常見(jiàn)用戶行為分析模型解析(4)——用戶行為路徑分析模型
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(shí)現(xiàn)理想的數(shù)據(jù)驅(qū)動(dòng)與布局調(diào)整提供科學(xué)指導(dǎo),對(duì)精準(zhǔn)勾勒用戶畫(huà)像也有重要參考價(jià)值。用戶訪問(wèn)APP/網(wǎng)絡(luò),如同參觀畫(huà)展,觀眾是感受和傳達(dá)畫(huà)展參展方和展品的目的受眾體,圖畫(huà)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(wèn)路徑前進(jìn),需要策展者結(jié)合觀眾需求進(jìn)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(jìn)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(wèn)行為路徑。為了衡量網(wǎng)站優(yōu)化的效果或營(yíng)銷推廣的效果,以及了解用戶行為偏好,時(shí)常要對(duì)訪問(wèn)路徑的轉(zhuǎn)換數(shù)據(jù)進(jìn)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(guò)首頁(yè)瀏覽、搜索商品、加入購(gòu)物車、提交訂單、支付訂單等過(guò)程。而在用戶真實(shí)的選購(gòu)過(guò)程是一個(gè)交纏反復(fù)的過(guò)程,例如提交訂單后,用戶可能會(huì)返回首頁(yè)繼續(xù)搜索商品,也可能去取消訂單,每一個(gè)路徑背后都有不同的動(dòng)機(jī)。與其他分析模型配合進(jìn)行深入分析后,能為找到快速用戶動(dòng)機(jī),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(jià)值
用戶路徑的分析結(jié)果通常以?;鶊D形式展現(xiàn),以目標(biāo)事件為起點(diǎn)/終點(diǎn),詳細(xì)查看后續(xù)/前置路徑,可以詳細(xì)查看某個(gè)節(jié)點(diǎn)事件的流向,總的來(lái)說(shuō),科學(xué)的用戶路徑分析能夠帶來(lái)以下價(jià)值:
第一,可視化用戶流,全面了解用戶整體行為路徑;
通過(guò)用戶路徑分析,可以將一個(gè)事件的上下游進(jìn)行可視化展示。用戶即可查看當(dāng)前節(jié)點(diǎn)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(jì)、流失、后續(xù)事件列表等。運(yùn)營(yíng)人員可通過(guò)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(jì)的優(yōu)化與改進(jìn)有的放矢。
路徑分析對(duì)產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)有著很大的幫助,了解用戶從登錄到購(gòu)買整體行為的主路徑和次路徑,根據(jù)用戶路徑中各個(gè)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(cè)和定位用戶路徑走向中存在的問(wèn)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(diǎn)。
用戶路徑應(yīng)用場(chǎng)景
談到用戶路徑的真實(shí)應(yīng)用場(chǎng)景,許多企業(yè)通過(guò)第三方數(shù)據(jù)分析平臺(tái)來(lái)實(shí)現(xiàn),下面結(jié)合筆者實(shí)際工作中,所接觸的企業(yè)案例的數(shù)據(jù)分析場(chǎng)景為例來(lái)介紹。
(注:因涉嫌商業(yè)機(jī)密,以下場(chǎng)景模擬真實(shí)應(yīng)用場(chǎng)景而設(shè),數(shù)據(jù)均為虛擬。)
中商惠民:啟動(dòng)APP后,為何只有 30 % 商超客戶交易成功?
中商惠民是中國(guó)最大的社區(qū)O2O服務(wù)平臺(tái)。在一次評(píng)估客戶總體轉(zhuǎn)化率過(guò)程中,通過(guò)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(lái)可以通過(guò)用戶路徑客戶流失的原因所在。通過(guò)用戶路徑分析模型,清晰展示了商超客戶的動(dòng)作走向,為判斷客戶流失原因重要方式之一。
圖片來(lái)源:神策數(shù)據(jù)產(chǎn)品
中商惠民運(yùn)營(yíng)人員選取若干事件對(duì)客戶購(gòu)買路徑進(jìn)行深度分析。圖中顯示,用戶登錄APP后,約有40 %的客戶會(huì)點(diǎn)擊Banner,30 %的客戶會(huì)直接進(jìn)行商品搜索,約10%的用戶會(huì)瀏覽商品列表,約 5 %的客戶直接退出APP。
運(yùn)營(yíng)人員進(jìn)一步看4類用戶的提交訂單的情況,直接進(jìn)行“搜索商品”的用戶進(jìn)行提交訂單比例最高,超過(guò) 90 % ;與其形成鮮明對(duì)比的是,盡管“點(diǎn)擊Banner”是更多客戶登錄APP后的首選動(dòng)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(shuō)明Banner內(nèi)容布局有著比較糟糕的用戶體驗(yàn),則將此作為首選優(yōu)化與改進(jìn)的方向。
某電商:“未支付訂單”超過(guò)30分鐘自動(dòng)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(guò)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(dòng)App-搜索商品-提交訂單-支付訂單;
- 二是啟動(dòng)App-未支付訂單-搜索相似商品-取消訂單。
通過(guò)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(huì)支付,而高達(dá)25%的用戶沒(méi)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(lái)的用戶,因?yàn)樵诖蜷_(kāi)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(jià)行為,表明價(jià)格一定程度上影響了這部分用戶的支付欲望,這是一批“價(jià)格導(dǎo)向”的客戶。
對(duì)此,該電商運(yùn)營(yíng)人員采取針對(duì)性措施:
- “未支付訂單”超過(guò)30分鐘則自動(dòng)取消;
- 將支付頁(yè)面附近放置優(yōu)惠券領(lǐng)取。
當(dāng)該電商新版本上線后,再次通過(guò)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(shí)間限制,有更多的客戶愿意立即支付訂單;同時(shí)未支付訂單大大降低,說(shuō)明在支付支付頁(yè)面附近放置優(yōu)惠券的方式刺激到對(duì)價(jià)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(shí)的選購(gòu)過(guò)程是一個(gè)交纏反復(fù)的過(guò)程,每一個(gè)路徑背后都有不同的動(dòng)機(jī)。通過(guò)用戶行為路徑能夠清晰看到用戶行為特點(diǎn)與背后原因。若與其他分析模型配合,會(huì)產(chǎn)生更佳效果,通過(guò)數(shù)據(jù)分析能夠快速找到用戶動(dòng)機(jī),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:
作者:張喬,神策數(shù)據(jù)內(nèi)容營(yíng)銷負(fù)責(zé)人。公眾號(hào):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。
請(qǐng)問(wèn)如果是電商類APP的用戶路徑,在神策中的session時(shí)間一般怎樣設(shè)置才能看到用戶的具體路徑情況?
有個(gè)問(wèn)題,可能進(jìn)去APP 直接瀏覽banner 的用戶本來(lái)購(gòu)買目標(biāo)就不強(qiáng),不能說(shuō)banner 設(shè)計(jì)的有問(wèn)題呀
個(gè)人想法,電商類網(wǎng)站的banner位,最終目標(biāo)還是引導(dǎo)用戶去付費(fèi)購(gòu)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(diǎn)擊,所以相應(yīng)的拉低了提交訂單的比例。但是,是否在banner頁(yè)里面,能通過(guò)內(nèi)容和活動(dòng)信息,來(lái)抓住相對(duì)好奇心比較重的瀏覽用戶。
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(wèn)下,你是布局需要怎么優(yōu)化???牽強(qiáng)的
張喬大神,你好,有沒(méi)有關(guān)于用戶行為分析書(shū)籍可以推薦一下
請(qǐng)教個(gè)問(wèn)題,如果一個(gè)用戶,他下載APP后,打開(kāi)APP,“點(diǎn)擊banner,進(jìn)入詳情頁(yè),返回banner,又進(jìn)入詳情頁(yè)”,類似這樣的往復(fù),在上圖中如何體現(xiàn)它的路徑的呢?
我也很想知道這問(wèn)題的答案,作者大神能出來(lái)答復(fù)一下嗎?
同問(wèn),大神有回復(fù)么
應(yīng)該會(huì)忽略返回banner的路徑,都是從banneer引導(dǎo)到詳情頁(yè)
什么可視化軟件啊
對(duì)此,該電商運(yùn)營(yíng)人員采取針對(duì)性措施:(1)“未支付訂單”超過(guò)30分鐘則自動(dòng)取消;
這個(gè)舉例感覺(jué)有點(diǎn)牽強(qiáng),不設(shè)置取消時(shí)間,相信庫(kù)存很快就沒(méi)了,比如火車票。
謝謝大佬分享
“用戶真實(shí)的選購(gòu)過(guò)程是一個(gè)交纏反復(fù)的過(guò)程,每一個(gè)路徑背后都有不同的動(dòng)機(jī)。通過(guò)用戶行為路徑能夠清晰看到用戶行為特點(diǎn)與背后原因。若與其他分析模型配合,會(huì)產(chǎn)生更佳效果”——
非常認(rèn)同這句話,也請(qǐng)教一下大神,“其他分析模型配合”還有哪些呢?能推薦一下下 ?? ?
感謝林教頭的關(guān)注。僅是個(gè)人認(rèn)知范圍內(nèi)的小總結(jié),稱不上大神。常見(jiàn)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(diǎn)擊分析、留存分析、用戶分群……比如文中說(shuō)的最后這個(gè)場(chǎng)景中,當(dāng)你根據(jù)“用戶路徑”去發(fā)現(xiàn)可能有一些用戶存在比價(jià)行為,你可以把這部分群體通過(guò)“用戶分群”定義下來(lái),并通過(guò)“事件分析”去驗(yàn)證是否真的是“價(jià)格導(dǎo)向”,如果確定后,可以精準(zhǔn)推送優(yōu)惠信息給這個(gè)群體~然后再通過(guò)用戶路徑、事件分析等模型去驗(yàn)證效果。
發(fā)現(xiàn)→聚集客戶→執(zhí)行策略→檢驗(yàn)→發(fā)現(xiàn)… 循環(huán)往復(fù),越來(lái)越精細(xì)化運(yùn)營(yíng)。受教了 ?