Phân tích hành vi người dùng là một phần quan trọng của phân tích dữ liệu, nhưng nhiều người thường cảm thấy choáng ngợp khi đối mặt với lượng dữ liệu khổng lồ. Bài viết này sẽ cung cấp cho bạn hướng dẫn thực tế về phân tích hành vi người dùng, từ định nghĩa hành vi người dùng, phương pháp thu thập dữ liệu, đến chiến lược phân tích trong các tình huống kinh doanh khác nhau, giúp bạn hiểu và áp dụng dữ liệu hành vi người dùng một cách có hệ thống.
"Chúng tôi có rất nhiều dữ liệu người dùng, nhưng làm thế nào để chúng tôi phân tích nó?" Nhiều người có những câu hỏi tương tự. Nếu bạn chỉ đếm có bao nhiêu người dùng đang hoạt động và có bao nhiêu người dùng trả phí, bạn có thể thấy rằng những con số này không có giá trị.
Hôm nay, tôi sẽ giới thiệu hệ thống cho các bạn.
Bài viết dài, học sinh nhớ thích trước, sau đó đọc từ từ.
Một ID người dùng, được tạo ra trong hệ thống nội bộ của doanh nghiệp, có thể được ghi lại, có thể được gọi là: hành vi người dùng.
Hoàn thành hành vi của người dùng, bao gồm 6 phần tử:
Cách hành vi của người dùng được thu thập khác nhau trên các nền tảng hệ thống khác nhau.
Có ba loại phổ biến:
Đó là lý do tại sao có rất nhiều chỉ số về hành vi của người dùng mà không dễ để đưa ra kết luận.
Có thể có hàng triệu hành vi của người dùng và chỉ bằng cách hiểu tại sao doanh nghiệp cần dữ liệu hành vi của người dùng, chúng ta mới có thể biết cái nào thực sự hữu ích
Phía doanh nghiệp tập trung vào hành vi của người dùng và có bốn tình huống:
Những cái phổ biến, chẳng hạn như:
Trong trường hợp này, dữ liệu phải thô hơn là mịn, và nó phải đầy đủ nhưng không ổn. Đầu tiên, đưa ra cái nhìn tổng quan, để lãnh đạo/đồng nghiệp kinh doanh tìm thấy cảm xúc, sau đó có những vấn đề cụ thể, sau đó phân tích chuyên sâu (như trong hình bên dưới). Nếu không, khi một loạt những điều tầm thường xuất hiện, rất có thể khiến mọi người sững sờ và thở dài, "Đống lớn này đã nói gì?" ”
Trong trường hợp này, nói chung, hãy quan sát quy trình kinh doanh, các điểm chức năng của sản phẩm và hiệu quả của việc phát hành nội dung. Mục tiêu về mặt kinh doanh rất rõ ràng: xem điều này diễn ra như thế nào.
Những cái phổ biến, chẳng hạn như:
Lúc này, bạn không thể trải rộng mà tập trung vào các điểm chức năng mà doanh nghiệp quan tâm (như trong hình bên dưới)
Ghi! Hành vi của người dùng nhiều hơn không đồng nghĩa với hiệu suất tốt. Ví dụ như trong kinh doanh thương mại điện tử, việc vận hành tưới nước và trồng cây để nhận được hoạt động giảm giá với sự quan tâm lớn, cố gắng kéo số lượng người hoạt động, chỉ để thấy người dùng đang chơi game và chờ giảm giá, nhưng số lượng người đặt hàng ngày càng giảm!
Lúc này, bạn có thể sử dụng phương pháp ma trận, phương pháp so sánh trước và sau, phân tích mối quan hệ hành vi và các phương pháp khác để xem tác động của hành vi này đến hiệu suất (như trong hình bên dưới).
Trong trường hợp này, thường là để đánh giá hiệu suất của quá trình cốt lõi. Ví dụ: đăng ký người dùng mới, tham gia sự kiện quy mô lớn, quy trình giao dịch, khiếu nại vấn đề chính, v.v.
Tại thời điểm này, mục tiêu phân tích rất cụ thể:
Loại phân tích hành vi người dùng được nhắm mục tiêu tốt này có thể nói là dễ dàng và thư giãn nhất. Ý tưởng cốt lõi là bốn mô-đun sau
Ghi! Nhiều sinh viên nhìn vào dữ liệu và thích nhìn thẳng vào các chi tiết nhỏ nhất, cố gắng tìm ra vấn đề từ mọi hành động của người dùng. Rất dễ bị choáng ngợp bởi lượng dữ liệu.
Để đánh giá quy trình cốt lõi, trước tiên chúng ta nên chú ý đến hiệu quả tổng thể (chẳng hạn như lưu lượng truy cập tổng thể + tỷ lệ chuyển đổi tổng thể) và sau đó xem xét chi tiết
Một điểm nữa là xem xét dữ liệu người dùng kết hợp với các biện pháp khắc phục.
Hành vi của người dùng là kết quả của nhiều yếu tố khác nhau, trong doanh nghiệp thực tế, không thể thực hiện nghiên cứu biến số kiểm soát cho từng dự án như phòng thí nghiệm, ngay cả khi ABtest đã được thực hiện trước, sẽ có nhiều khác biệt khác nhau do đúng thời gian và địa điểm khi nó thực sự được khởi chạy.
Đối mặt với những vấn đề phức tạp, không nhất thiết phải vướng víu: cho dù người dùng không thích copywriting hay sản phẩm, nhưng chúng ta có thể làm gì khác để chuộc lại nó.
Phân tích khắc phục tốt hơn là một tiếng hét cô đơn "Quá trình này không hiệu quả!" "Có giá trị hơn nhiều.
Trong ngắn hạn, có 3,0 biện pháp khắc phục kinh doanh khả thi và việc phân tích biện pháp nào có khả năng hiệu quả có thể trực tiếp dẫn đến các hành động kinh doanh và làm cho phân tích dữ liệu hiệu quả
Trong trường hợp này, thường là khi một doanh nghiệp nào đó không hoạt động tốt, và bên kinh doanh không có giả định rõ ràng. Tôi nghĩ, "Chúng ta có thể tìm hiểu sâu hơn về hành vi của người dùng không?" Tìm hiểu lý do tại sao? "Còn đào gì và đào ra, có lẽ bản thân họ không biết......
Đây là trường hợp khó thực hiện nhất. Bởi mục tiêu của phân tích là hoàn toàn không rõ ràng.
Có hai ý tưởng cơ bản ở đây:
Ý tưởng 1: Đầu tiên phía doanh nghiệp khoanh tròn khách hàng mục tiêu của mình, sau đó xem xét những gì khách hàng mục tiêu đang làm
Ý tưởng 2: Tìm ra một khách hàng nặng có hành vi, sau đó hỏi phía doanh nghiệp: đây là điều bạn muốn, tóm lại, từ tình huống khắc nghiệt, sẽ dễ dàng tìm được cảm hứng để giải quyết vấn đề.
Ví dụ như việc trao đổi điểm, bên kinh doanh chỉ nghĩ rằng việc kinh doanh này không tốt, và không thể nói ở đâu không tốt.
Lúc này, bạn có thể xem xét dữ liệu theo hai cách như trong hình bên dưới (như hình bên dưới):
Nếu bạn thấy rằng người dùng có giá trị cao rõ ràng thích một số trao đổi quà tặng nhất định, bạn có thể thiết kế kế hoạch quà tặng để thu hút người dùng có giá trị cao.
Nếu phát hiện ra rằng một người dùng nặng rõ ràng bị nghi ngờ chọn len, các quy tắc phần thưởng có thể được sửa đổi cho phù hợp.
Tóm lại, miễn là hành vi của nhóm người dùng đủ lớn thì chiến lược có thể được tạo ra.
Như có thể thấy từ bốn tình huống trên, ngay cả khi cùng một dữ liệu giống nhau, có thể có những cách khác nhau để trình bày nó trong các tình huống khác nhau.
Điều này đòi hỏi sinh viên phải hiểu kỹ nhu cầu kinh doanh trong công việc của mình.
Nhiều sinh viên sẽ nói: Hỏi trực tiếp doanh nghiệp là tốt.
Vấn đề là trong bốn trường hợp, ngoại trừ tình huống thứ ba, rất rõ ràng và có áp lực KPI, ba tình huống còn lại rất mơ hồ, và yêu cầu bằng lời nói cuối cùng là: "Thực hiện phân tích hành vi người dùng và xem". Điều này đòi hỏi học sinh làm dữ liệu phải có một mức độ khả năng phán đoán nhất định.
Bốn tình huống trên là tiến bộ, và mối quan hệ logic của chúng như sau, học sinh có thể bóc vỏ kinh doanh hướng dẫn như hành tây, tìm ra những vấn đề mà họ thực sự quan tâm và đưa ra những phân tích có giá trị.
Bài viết này được viết bởi Mọi người là Giám đốc sản phẩm Tác giả [Hạ thấp Giáo viên Chen], tài khoản công khai WeChat: [Hạ thấp Giáo viên Chen], bản gốc / được ủy quyền Xuất bản trong Mọi người là người quản lý sản phẩm, nếu không được phép, không được phép tái bản.
題圖來自Unsplash,基於 CC0 協定。