常見用戶行為分析模型解析(4)——用戶行為路徑分析模型

15 評論 156056 瀏覽 310 收藏 9 分鐘

用戶行為路徑分析同樣是重要的數(shù)據(jù)分析模型,它為企業(yè)實現(xiàn)理想的數(shù)據(jù)驅(qū)動與布局調(diào)整提供科學(xué)指導(dǎo),對精準勾勒用戶畫像也有重要參考價值。用戶訪問APP/網(wǎng)絡(luò),如同參觀畫展,觀眾是感受和傳達畫展參展方和展品的目的受眾體,圖畫的展現(xiàn)布局不同,每一位觀眾根據(jù)自身喜好形成特有的參觀順序。為讓觀眾沿著最優(yōu)訪問路徑前進,需要策展者結(jié)合觀眾需求進行布局調(diào)整。這種自主式的數(shù)據(jù)分析方法,讓業(yè)務(wù)人員都能科學(xué)進行數(shù)據(jù)分析。

什么是用戶行為路徑?

用戶路徑分析,顧名思義,用戶在APP或網(wǎng)站中的訪問行為路徑。為了衡量網(wǎng)站優(yōu)化的效果或營銷推廣的效果,以及了解用戶行為偏好,時常要對訪問路徑的轉(zhuǎn)換數(shù)據(jù)進行分析。

以電商為例,買家從登錄網(wǎng)站/APP到支付成功要經(jīng)過首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等過程。而在用戶真實的選購過程是一個交纏反復(fù)的過程,例如提交訂單后,用戶可能會返回首頁繼續(xù)搜索商品,也可能去取消訂單,每一個路徑背后都有不同的動機。與其他分析模型配合進行深入分析后,能為找到快速用戶動機,從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

用戶路徑分析模型的價值

用戶路徑的分析結(jié)果通常以桑基圖形式展現(xiàn),以目標事件為起點/終點,詳細查看后續(xù)/前置路徑,可以詳細查看某個節(jié)點事件的流向,總的來說,科學(xué)的用戶路徑分析能夠帶來以下價值:

第一,可視化用戶流,全面了解用戶整體行為路徑;

通過用戶路徑分析,可以將一個事件的上下游進行可視化展示。用戶即可查看當前節(jié)點事件的相關(guān)信息,包括事件名、分組屬性值、后續(xù)事件統(tǒng)計、流失、后續(xù)事件列表等。運營人員可通過用戶整體行為路徑找到不同行為間的關(guān)系,挖掘規(guī)律并找到瓶頸。

第二,定位影響轉(zhuǎn)化的主次因素,產(chǎn)品設(shè)計的優(yōu)化與改進有的放矢。

路徑分析對產(chǎn)品設(shè)計的優(yōu)化與改進有著很大的幫助,了解用戶從登錄到購買整體行為的主路徑和次路徑,根據(jù)用戶路徑中各個環(huán)節(jié)的轉(zhuǎn)化率,發(fā)現(xiàn)用戶的行為規(guī)律和偏好,也可以用于監(jiān)測和定位用戶路徑走向中存在的問題,判斷影響轉(zhuǎn)化的主要因素和次要因素,也可以發(fā)現(xiàn)某些冷僻的功能點。

用戶路徑應(yīng)用場景

談到用戶路徑的真實應(yīng)用場景,許多企業(yè)通過第三方數(shù)據(jù)分析平臺來實現(xiàn),下面結(jié)合筆者實際工作中,所接觸的企業(yè)案例的數(shù)據(jù)分析場景為例來介紹。

(注:因涉嫌商業(yè)機密,以下場景模擬真實應(yīng)用場景而設(shè),數(shù)據(jù)均為虛擬。)

中商惠民:啟動APP后,為何只有 30 % 商超客戶交易成功?

中商惠民是中國最大的社區(qū)O2O服務(wù)平臺。在一次評估客戶總體轉(zhuǎn)化率過程中,通過漏斗分析發(fā)現(xiàn),從登錄惠配通APP后,提交訂單的商超客戶僅有 30 %,接下來可以通過用戶路徑客戶流失的原因所在。通過用戶路徑分析模型,清晰展示了商超客戶的動作走向,為判斷客戶流失原因重要方式之一。

圖片來源:神策數(shù)據(jù)產(chǎn)品

中商惠民運營人員選取若干事件對客戶購買路徑進行深度分析。圖中顯示,用戶登錄APP后,約有40 %的客戶會點擊Banner,30 %的客戶會直接進行商品搜索,約10%的用戶會瀏覽商品列表,約 5 %的客戶直接退出APP。

運營人員進一步看4類用戶的提交訂單的情況,直接進行“搜索商品”的用戶進行提交訂單比例最高,超過 90 % ;與其形成鮮明對比的是,盡管“點擊Banner”是更多客戶登錄APP后的首選動作(約占總客戶的40 %)但是這部分用戶群體在瀏覽商品列表后,僅僅30%的用戶提交訂單,說明Banner內(nèi)容布局有著比較糟糕的用戶體驗,則將此作為首選優(yōu)化與改進的方向。

某電商:“未支付訂單”超過30分鐘自動取消,刺激用戶支付

除了零售行業(yè)以外,用戶行為路徑在電商行業(yè)分析也應(yīng)用廣泛。某電商網(wǎng)站客戶通過用戶路徑分析,看出有兩條主要的路徑:(圖略,與上圖效果類似。)

  • 一是啟動App-搜索商品-提交訂單-支付訂單;
  • 二是啟動App-未支付訂單-搜索相似商品-取消訂單。

通過第一條用戶路徑相關(guān)數(shù)值顯示,客戶提交訂單后,大約75%的用戶會支付,而高達25%的用戶沒有支付訂單;第二條用戶路徑顯然是一條有明確目的——為未最終敲定的商品而來的用戶,因為在打開app后直奔“未支付訂單”,但是路徑中顯示此用戶再次“搜索相似商品”,這一行為可以判斷客戶可能存在比價行為,表明價格一定程度上影響了這部分用戶的支付欲望,這是一批“價格導(dǎo)向”的客戶。

對此,該電商運營人員采取針對性措施:

  1. “未支付訂單”超過30分鐘則自動取消;
  2. 將支付頁面附近放置優(yōu)惠券領(lǐng)取。

當該電商新版本上線后,再次通過用戶路徑分析模型,發(fā)現(xiàn)客戶在提交訂單后,由于30分鐘的時間限制,有更多的客戶愿意立即支付訂單;同時未支付訂單大大降低,說明在支付支付頁面附近放置優(yōu)惠券的方式刺激到對價格敏感的客戶。因此這也是一次很成功的改版。

總之,用戶真實的選購過程是一個交纏反復(fù)的過程,每一個路徑背后都有不同的動機。通過用戶行為路徑能夠清晰看到用戶行為特點與背后原因。若與其他分析模型配合,會產(chǎn)生更佳效果,通過數(shù)據(jù)分析能夠快速找到用戶動機,從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

相關(guān)鏈接:

常見用戶行為分析模型解析(1)——行為事件分析

常見用戶行為分析模型解析(2)——用戶留存分析

常見用戶行為分析模型解析(3)——漏斗分析

 

作者:張喬,神策數(shù)據(jù)內(nèi)容營銷負責(zé)人。公眾號:神策數(shù)據(jù)

本文由@張喬-神策 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 請問如果是電商類APP的用戶路徑,在神策中的session時間一般怎樣設(shè)置才能看到用戶的具體路徑情況?

    來自湖南 回復(fù)
  2. 有個問題,可能進去APP 直接瀏覽banner 的用戶本來購買目標就不強,不能說banner 設(shè)計的有問題呀

    回復(fù)
    1. 個人想法,電商類網(wǎng)站的banner位,最終目標還是引導(dǎo)用戶去付費購買。您的意思是,瀏覽banner的用戶,本身就抱有看一看的心態(tài)點擊,所以相應(yīng)的拉低了提交訂單的比例。但是,是否在banner頁里面,能通過內(nèi)容和活動信息,來抓住相對好奇心比較重的瀏覽用戶。

      來自北京 回復(fù)
  3. 搜索行為的轉(zhuǎn)化率本身就高于輪播推薦位的最后轉(zhuǎn)化率,我想問下,你是布局需要怎么優(yōu)化???牽強的

    來自浙江 回復(fù)
  4. 張喬大神,你好,有沒有關(guān)于用戶行為分析書籍可以推薦一下

    來自江蘇 回復(fù)
  5. 請教個問題,如果一個用戶,他下載APP后,打開APP,“點擊banner,進入詳情頁,返回banner,又進入詳情頁”,類似這樣的往復(fù),在上圖中如何體現(xiàn)它的路徑的呢?

    來自廣東 回復(fù)
    1. 我也很想知道這問題的答案,作者大神能出來答復(fù)一下嗎?

      來自北京 回復(fù)
    2. 同問,大神有回復(fù)么

      來自廣東 回復(fù)
    3. 應(yīng)該會忽略返回banner的路徑,都是從banneer引導(dǎo)到詳情頁

      來自浙江 回復(fù)
  6. 什么可視化軟件啊

    回復(fù)
  7. 對此,該電商運營人員采取針對性措施:(1)“未支付訂單”超過30分鐘則自動取消;
    這個舉例感覺有點牽強,不設(shè)置取消時間,相信庫存很快就沒了,比如火車票。

    來自北京 回復(fù)
  8. 謝謝大佬分享

    來自廣東 回復(fù)
  9. “用戶真實的選購過程是一個交纏反復(fù)的過程,每一個路徑背后都有不同的動機。通過用戶行為路徑能夠清晰看到用戶行為特點與背后原因。若與其他分析模型配合,會產(chǎn)生更佳效果”——
    非常認同這句話,也請教一下大神,“其他分析模型配合”還有哪些呢?能推薦一下下 ?? ?

    來自浙江 回復(fù)
    1. 感謝林教頭的關(guān)注。僅是個人認知范圍內(nèi)的小總結(jié),稱不上大神。常見數(shù)據(jù)分析模型除用戶路徑分析模型之外,還包括事件分析(session)、漏斗分析、點擊分析、留存分析、用戶分群……比如文中說的最后這個場景中,當你根據(jù)“用戶路徑”去發(fā)現(xiàn)可能有一些用戶存在比價行為,你可以把這部分群體通過“用戶分群”定義下來,并通過“事件分析”去驗證是否真的是“價格導(dǎo)向”,如果確定后,可以精準推送優(yōu)惠信息給這個群體~然后再通過用戶路徑、事件分析等模型去驗證效果。

      來自北京 回復(fù)
    2. 發(fā)現(xiàn)→聚集客戶→執(zhí)行策略→檢驗→發(fā)現(xiàn)… 循環(huán)往復(fù),越來越精細化運營。受教了 ?

      來自浙江 回復(fù)