众所周知，用户分析是做好产品的前提，也是运营人员的必备技能。
360董事长周鸿祎做演讲时，曾说过：“用户至上，体验为王，做产品一定要先分析用户是怎么想的。”
在日常工作中要分析用户，必不可少的就是用数据分析的方法。
前期文章中，我们做了用户画像和漏斗模型的详细介绍，今天我们就来说一说：用户分析中的另一个典型方法论——用户行为路径分析。
一、什么是用户行为路径分析
用户行为路径分析：是一种监测用户流向，从而统计产品使用深度的分析方法。
它主要根据每位用户在App或网站中的点击行为日志，分析用户在App或网站中各个模块的流转规律与特点，挖掘用户的访问或点击模式，进而实现一些特定的业务用途。
如：App核心模块的到达率提升、特定用户群体的主流路径提取，与浏览特征刻画、App产品设计的优化与改版等。
以电商为例：
买家从登录网站/APP到支付成功，要经过首页浏览、搜索商品、加入购物车、提交订单、支付订单等过程。
而用户真实的选购过程往往是交缠反复的，例如：提交订单后，用户可能会返回首页继续搜索商品，也可能去取消订单，每一个路径背后都有不同的动机。
与其他分析模型配合进行深入分析后，能快速找到用户行为动机，从而引领用户走向最优路径或者期望中的路径。
二、用户行为路径分析的作用
用户路径的分析结果通常以桑基图形式展现。以目标事件为起点/终点，详细查看后续/前置路径，可以详细查看某个节点事件的流向。
总的来说，科学的用户行为路径分析有以下作用：
1. 可视化用户流向，对海量用户的行为习惯形成宏观了解
通过用户路径分析，可以将一个事件的上下游进行可视化展示。
业务人员可以查看用户当前节点事件的相关信息，包括：事件名、分组属性值、后续事件统计、流失、后续事件列表等；从而帮助业务人员全面了解用户整体行为路径分布，找到不同行为间的关系，挖掘规律并突破业务瓶颈。
2. 定位影响转化的主次因素，使产品的优化与改进有的放矢
路径分析对产品的优化与改进有着很大的帮助。
可以日常监测用户的行为路径，根据用户路径中各个环节的转化率，及时发现用户的核心关注点及干扰选项，引导用户持续挖掘产品及服务的价值。
例如：
一款视频创作分享型App应用中，从开始拍摄制作视频到视频的最终发布过程中，用户往往会进行一系列的剪辑操作。通过路径分析，我们可以清晰的看到：哪些是用户熟知并喜爱的编辑工具？哪些操作过于冗长繁琐？这样可以帮助我们：针对性地改进剪辑操作模块，优化用户体验。
如果在路径分析过程中，用户的创作数量与用户被点赞、评论以及分享的行为密切相关，就可以考虑增强这款App的社交性，增强用户黏性与创作欲望。
三、用户行为路径分析的关键
互联网行业对数据的获取有着得天独厚的优势，路径分析所依赖的数据主要就是：服务器中的日志数据。
用户在使用App过程中的每一步都可以被记录下来，这时候就需做好数据埋点，它与我们所关心的业务息息相关。如果数据埋点没做好，数据就不全面，将导致数据分析过程会比较困难。
通常我们会借助第三方数据分析跟踪平台来做数据埋点，不管用哪个平台，做好数据埋点才是关键——如：各个页面之间的停留时间、跳出率、离开次数、流失率和转化率等。
注意，那种只有几大主界面的跳转数据是没用的。
比如：用户从A界面跳转至B界面，跳出率是30%，那你能知道哪里需要优化吗？
这么模糊的数据是不可能进行准确的用户行为数据分析的。一个界面那么多按钮，光一个页面跳出率，我们不可能知道用户是在哪个环节离开的，进行细节优化时会抓不到点。
正确的姿势应当是：做好每个关键节点的数据埋点。
以电商中的购物环节为例：
一个完整顺畅的用户购物环节大致是：登录→浏览商品→点击查看商品详情→选中商品并放入购物车→结算→支付。
在这每一个环节中，又有很多小的关键节点，比如：用户在“结算”环节跳出来了，你不能想当然地认为，结算页面跳出率是30%。这样你只知道结算页面有问题，但是具体哪个点有问题你是不知道的。
你要知道：用户是在选择支付方式时跳出的，还是选择修改收货地址时跳出的，还是选择配送方式时跳出的。这样你才能准确地知道是哪里出了问题，然后对这个点进行改进优化。
总之，要做用户行为路径分析，关键是要做好数据埋点。
四、用户行为路径分析方法
常见的分析方法有：转化漏斗、智能路径、用户路径。
三者都是基于用户行为，以上下环节的转化率为计算核心。
三者的关系如图所示：
转化漏斗：是预先设定好的路径；智能路径：是设定了目标行为之后发现更多漏斗；用户路径：是完整再现用户的整个转化过程。在实际应用中，三者有各自适用的分析场景，通常也需要互相结合，相辅相成。
接下来逐一介绍这三种方法。
1. 转化漏斗
作用：提升转化效果。
转化漏斗是路径分析中的一种特殊情况，是针对少数人为特定模块与事件节点的路径分析。
它适用于对产品运营中的关键环节进行分析、监控，找到其中薄弱的环节，通过用户引导或者产品迭代来优化，提升转化效果。
无论是新用户的引导、某个业务流程还是某一次运营活动，涉及到有流程转化的，都可以建立漏斗来分析。
转化漏斗的例子之前也讲过，这里就不再赘述了。
在分析的过程中，可以观察：
整体的转化率是否符合行业水准？哪些步骤转化率还有优化空间？可以通过细分维度发现导致转化率低的因素是哪些？也可以通过查看流失环节的其他使用路径，做出针对性的引导。
2. 智能路径
作用：探索更多的转化路径。
很多情况下，虽然有最终的转化目标，但是用户到达该目标却有多条路径，无法确定：哪条路径是用户走的最多的路径？哪条转化路径最短？
这时候，我们就可以采用智能路径模型来进行分析。
确定想要观察的目标行为——通常是业务中需要引导用户完成的某个功能或到达的某个页面。将其设置为起始事件，分析发生该行为的后续路径；或者设置为结束事件，分析该行为的前置路径。
例如：在电商APP中，加入购物车是支付成功这个最终转化目标的前一步。
但很多用户在加入购物车之后，并不会提交订单直接支付，这时选择目标事件为“加入购物车”，并设置为起始事件。分析用户在加入购物车后的行为路径，是被页面上的其他推荐吸引了目光，还是走向他处？
在某知识付费APP中，有多个入口，通过banner、搜索列表、专列列表、专题文章等引导到专栏详情页，进而引导到专栏的订阅。若想分析用户最终订阅的转化路径，可以选择目标事件为 “订阅专栏”，并设置为结束事件即可。
总之，智能路径可以用来探索性地发现更多的转化路径。当聚焦到某一条路径时，其实就是一个转化漏斗，可以将其保存下来，来进行日常监测。
3. 用户路径
作用：步步追踪，划分用户类型。
用户路径不需要预先设置漏斗，或者圈定要分析哪个页面事件或点击事件，而是计算用户使用网站，或APP时的每个第一步。然后，依次计算每一步的流向和转化。
通过数据，真实的再现用户从打开APP到离开的整个过程，进一步识别用户频繁路径模式：
即哪条路径是用户最多访问的？走到哪一步时，用户最容易流失？甚至呈现出产品经理在设计产品时，都未曾预料到的路径，找到分析用户行为最基础、最原始的数据。也可以通过路径识别用户行为特征，分析用户是用完即走的目标导向型，还是无目的浏览型。总之，用户路径分析法对产品运营有着非常重要的启发作用。
转化漏斗、智能路径、用户路径都是基于用户行为路径数据的重要分析模型，它们有着不同的功能以及用处。
掌握了这3个分析方法，可以精确获得用户行为路径数据，从而针对性的做出营销策略调整，让运营转化成倍增长。
五、基于不同场景的分析模型选择
用户从进入产品到离开都发生了什么？主要遵循什么样的行为模式？
——可以选用用户路径模型，观察用户的整体行为路径，通过用户频繁路径发现其行为模式。
用户是否按照产品设计引导的路径在行进？哪些步骤上发生了流失？
——可以选用转化漏斗模型，将各个引导设置为漏斗的各个步骤，分析其转化和流失。
用户离开预想的路径后，实际走向是什么？
——可以选择转化漏斗模型，查看经过流失环节的用户后续的行为路径，或者在智能路径中选择预设的事件为目标事件，分析其后续行为路径。
不同渠道带来的用户，不同特征的用户行为差异在哪里？哪类用户更有价值？
——可以选择用户路径模型，细分渠道维度，查看不同维度的用户行为路径。
六、用户路径分析典型案例
案例一：在线教育产品用户流失的原因
某在线教育产品通过漏斗分析对核心业务进行分析，漏斗为：用户访问APP→浏览课程详情页→购买课程/课时→完成课程。
其中，“浏览课程详情页”到“购买课程/课时”仅有10%的转化率，比该企业的预测转化率低很多。该电商网站将流失的用户保存为一个分群，并单独对这个流失分群进行了用户路径分析。
通过用户路径分析，他们发现：这部分用户走到浏览课程详情页的步骤后，自发的走向两条路径——一部分用户退出了课程浏览页面，另一部分用户点选了页面顶端的图片预览，然后退出页面浏览。
第一条路径的用户可能对课程没有明确的需求，或对课程内容不满意，所以退出了页面；第二条路径的用户，显示出对课程的需求，但是比较谨慎，该类用户重新查看了预览图片，随后退出页面。他们判断这部分用户没有从课程简介和图片中得到自己真正想要的内容，图片的精彩度影响了这部分用户的购买意愿。
因此，工作人员针对课程介绍进行了进一步的内容优化。增加了外教教学视频，及作文修改视频，增加用户对课程的信心，真正从流失人群身上挖掘出了最深的价值，提高了转化率。
案例二：“未支付订单”超过30分钟自动取消，刺激用户支付
某电商网站客户通过用户路径分析，有两条主要的路径：
是启动App-搜索商品-提交订单-支付订单；是启动App-未支付订单-搜索相似商品-取消订单。第一条用户路径显示：客户提交订单后，大约75%的用户会支付，而高达25%的用户没有支付订单；
第二条用户路径显然是一条有明确目的——为未最终敲定的商品而来的用户。因为在打开app后直奔“未支付订单”，但是路径中显示此用户再次“搜索相似商品”。这一行为可以判断客户可能存在比价行为，表明价格一定程度上影响了这部分用户的支付欲望，这是一批“价格导向”的客户。
对此，该电商运营人员采取针对性措施：
“未支付订单”超过30分钟则自动取消；将支付页面附近放置优惠券领取。当该电商新版本上线后，再次通过用户路径分析模型，发现：
客户在提交订单后，由于30分钟的时间限制，有更多的客户愿意立即支付订单；同时，未支付订单大大降低，说明在支付支付页面附近放置优惠券的方式刺激到对价格敏感的客户。因此这也是一次很成功的改版。
案例三：新、老用户倾向什么路径
一个新用户和一个老用户在进行购买流程的时候，他们的浏览路径是否有区别？新用户倾向什么路径？老用户倾向什么路径？
电商平台店铺用户行为路径图
假设上图中，用户进入店铺页中选择以下路径：
约 40% 的客户会点击 Banner 活动页；约 30% 的客户会直接进行商品搜索；约 10% 的用户会浏览商品详情页；约 5% 的客户啥都不干直接退出店铺。假设以上四种路径中，第三种直接浏览商品详情页的用户下单比例最高——超过 90% 。与其形成鲜明对比的是，尽管第一种“点击 Banner 活动页”的用户占比高达 40%，但是仅 5% 的用户下单了。
说明了：Banner 的内容布局和利益点有着比较糟糕的用户体验，则将此作为首选优化与改进的方向。
改进方式：
优化内容质量：素材图片、利益点、承接页动线、承接页商品让利程度等；压缩 banner 模块实际面积：比如，淘宝的 banner 基本为千人千面或者商家直通车购买，展示总量大，比较难控制所有内容质量，因此选择更小的尺寸高度来分散用户点击占比，为其它首屏优质业务提供更多的流量。相对的，天猫的 banner 活动一般为类目排期活动，较少商家购买（能花得起这个钱的商家一般也是 KA，不会把内容质量搞的很糟糕），因此天猫的 banner高度较淘宝会更醒目。
七、结束语
用户个体动机虽然千差万别，但是，海量用户行为的流动趋势，会体现用户真正的使用偏好与习惯。
企业需要通过多种数据分析手段，抓住用户的心，才能从激烈的竞争中脱颖而出，真正带来最切合用户利益的价值。
本文由 @DataHunter
