用戶(hù)行為由最簡(jiǎn)單的五個(gè)元素構成：時(shí)間、地點(diǎn)、析用人物、最簡(jiǎn)交互、個(gè)(ge)元交互的素構內容。
（一）什么是好用戶(hù)行戶(hù)行用戶(hù)行為？??對用戶(hù)行為進(jìn)行分析，要將其定義為各種事件。為分為由比如用戶(hù)搜索是析用一個(gè)事件，在什么時(shí)間、??最簡(jiǎn)什么平臺上、個(gè)元哪一個(gè)ID、素構做了搜索、好??用戶(hù)行戶(hù)行搜索的為分為由內容是什么。這是析用一個(gè)??完整的事件，也是對用戶(hù)行為的一個(gè)定ヽ(′▽?zhuān)?ノ義；我們可以在網(wǎng)站或者是 APP 中定義千千萬(wàn)萬(wàn)個(gè)這樣的事??件。
有了這樣的事件以(yi)后，就可以把用戶(hù)行為連起來(lái)觀(guān)察。用戶(hù)首次進(jìn)入網(wǎng)站后就是??一個(gè)新用戶(hù)，他可能要注冊，那么注冊行為就是一個(gè)事件。注冊要填寫(xiě)個(gè)人信息，之后他可能開(kāi)始搜索買(mǎi)東西，所有這些都是用戶(hù)行為的事件。
（二）如何獲??取用戶(hù)行為數據？那么，??我們又該如何去監測這些用戶(hù)行為數據呢？
一種非常傳統、非常普遍的方式就是通過(guò)寫(xiě)代碼去定義這個(gè)事件。在網(wǎng)站需要監測用戶(hù)行為數據的地方加載一段代碼，比如說(shuō)注冊按鈕、下單按鈕等。加載了監測代碼，我們才能知道用戶(hù)是否點(diǎn)擊了注冊按鈕、用戶(hù)下了什么訂單。
所有這些通過(guò)寫(xiě)代碼來(lái)詳細描述事件和屬性??的方(′ω｀)式，國內都統稱(chēng)為“埋點(diǎn)”。這是一種非常耗費人力的工程，并且過(guò)程非常??繁瑣重復；但是大部分互聯(lián)網(wǎng)公司仍然雇傭了大批埋點(diǎn)團隊。
二、為什么要做用戶(hù)行為分析？既然這么麻煩，那為什么要做用戶(hù)行為分析？
因為只有做了用戶(hù)行為分析才能知道用戶(hù)畫(huà)像、才能知道用戶(hù)在網(wǎng)站上個(gè)各種瀏覽、點(diǎn)擊、購(′▽?zhuān)?買(mǎi)背后的商業(yè)真相。
簡(jiǎn)單講，分析的主要方式就是關(guān)注流失，尤其是對轉化有要求的網(wǎng)站。我們希望用(yong)戶(hù)不要流失，上來(lái)之后不要走。像很多 O2O 產(chǎn)品，用戶(hù)一上來(lái)就有很多補貼；一旦錢(qián)燒完了，用戶(hù)就都走了。這樣的產(chǎn)品或者商業(yè)模式并不佳，我們希望用戶(hù)??真正找到平臺的價(jià)值，不停的來(lái)┐(′д｀)┌，不要流失。
用戶(hù)行為分析幫助分析用戶(hù)怎么流失、為什么流失、在哪里流失。
比如最簡(jiǎn)單的一個(gè)搜索行為：某一個(gè) ID 什么時(shí)間搜索了關(guān)鍵詞、看了哪一頁(yè)、??哪幾個(gè)結果，同時(shí)這個(gè) ID 在哪個(gè)時(shí)間下單購買(mǎi)了，這個(gè)整個(gè)行為都非常重要的。如果中間他對搜索結果不滿(mǎn)意，他肯定會(huì )再搜一次，把關(guān)鍵詞換成別的，然后才能夠搜索到結果。
用戶(hù)行為分析還能做哪些事情？
當你有了很多用戶(hù)行為數據、定義事件之后，你可以把用戶(hù)數據做成一個(gè)按小時(shí)、按天，或者按用戶(hù)級別、事件級別拆分的一個(gè)表。這個(gè)表用來(lái)做什么？一個(gè)是知道用戶(hù)最簡(jiǎn)??單事件，比如登錄或者是購買(mǎi)，也可以知道哪些是優(yōu)質(zhì)用戶(hù)、哪些是即將流失的客戶(hù)，這樣的數據每天或每個(gè)小時(shí)都能看到。
三、用戶(hù)行為分析的五大場(chǎng)景(?⊿?)有了用戶(hù)的行為數據以后，我們有哪些應用場(chǎng)景呢？
拉新，也就是獲取新用戶(hù)。轉(/ω＼)化??，比如電??商特別注重訂單轉(′?｀*)化率。促活，如何讓用戶(hù)經(jīng)常使用我們的產(chǎn)品。留存，提前發(fā)現可能流失用戶(hù)，降低流失率。??變??現，發(fā)現高價(jià)值用戶(hù)，提高銷(xiāo)售效率。（一）拉新2008年我(′?｀)在 eBay 時(shí)，我的工作就是分析 SEM 和 SEO 的每個(gè)關(guān)鍵詞的 ROI。eBay 每天要向谷歌買(mǎi)400萬(wàn)個(gè)關(guān)鍵詞，除了SEM、SEO 我們還要分析其它各種??合作伙伴渠道。比如一家小電商網(wǎng)站上面放了(′?ω?`) eBay 的鏈接，而后用戶(hù)通過(guò)該鏈接最終在 eBay 上完成了購買(mǎi)，eBay 就會(huì )分錢(qián)給這家網(wǎng)站。
以注冊轉化漏斗為例，第一步我們??知道網(wǎng)頁(yè)上有哪些注冊入口，很多(?????)網(wǎng)站的注冊入口不只一個(gè)，需要定義每個(gè)事件；我們還想知道下一步多少人、多少百分比的人(′?｀)點(diǎn)擊了注冊按鈕、多少人打開(kāi)了驗證頁(yè)；多少人登錄了，多少人完成了整(′?_?`)個(gè)完整的注冊。
期間每一步都會(huì )有用戶(hù)流失，漏斗做完后，我們就可以直觀(guān)看到，每個(gè)環(huán)節的流失率。
（三）促活(huo)還有一個(gè)是用戶(hù)使用產(chǎn)品的流暢度。我們可以分析具體用戶(hù)行為，比如訪(fǎng)問(wèn)時(shí)長(cháng)，在那個(gè)頁(yè)面上停留時(shí)間特別(?⊿?)長(cháng)，尤其在 APP 上會(huì )特別明顯。再有是完善用戶(hù)畫(huà)像，拿用戶(hù)行為分析做(??ヮ?)?*:???用戶(hù)畫(huà)像是比較準的。
舉個(gè)例子，在美國有一個(gè)非常有名的在線(xiàn)視頻網(wǎng)絡(luò ) Netflix。Netfli??x 非常有意思，通過(guò)用戶(hù)行為分析，他把你??一家人都進(jìn)行精準分析定義。你們一家人有多少人，是大人還是小孩，你最喜歡看的是哪三部電影？你的行為輸出越多，他的推薦就會(huì )越來(lái)越精??準。
（四）留存用??戶(hù)流失不是說(shuō)一下子就流失了，一些細微、小的一些行為，就能預示他將來(lái)會(huì )流失。
在LinkedIn的時(shí)候，我們要去追蹤用戶(hù)的使用行為。比如說(shuō)有沒(méi)有登錄、登錄之后有沒(méi)有搜簡(jiǎn)歷、有沒(méi)有上傳簡(jiǎn)歷等等。用戶(hù)這些點(diǎn)點(diǎn)滴滴的行為，都很重要。有了(le)這些數據支撐，LinkedIn的產(chǎn)品、銷(xiāo)售每天都要去看用(yong)戶(hù)報告，最簡(jiǎn)單的(de)就是用戶(hù)使用行為有沒(méi)有下降、哪些行為下降、哪些用戶(hù)用的特別好等，以此來(lái)維護用戶(hù)關(guān)系。
（五）變現LinkedIn 是一家 2C 又 2B 的公司，在全球有4億的用戶(hù)，有很多真實(shí)用戶(hù)的簡(jiǎn)歷信息。2B 的業(yè)務(wù)是LinkedIn 為每ヽ(′ー｀)ノ一個(gè)企業(yè) HR 銷(xiāo)售的，目的就是幫助美國的企業(yè)去找中高端的人才，這里面有很多的不同的產(chǎn)品線(xiàn)。LinkedIn 本身就是一個(gè)社交網(wǎng)絡(luò )，用戶(hù)是經(jīng)理、VP還是總監，還是業(yè)務(wù)類(lèi)的，市場(chǎng)的、銷(xiāo)售的等等這些數據在 LinkedIn 上都聚合成一個(gè)??公司的緯度。
有了這個(gè)公司的緯度之后，我們就能夠很快讓銷(xiāo)售拿著(zhù)這個(gè)賣(mài)給客戶(hù)。比如要跟星巴克談業(yè)務(wù)，最能震撼到星巴克 HR 的數據是人才流失率的列表。
通過(guò)這個(gè)簡(jiǎn)單的分布，就可以迅速看出來(lái)人才流失情況。如果是藍的多，說(shuō)明這家公司( ?ヮ?)的人才吸引方面是強的，如果是紅色的多，說(shuō)明這家公司人才儲備和招聘方面正處于頹勢。我們把數據展示給最終客戶(hù)(′?｀)，基本上就可(ke)以拿到單子。我們可以通過(guò)數據來(lái)講故事。我們一開(kāi)始做了很多的報告，銷(xiāo)售可以拿去講故事，可以很快促進(jìn)成單。
所有這些(xie)是通過(guò)用戶(hù)行為分析做出來(lái)的，不是通過(guò)拍腦門(mén)或者??是第三方數據，用戶(hù)行為分析的(′?｀)價(jià)值不言而喻(′ω｀)。
