[[174350]]

騰訊深度報(bào)告，2016年，75%的消費(fèi)者仍計(jì)劃保持或增加消費(fèi)支出。隨著人們收入水平的提升，消費(fèi)者愿意花費(fèi)更高的價(jià)格來購買提高生活品質(zhì)的產(chǎn)品與服務(wù)。對于商家而言，他們擁有多種機(jī)會(huì)吸引日漸成熟的消費(fèi)者，解決他們對當(dāng)前生活的不滿。

舉例來說，健康對于所有城市消費(fèi)者而言都很重要，但是大城市上層中產(chǎn)階層及富裕消費(fèi)者在食品，特別是高品質(zhì)的食品以及高品質(zhì)的服務(wù)上花費(fèi)的更多。 于是一些針對高端人群的產(chǎn)品應(yīng)運(yùn)而生。

例如針對一線白領(lǐng)等高端人群推出的高端餐飲電商類產(chǎn)品—ENJOY，為用戶提供了一些經(jīng)過精心篩選的餐飲產(chǎn)品,提供獨(dú)特而稀缺的用餐體驗(yàn),希望在“如何吃得更好”這一問題上為大家提供一些富有情感的食物解決方案。

隨著平臺(tái)上食物品類以及服務(wù)的增多，頻繁給用戶推送消息，由于用戶的需求各不相同，給用戶帶來了極大的傷害。一部分人深受其害而狠狠卸載掉。對于一款產(chǎn)品來說，用戶的嚴(yán)重流失是一個(gè)無法容忍的事。可是，不推送，用戶無法***時(shí)間知道平臺(tái)上了什么新的品類;推送了，用戶頻頻被消息打擾。

是否可以提供一個(gè)兩全其美的方法——既可以給用戶推送消息，還能夠讓他們看到推送的***時(shí)間是欣喜而不是厭惡呢?

兩全其美的好方法當(dāng)然有——個(gè)性化推薦。

通過分析用戶行為，根據(jù)用戶喜好，為他們推送與之對應(yīng)的產(chǎn)品優(yōu)惠活動(dòng)等消息，來吸引用戶，從而提升用戶留存。

用戶行為路徑分析是互聯(lián)網(wǎng)行業(yè)特有的一類數(shù)據(jù)分析方法，所依賴的數(shù)據(jù)主要是服務(wù)器中的日志數(shù)據(jù)。

用戶在使用App過程中的每一步都可以被記錄下來，分析用戶在APP或者網(wǎng)站中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘用戶的點(diǎn)擊模式，使得用戶可以便捷地依照產(chǎn)品設(shè)計(jì)的期望主流路徑直達(dá)核心模塊，這時(shí)候需要關(guān)注的便是優(yōu)秀的布點(diǎn)策略。

通過一款基于用戶洞察的精細(xì)化運(yùn)營分析工具，將SDK集成到App或網(wǎng)站中，便能獲得應(yīng)用內(nèi)的所有用戶行為數(shù)據(jù)。

筆者認(rèn)為在每個(gè)App里，不是所有事件都有著同樣的價(jià)值，基于對核心事件的深度分析需求，筆者推薦大家使用層級(jí)化的自定義事件布點(diǎn)方式，每一個(gè)事件由三個(gè)層次組成的：事件(Event)、屬性(Key)和屬性值(Value)。同時(shí)，還為開發(fā)者們提供數(shù)據(jù)監(jiān)測布點(diǎn)咨詢服務(wù)，可以根據(jù)豐富的行業(yè)經(jīng)驗(yàn)為客戶提供個(gè)性化的事件布點(diǎn)咨詢和技術(shù)支持。

分析用戶行為，為用戶推薦喜歡的內(nèi)容，給運(yùn)營策略的優(yōu)化提供了科學(xué)指導(dǎo)，提升留存率。 一款電商類產(chǎn)品，訂單價(jià)、訂單數(shù)、支付數(shù)是運(yùn)營最看中的數(shù)據(jù)。例如ENJOY,操作它的路徑如圖：

從其中一條路徑中選取幾個(gè)重要的行為建立行為漏斗。

漏斗模型通常是對用戶在網(wǎng)站或App中一系列關(guān)鍵節(jié)點(diǎn)的轉(zhuǎn)化率的描述，這些關(guān)鍵節(jié)點(diǎn)往往是我們?nèi)藶橹付ǖ摹?/p>

例如我們可以看到某購物App應(yīng)用的購買行為的漏斗轉(zhuǎn)化情況。這款購物App平臺(tái)上，買家從瀏覽到支付成功經(jīng)歷了4個(gè)關(guān)鍵節(jié)點(diǎn)，商品瀏覽、加入購物車、結(jié)算、付款成功，從步驟1到步驟4，經(jīng)歷了其關(guān)鍵節(jié)點(diǎn)的人群越來越少，節(jié)點(diǎn)的轉(zhuǎn)化率呈現(xiàn)出一個(gè)漏斗狀的情形，我們可以針對各個(gè)環(huán)節(jié)的轉(zhuǎn)化效率、運(yùn)營效果及過程進(jìn)行監(jiān)控和管理，對于轉(zhuǎn)化率較低的環(huán)節(jié)進(jìn)行針對性的深入分析與改進(jìn)。

其他的漏斗模型分析場景可以根據(jù)業(yè)務(wù)需求靈活運(yùn)用，它擁有十分強(qiáng)大的漏斗分析工具，是您充分發(fā)揮自己對于數(shù)據(jù)的想象力的平臺(tái)。

接下來就可以查看漏斗分析的結(jié)果了：

產(chǎn)品關(guān)鍵模塊的轉(zhuǎn)化率，對運(yùn)營來說是一項(xiàng)很重要指標(biāo)，運(yùn)營人員的職責(zé)之一就是不斷的提升重要的使用過程的轉(zhuǎn)化率，來提升產(chǎn)品的留存率。

數(shù)據(jù)分析，是企業(yè)成長道路上，用來發(fā)現(xiàn)問題，提升運(yùn)營效率的利器。而這些問題中，最值得被重視的就是留存率分析。

無論有多少新增用戶，最終決定企業(yè)成功與否的，是用戶的留存率與變現(xiàn)能力。花了一個(gè)周拉來1000用戶，兩三天后只有不足50人繼續(xù)活躍，如果你不知道用戶的流失原因，就無從下手去喚回流失的950多個(gè)用戶，進(jìn)而就演變成需要拉來20多新增才能增添一個(gè)長期活躍，然而變現(xiàn)率又能占長期活躍的多少呢?

這也是為什么，越來越多地企業(yè)對用戶的CLV(生命周期價(jià)值)重視起來并進(jìn)行分析：

• 通過路徑分析，對每一個(gè)用戶的每一個(gè)行為路徑(商品瀏覽、加入購物車、結(jié)算、付款成功)進(jìn)行跟蹤與記錄，在此基礎(chǔ)上分析挖掘用戶路徑行為特點(diǎn)，清楚的了解每一步的來源與去向、每一步的轉(zhuǎn)化率，從而根據(jù)用戶喜好為他們進(jìn)行針對性推薦。
• 通過漏斗模型，簡單直觀計(jì)算并展示出事件之間的轉(zhuǎn)化率，為運(yùn)營優(yōu)化提供直觀的數(shù)據(jù)，方便運(yùn)營了解個(gè)性化推薦后的效果。

如此，踐行用戶為核心的生命周期價(jià)值分析。這樣的分析價(jià)值將會(huì)成為未來創(chuàng)新企業(yè)的制勝法寶。

本文參考資料：

《產(chǎn)品經(jīng)理數(shù)據(jù)分析實(shí)戰(zhàn)手冊》—于曉松

《騰訊深度報(bào)告：2016年中國消費(fèi)升級(jí)與飲食變革》