数据产品指北：用户行为分析平台

本篇主要介绍了一些在用户行为分析平台中应用最广的产品功能和分析方法，包括：用户分群、留存分析、转化分析、行为路径分析和事件分析，与大家分享，供大家一同参考和学习。

相比于传统行业，用户行为分析平台可能是互联网企业的一个特有的数据分析工具。能够对用户行为进行分析，进而展开精细化运营，可能也是互联网行业发展迅速的原因之一。随着传统行业逐步互联网化，用户行为分析的应用场景也越来越广，该平台在企业内扮演的角色也愈发重要。

得益于用户所使用的硬件和软件，我们可以记录到大量的行为数据。用户行为分析平台便是对这类数据进行深度地分析，从中挖掘有价值的信息，例如不同群体对产品的偏好，使用习惯等。这些信息最终能指导产品和运营等方向的优化。可以说，用户行为分析平台是数据驱动业务的代表产品。

典型的行为分析包括了留存分析、转化分析、路径分析等，以及基础的用户分群，这些功能若都能沉淀并在平台上产品化，将能大大提高企业对行为数据分析的效率和覆盖用户的广度，不具备专业数据分析技能的人员在简单接受产品培训后也可以完成相关分析。本文也会主要关注以上几个模块。

用户分群的操作，本身其实不会直接产生价值，但却可以说是后续一切分析的基础。如果不进行分群，所有的分析都只基于汇总数据，很多细节在汇总时都丢失了。引用资深数据专家、Google Analytics的推广人之一Avinash Kaushik的名言：所有聚合的数据都是垃圾，要么分组，要么去死。（All data in aggregate is crap. Segment or die.）可见分组、分群的重要性。我们常见的分群例如：用户获取渠道来源，设备终端，新老用户等属性，以及是否有过具体某类行为等。对用户根据需求分群后，再进行留存、转化等分析，通常会事半功倍，也能发掘真正有价值的信息。

用户画像也可以被理解为用户分群的一种，用户画像会根据一系列用户标签和算法对用户进行画像描绘和分群。这里介绍的用户分群产品，可以看作是用户画像的消费方，在用户分群产品中可以根据已有的画像进行分群。具体的画像产品或许会在另一篇里讲述。

不论是根据用户所具备的自然属性，还是在产品使用过程中所表现的行为特征进行分群，都要求产品能做到足够广度和深度的数据记录，也就是我们在第一篇埋点篇中要下的功夫。

在用户分群模块中，我们可以根据已有的数据，配置分群规则，创建新的群组。分群的操作，其实类似SQL中的条件查询。通过将代码功能产品化，降低了使用门槛。

如下图，是神策产品中的针对某直播业务的用户分群功能展示。

用户分群功能

该分群结果为用户属性满足用户等级大于10且用户类型为普通用户，且在2017-4-17至2017-5-16之间有过至少5次送礼物行为且礼物类型为付费礼物，且在2017-4-17至2017-5-16之间有过留言和点赞行为的用户。我们视其为高粘性且高频消费用户，在平台上完成筛选后对该用户群命名并保存。运营人员可以查看该用户群的明细列表，更重要的是可以通过其他行为分析工具来观察这部分用户的行为表现，以及和其他用户的区别。这类分析对于我们在用户增长工作中定义目标人群、魔法数字、寻找增长机会、进行增长实验等环节都有非常大的帮助。

可以看到，用户分群本质上是一种条件筛选器，在每个筛选器中筛选出符合特定要求的用户群。筛选器中首先需要定义筛选的字段（具体的用户属性、行为特征等），再通过大小等于不等于、是否在之间、是否在其中等关键字完成条件的设定。若筛选的字段是数字，自然筛选范围也是数字，若筛选的字段是字符串，可以提供相应字段的列表进行筛选。筛选器间可以嵌套，可以通过AND、OR（表示并且、或者）等关键字连接。

留存分析是通过对用户使用产品的情况、活跃程度等进行分析以判断用户是否仍留存在产品内的分析模型。用户留存在产品运营周期中的重要性无需多言，由于本文重点关注完成分析的数据产品，因此不会涉及过多具体分析的内容。

要进行留存分析，首先需要定义留存和流失的标准。不同类型的产品可能有不同的定义方式，有些公司会把留存简单定义为用户在一定时间后仍有打开产品。但有些公司可能需要更严格的定义，例如某电商公司可能将留存定义为用户在一定时间内有再次消费的行为。