的问题;让用户买得起,解决 How  much的问题。


    在这个环节上,企业需要通过各种渠道,在这个环节上,企业需要通过各种渠道,深刻了解用户的差异性,知道什么样的 Who,需要什么样的 What

    在这个环节,投其所好,有的放矢,可以减少用户的流失率。例如,亚马逊经常会搞一些投票活动勾引用户说出喜好和需求。例如在情人节,通过对投票结果的统计,亚马逊就知道谁在热恋,谁在失恋,谁在单身,对热恋的人推荐情侣装,戒指,鲜花等。对失恋和单身的人推荐失恋疗伤的书籍或游戏机之类自娱自乐的商品。


   

    如果体验低于预期,用户就容易抱怨,甚至流失;如果体验高于预期,用户就会满意,在此基础上,就可能会有再次购买、推荐购买等忠诚性的行为。

    因此用户体验非常重要,我们需要了解用户体验的方式( How)和忍耐限度( When)。

    举个How的例子:Facebook设计主管 Julie曾讲述了自己的产品设计团队是如何分析用户体验的方式,来对产品加以改进的。以图片上传为例,团队发现了这样的一些数据:

    87%的用户在第一屏中的相册专辑名字提示框中选择类型

    57%的用户打开文件选择功能来选择他们想上传的图片

    52%的用户点击上传按钮

    48%的用户会等待上传进度完成

    这组数据说明,能够成功上传图片的用户不到一半。而上传成功率低是因为操作步骤繁文缛节,因此为了提高上传成功率,Facebook将Java/flash facebook文件选择功能改成浏览器原生文件选择功能,同时,上传过程中不再显示专辑创建功能,结果上传量提高11%。

    再举个When的例子。以网站为例,根据中文互联网数据资讯中心调查显示,5秒钟为大多数用户容忍的最长的加载时间,若网页或应用加载时间超过5秒,74%的用户会关闭网页,50%的用户会退出应用程序。

   2 、为什么要分析用户的流动性?

    为什么要分析用户的流动性呢? 为了进行问题诊断,找出制约企业发展的 关键环节关键因素,从而对症下药,提高企业的整体竞争力。


  

   (1 )找出关键环节

    对关键环节的分析,主要是分析用户行为的5阶段的变化。电商行业尤为常见,比如我们在京东网上买东西,经历了几个环节呢?5个:浏览——购物车——订单——支付——完成交易。作为京东,为了提高业绩,一定非常关心浏览的用户中到底有多少人走到了完成交易的环节,如果没有走到,问题出在哪个环节上,具体问题是什么?

   (2 )找出关键因素

    要判断具体问题是什么,就要做关键因素分析了,也就是在确定关键环节之后,而进一步分析用户在哪些方面不满,即对7要素的诊断,而一旦发现了症结点,也就找到了新的市场机会。例如,生力啤酒调查用户在什么地点( Where)购买啤酒,发现自己忽视了一个重要的渠道,士多,于是调整其铺货策略,提高了销量;再比如,旺旺雪饼开始上市的时候都是小包装,通过用户调查发现用户经常一次买很多( How much),于是增加了经济型大包装,满足了购买量多的用户的需求。

   3 、如何分析用户的流动性?

   那么具体如何对关键环节和关键因素进行分析,来进行问题诊断呢?

   (1 )对关键环节的问题诊断,常做转化率分析。

   例如,下图是对A品牌的品牌资产分析,品牌资产由5部分构成:品牌知名度、品牌熟悉度、品牌美誉度、品牌满意度和品牌忠诚度。

   这5个部分与用户行为的5阶段是对应的:

   在产生阶段是否听说过A品牌,这就是品牌知名度;

   在信息收集阶段是否熟悉A品牌,这就是品牌熟悉度;

   在选择比较和购买决策阶段是否中意和选择了A品牌,这就是品牌美誉度;

   在购后行为中,使用A品牌,是否满意,这就是品牌满意度;

   满意了是否会再次购买或推荐他人购买,这就是品牌忠诚度。

   根据各阶段的人数,可以计算出用户行为各个阶段的转化率。转化率有两个:

   总体转化率=本阶段的人数/总人数

   上一步转化率=本阶段的人数/上阶段的人数。

   从下图中可以看到,是哪个环节的上一步转化率是最低的呢?


   从美誉度到满意度的转换率最低(32%)。这个阶段对应从购买决策到购后行为的环节。说明用户对A品牌的产品/服务的使用体验或情感体验不是很好。换句话说A品牌的产品或服务存在一些令用户不满意的地方。那么如何找到这些地方呢?常用问题点调查法。

   (2 )问题点调查法

    问题点调查法是对关键因素的分析。

    问题点调查法分为两步:定性研究和定量研究。

    定性研究,主要是通过焦点小组座谈会,从受访者那里挖掘各种问题点。

    定量研究,主要是基于定性研究的基础设计调查问卷,通过问卷调查,对各个问题点的重要性、发生频率、未解决程度进行量化。


    在上图中那些重要程度高、发生频率高、未解决程度也高的三高问题就是关键因素。落在机会区。为什么叫做机会区呢?因为关键因素如果能解决,就会提高用户的满意度,继而提高企业的整体竞争力。

    关于问题点调查法,我在《数据分析三点式》的博文中讲的更详细些。感兴趣的朋友可以看看。

    地址是 http://blog.sina.com.cn/s/blog_a032adb901012n95.html


  青春就应该这样绽放   游戏测试:三国时期谁是你最好的兄弟!!   你不得不信的星座秘密

相关 [用户 行为 分析] 推荐:

[转载]用户行为分析面面观(之二)

- - 小蚊子乐园
原文地址: 用户行为分析面面观(之二) 作者: 数据小宇军.     上篇博文我们聊了两个问题:用户行为的研究内容和用户的差异性.     如果把用户比作流动的水,那么企业就是蓄水池,新用户从进水管流入,老用户从出水管流出. 企业要灌溉庄稼获取收成,就要有一定的蓄水量,就必须开源节流,开拓新用户的同时,留住老用户.

腾讯开放平台用户数据及行为分析

- - 36氪
在今天腾讯开放平台年会上,腾讯社交平台部总经理Peter表示,“根据腾讯最新一季财报,QQ空间已经有5.5亿活跃用户,QQ有7.2亿活跃用户,朋友网有2亿活跃用户. ”在现场发布的《互联网开放平台白皮书》里,除了 马化腾写给开发者的一封信,腾讯还公布了最新的开放平台数据以及用户行为数据,无论是对于创业者还是开发者,都有很好的参考价值.

简单说明基于日志的用户行为分析

- - 曉生語錄
日志是记录用户操作流的文件,可以用于验证设计、发现问题和挖掘用户需求. 之所以研究用户行为,原因在于:. 1.设计的优劣最终还是需要从用户行为数据中得到反馈. 2.当产品用户达到一定数量级时,可以从用户行为中挖掘需求. 3.设计很多经验来源于用户行为规律,前沿的设计必然要研究用户. 4.“小步快跑”的敏捷开发依赖行为分析,最具说服力.

中国Android用户行为和应用分析

- - cnBeta全文版
北大、伊利诺伊香槟分校、普渡和豌豆荚实验室的研究人员上周在ACM IMC 2015会议上发表了一篇论文《 Characterizing Smartphone Usage Patterns from Millions of Android Users》 (PDF),根据Android第三方应用商店豌豆荚的数据分析了用户应用管理行为和应用网络活动.

推荐系统之用户行为分析

- - IT瘾-dev
基于用户行为的推荐,在学术界名为协同过滤算法. 协同过滤就是指用户可以齐心协力,通过不断地和网站互动,使 自己的推荐列表能够不断过滤掉自己不感兴趣的物品,从而越来越满足自己的需求. 用户行为在个性化推荐系统中一般分两种——显性反馈行为(explicit feedback)和隐性反馈 行为(implicit feedback).

简述常用的用户行为分析模型

- - 人人都是产品经理
​在产品的设计与运营过程中,通过数据对用户行为进行分析,我们可以总结分析出用户行为与产品之间的关联,并针对性地对产品做出改进. 在数据分析的大框架下,通过对用户行为监测获得的数据进行分析研究的行为归结于用户行为分析. 用户行为分析可以让产品更加详细、清楚地了解用户的行为习惯,从而找出网站、app、推广渠道等产品存在的问题,有助于产品发掘高转化率页面,让产品的营销更加精准、有效,提高业务转化率.

如何进行用户行为分析并提高用户粘性

- - 互联网分析
当下,在互联网高速发展的今天,各类产品层出不穷. 从一开始做好一些特定功能满足用户的特定需求,到现在分析用户行为、提高用户体验,我们做了很多也经过了很多,而我们的目的只有一个:让更多的用户使用我们的产品. 用户行为分析、用户粘性,是我们做产品的人最关注的事情,因为这关系到我们的“孩子”最终能够成长成什么样子.

浅谈用户行为分析之用户身份识别:cookie 知多少?

- - leejun_2005的个人页面
对于数据统计分析或者数据挖掘而言,用户是个非常重要的维度,也是统计分析能落地的基础. 一般而言,咱们追踪或者识别一个用户的首选方案是 userID,大多数公司的产品都会要求用户注册、登录操作,都存在一个类似 UMC 的数据库,管理和标示所有的用户. 但这有个前提条件,就是你所在的公司业务必须以闭环为主(比如 qq、微信、淘宝等).

以滴滴出行为例,谈谈如何分析用户评论

- - IT瘾-bigdata
任何2C的产品都避免不了海量的用户评论/反馈,这恐怕对普通用户来说,最直接的向产品表达看法的途径了. 如果能够正确地分析这些评论,发现关键问题,产品就不会走向歪路……不过可不容易. 很多产品对用户评论的重视度并不高,即便愿意花费精力去分析,即便分析了,使用的方法也是五花八门. 我以前实习的时候做过一种“打杂”的工作,就是回复用户反馈.

[原]自学大数据:Hive基于搜狗搜索的用户日志行为分析

- -
”大数据时代“,“大数据/云计算”,“大数据平台”,每天听到太多的大数据相关的词语,好像现在说一句话不跟大数据沾边都不好意思说自己是做IT的. 可能这与整个IT圈子的炒作也有关联,某一个方面来看其实就是一营销术语. 很多朋友就想问,我想做大数据,但是没有这个条件,没有这个数据量,没有那么多业务场景,没有那多集群可以吗.