用户行为路径分析场景及案例

用户行为路径分析是互联网行业独特的数据分析方法，主要根据每个用户在应用程序或网站上的点击行为日志，分析应用程序或网站中每个模块的流通规律和特征，挖掘用户访问或点击模式，实现应用程序核心模块到达率、特定用户群主流路径提取和浏览特征描述等特定业务用途，优化改版App产品设计等。本文将简要讨论用户行为路径分析方法，更倾向于介绍一些路径分析业务场景和技术手段，发挥吸引玉石的作用。欢迎致力于互联网数据分析的朋友拍砖和批评。本文将对用户行为路径分析方法进行一些简单的讨论，更倾向于介绍一些路径分析业务场景和技术手段，在吸引玉石方面发挥作用。欢迎致力于互联网数据分析的朋友拍砖和批评。未来，我们将有机会继续介绍更多与实际业务相结合的用户行为路径分析案例。1、路径分析业务场景用户行为路径分析的一个重要和最终目的是优化和提高关键模块的转化率，使用户能够根据产品设计的预期方便地直接到达核心模块。在分析过程中仍存在以下应用场景：1、一些人口统计数据或订单价格、订单数量等操作数据经常用于用户典型的路径识别和用户特征分析。用户访问路径数据为我们了解用户特征打开了另一扇门。例如，对于图片制作、上传和共享的应用程序，我们可以通过用户应用程序使用操作数据来划分愿意制作和上传的创意用户、愿意表扬和评论的互动用户、默默浏览图片的潜水用户和从不上传只会下载图片的消费用户。2、产品设计的优化和改进路径分析对产品设计的优化和改进有很大的帮助。它可以用来监控和优化用户路径中每个模块的转换率，也可以找到一些罕见的功能点。在视频创建共享应用程序中，用户经常从拍摄视频到最终发布视频；通过路径分析，我们可以清楚地看到用户熟悉和喜爱的编辑工具，操作过于繁琐，可以帮助我们改进编辑操作模块，优化用户体验。如果用户在路径分析过程中的创建数量与用户的赞扬、评论和共享密切相关，则可以考虑增强该应用程序的社会性，增强用户的粘性和创建欲望。3、监控产品关键模块的转化率本身就是一个非常重要的产品操作指标。通过路径分析来监控和验证相应的操作活动结果，可以方便相关人员了解操作活动的效果。2、互联网行业在获取数据方面具有独特的优势。路径分析所依赖的数据主要是服务器中的日志数据。在使用应用程序的过程中，用户的每一步都可以被记录下来。此时，我们需要关注的是优秀的分销策略，它应该与我们关心的业务密切相关。这里可以推荐诸葛io，一个基于用户洞察力的精细操作分析工具；将诸葛io的SDK集成到应用程序或网站中，以获取应用程序中的所有用户行为数据。事实上，诸葛IO认为，并非所有事件在每个应用程序中都具有相同的价值。基于对核心事件的深入分析需求，诸葛IO建议您使用分层自定义事件分发方法。每个事件由三个级别组成：事件(Event)、属性(Key)和属性值(Value)。同时，诸葛io还为开发人员提供数据监控点咨询服务，可根据丰富的行业经验为客户提供个性化的事件点咨询和技术支持。3、漏斗模型与路径分析之间的关系上述路径分析与我们熟悉的漏斗模型相似。一般来说，漏斗模型可以看作是路径分析中的一种特殊情况，也可以看作是对少数人为特定模块和事件节点的路径分析。漏斗模型通常描述用户在网站或应用程序中的一系列关键节点的转换率，这些关键节点通常是我们人为指定的。例如，我们可以看到诸葛io购物应用程序中购买行为的漏斗转换。在这个购物应用平台上，买家经历了从浏览到支付的四个关键节点。商品浏览、加入购物车、结算和付款成功。从步骤1到步骤4，经历过关键节点的人越来越少，节点的转化率呈漏斗状。我们可以监控和管理每个环节的转化效率、运行效果和流程，并对转化率低的环节进行有针对性的深入分析和改进。其他漏斗模型分析场景可根据业务需要灵活使用。诸葛io平台拥有非常强大的漏斗分析工具。这是一个充分发挥你对数据想象力的平台。欢迎参考基于漏斗模型的分析案例“漏斗/保留新游戏玩法”。路径分析不同于漏斗模型。它通常跟踪和记录每个用户的每个行为路径。在此基础上，分析和挖掘用户路径行为的特征，涉及到每个步骤的来源和下落以及每个步骤的转换率。可以说，漏斗模型提前、人为、积极地设置了几个关键事件节点路径，路径分析是探索挖掘整体行为路径，找出用户的主流路径，甚至可能发现一些未知的有趣的模型路径。从技术手段上看，漏斗模型简单直观地计算和显示相关的转化率，路径分析将涉及更广泛的层次。四、路径分析常见思路和方法1、通过分析布局获得的用户行为路径数据，我们可以以最简单、最直接的方式统计每个用户的事件路径点击流数据，并以数据可视化的方式直观地呈现出来。D3.js是目前最流行的数据可视化库之一，我们可以用sunburstpartition来描述用户群的事件路径点击情况。从图片的中心出发，层层向外推进，代表了用户从开始使用产品到离开的整个行为统计；sunburst事件路径图可以快速定位用户的主流使用路径。通过提取特定人群或特定模块之间的路径数据，并使用sunburst事件路径图进行分析，可以定位到更深层次的问题。灵活使用sunburst路径统计图是我们路径分析的法宝。诸葛io不仅可以方便地获取分布数据，还可以为客户提供个性化的sunburst事件路径图分析，并可以为客户的产品制作定制的产品分析报告。2、提到基于相关分析的序列路径挖掘方法的相关规则分析，数据挖掘中的经典案例“啤酒和尿布”是不可避免的。目前，无论“啤酒和尿布”是否是Teradata经理的“神话故事”，这个案例在一定程度上让人们理解和理解购物篮分析（相关分析）的过程及其背后的业务价值。将超市每位顾客一次购买的所有商品视为购物篮，利用相关规则算法分析存储在数据库中的购买行为数据，即购物篮分析，发现10%的顾客和同事购买了尿布和啤酒，70%的顾客同时购买了啤酒。于是超市决定把啤酒和尿布放在一起，销量明显增加。在这里，我们不妨将每个用户在使用应用程序时操作的所有事件点视为“购物篮”中的“一系列商品”。与上述购物篮不同，这里所有事件的点击行为都有严格的前后事件顺序。通过改进相关规则中的Apriori或FP-Growth算法，我们可以以严格的顺序挖掘频繁的用户行为路径，这是一个重要的用户路径分析理念。我们可以仔细考虑发现的规则序列路径所反映的产品业务逻辑，也可以比较和分析不同用户群体之间的规则序列路径。3、社交网络分析（或链接分析）早期搜索引擎主要基于搜索网页内容和用户查询的相似性，或通过搜索引擎搜索相关网页，随着20世纪90年代中后期互联网页数量的爆炸性增长，早期策略不再有效，不能给大量相似的网页提供合理的排序搜索结果。如今的搜索引擎巨头，如谷歌、百度采用基于链接分析的搜索引擎算法作为解决这个问题的方法之一。网页和网页通过超链接结合在一起，就像微博上的社交网络通过关注行为连接在一起一样。社交网络中有影响力的知名权威V也有重要性或高度权威的网页。在搜索引擎结果面前提供权威性较高的网页，使搜索效果更好。我们将社交网络中的人视为节点，将互联网中的网页视为节点，甚至将我们应用产品中的每个模块事件视为节点。节点和节点以各自的方式连接，形成特定的网络图。以下是基于这些网络结构的分析方法，统称为社交网络分析。在社交网络分析中，有一些更常见的分析方法可以应用于我们的路径分析，如节点的集中分析、节点的影响建模、社区发现等。通过中心分析，我们可以探索哪些模块事件处于中心位置，或者作为连接两类模块事件的枢纽，或者成为大多数模块事件的最终目的地。通过社区发现，我们可以探索这个社交网络中是否存在一些“小圈子”，即用户总是喜欢操作的行为路径的一小部分，这部分路径相对独立于大多数其他模块。以上是作者在诸葛io团队中对各种产品用户行为路径分析的总结和思考。有些工作仍在探索中。我希望你能给我一些建议。未来有机会分享如何进行用户路径分析，展示分析过程中的步骤和思路，希望能多和大家沟通。