編輯導讀：一個新功能上線后，有可能效果并沒有達到預期，這時候就需要對用戶圍繞這個功能的操作行為進行埋點跟蹤，獲得更多的數(shù)據(jù)以便分析。本文作者將從自身工作經(jīng)驗出發(fā)，對此展開分析，希望對你有幫助。

我們的產(chǎn)品最近做了一個抽獎活動?；顒訏煸谑醉揵anner，抽獎前需要先完成任務。

第一周結束，我們統(tǒng)計了下參與數(shù)據(jù)，一個日活50000的產(chǎn)品，日均任務完成量是50。

由此可見，這個活動的效果非常之差了。這也是我們在做產(chǎn)品過程中常見的問題，一個新功能上線，效果卻很一般，沒有達成我們期望的功能效果。

如果放任這個功能不管，讓用戶繼續(xù)這樣使用，通常也很難獲得更好的效果。故而在很多時候，我們需要對用戶圍繞這個功能的操作行為進行埋點跟蹤，獲得更多的數(shù)據(jù)，給予我們更多的分析維度。

就像這個活動的功能，只吸引到了活躍用戶的0.1%，與我們一開始期望的10%的活躍用戶參與相差甚遠。我們就可以對點擊活動banner的用戶數(shù)量、點擊同位置其他banner的用戶數(shù)量、點擊其他活動的用戶數(shù)量、活動頁面的跳出率等行為進行埋點，獲取用戶的行為數(shù)據(jù)。

通過多重數(shù)據(jù)的組合分析，我們發(fā)現(xiàn)活動本身并沒有太大問題，但是20%的用戶在等待活動頁加載時就退出了，再結合活動頁需要加載30秒的情況。我們發(fā)現(xiàn)活動頁加載時間過長導致用戶流失過多。由此我們便將功能的優(yōu)化策略定為縮短活動加載時間。

優(yōu)化完成后，參與活動的用戶量從0.1%增加到了3%。證明本次優(yōu)化方向正確。

一、破局：用戶操作行為埋點

完成一個新功能，并不是簡單開發(fā)上線就算完成。就像并不是抽獎活動上線，這個功能就代表成功。相反，新功能的上線僅僅只能算作一個功能完成過程的開始而已。

想要真正達成我們想要的效果，還有一個驗證和調優(yōu)的過程。

能幫助我們驗證和調優(yōu)的工具，就是埋點報表。在這里我們主要指代的是用戶的行為埋點報表。

那么什么是用戶行為？

用戶行為就是用戶在使用產(chǎn)品時，進行的一系列操作行為，包括用戶從哪個渠道進入產(chǎn)品、進入每個頁面前的上一個頁面、離開頁面后進入的下一個頁面、在頁面的停留時長、頁面上每個按鈕的點擊情況、搜索情況以及在哪個頁面離開產(chǎn)品等。用戶的行為往往能夠反映用戶對產(chǎn)品的真實想法。通過對用戶行為進行監(jiān)測分析，可以讓我們更加詳細地了解用戶的行為習慣，找到用戶喜歡和不喜歡的內容，讓功能更貼近于用戶的喜好與習慣，增加用戶使用產(chǎn)品的意愿。

不同的用戶行為能夠帶給我們不同的信息。主要需要收集的用戶信息包含以下3種：

1. 用戶的來源渠道

主要包含用戶下載APP或是進入網(wǎng)頁的渠道。像是平常在刷抖音時，通常能看到APP廣告推薦，通過給各渠道提供不同編碼的安裝包，用戶在通過不同渠道進行下載安裝時，可以通過安裝包內置的ID來確定用戶是通過哪一個渠道進行安裝的。

用戶的來源渠道能夠幫助我們了解不同渠道導流的效果，幫助我們在后續(xù)的推廣中選擇效果更好的渠道；例如通過對APP來源的監(jiān)控，發(fā)現(xiàn)通過抖音下載APP的人數(shù)是日均500人，而通過快手下載APP的人數(shù)是日均5人，我們就可以不必在快手繼續(xù)推廣，轉而將更多的推廣經(jīng)費放到抖音渠道。

2. 用戶的使用路徑

用戶的使用路徑主要是指用戶在進行某個功能操作時的一系列步驟，包含進入這個功能前在哪個頁面、點擊哪里進入該功能、離開功能頁面后去了哪個頁面等。我們可以通過對每個頁面按鈕和新開頁面的請求進行埋點，記錄用戶新進入的頁面url、上一個頁面的url和點擊進入的按鈕ID。

在對某個功能進行分析時，我們可以將用戶的每一步操作認定為一個關鍵環(huán)節(jié)，統(tǒng)計出每個環(huán)節(jié)的用戶數(shù)量，兩兩比較，計算出轉化率，轉化率=每個環(huán)節(jié)的用戶數(shù)/上一個環(huán)節(jié)的用戶數(shù)。這樣就可以明確指示出，我們在哪個環(huán)節(jié)流失用戶最嚴重。

通過收集產(chǎn)品每個關鍵環(huán)節(jié)的轉化率，建立起用戶的遺失漏斗，從而直觀地反映當前問題最嚴重的環(huán)節(jié)，以便于我們針對性去解決。

以抖音為例，我們?yōu)椤八⒍兑糈A紅包活動”這一行為設定了一條路徑，即：用戶進入首頁-點擊活動浮窗-點擊做任務-刷抖音完成任務-回到活動頁領取紅包。

我們統(tǒng)計了活動的轉化率。如下圖所示：

上圖很明顯反映出，該用戶路徑的第一個環(huán)節(jié)，有30%的用戶參與其中；但是在用戶路徑的第二個環(huán)節(jié)，僅有0.3%的用戶參與其中，故而可知問題是出在這里。

在產(chǎn)品設計中，用戶路徑往往是我們根據(jù)自己的認知設計出的，有些時候用戶的確會依照這條用戶路徑進行操作；也有很多時候，我們設定的用戶路徑由于某些原因會導致無法行進下去。這就促使我們必須要對這條路徑進行轉化率分析，從而量化出真實按照該路徑行進的用戶數(shù)和用戶比例，同時找出每個關鍵環(huán)節(jié)的用戶流失率，建立用戶遺失漏斗，從而逐步改進，減少用戶流失。

3. 用戶的訪問情況

用戶的訪問情況主要是指用戶對某個頁面的訪問情況，包含用戶的訪問頁面次數(shù)、訪問時長、訪問間隔天數(shù)、跳出率等。

用戶的訪問情況通常能夠反映出用戶對產(chǎn)品上某些特定頁面的喜愛程度，我們根據(jù)用戶不同的喜愛程度，提出相對應的運營策略。

運營策略大體遵循以下原則：

• 用戶喜愛程度非常高的，我們就采用促進用戶付費策略。
• 用戶喜愛程度偏高的，我們就提升該內容在用戶眼前出現(xiàn)的頻次、或是推送相關的內容，以此繼續(xù)提升用戶的喜愛程度。
• 用戶喜愛程度一般的，則要減少該內容在用戶眼前出現(xiàn)的次數(shù)，為用戶更喜愛的內容留出空間。
• 用戶不喜愛的，則該類型的內容都不要出現(xiàn)在用戶眼前。

如果將訪問情況的顆粒度放大到這個程度，情況則就是這樣。但在實際操作上，我們往往需要更細致的顆粒度來推斷用戶的情況。

我們將顆粒度再細化一下，分解到每個訪問數(shù)據(jù)來看一看。

用戶的訪問次數(shù)是指用戶進入某個頁面的次數(shù)，通常是在用戶進入頁面的時候進行埋點記錄。根據(jù)不同的場景有不同的統(tǒng)計方式，通常有兩種統(tǒng)計方式，一種是用戶進入該頁面一次就算作一次訪問，另一種是每個用戶每天首次進入該頁面才算一次訪問。

例如在淘寶，想要了解某個用戶對某件商品的喜愛程度，則可以將該用戶每次進入商品詳情頁算成一次訪問，通過統(tǒng)計了解到某用戶一天不同時間段進入A商品的詳情頁10次，而進入其他商品詳情頁僅1-2次/天，則可判斷出該用戶很喜歡A商品，但對于購買猶豫不決，這個時候我們就可以通過首頁推薦該商品，增加該商品在用戶眼前出現(xiàn)的頻次；或是推送該商品相關的優(yōu)惠券等，以此來促使用戶達成購買行為。

而在某些場景下，每個用戶每天首次進入該頁面計算一次訪問即可。例如在淘寶雙十一活動頁，用戶出于做任務的需要，會在雙十一活動頁和商家店鋪頁面不停跳轉。這個時候我們統(tǒng)計雙十一活動的日均活躍人次的時候，就只能在每個用戶每天首次進入活動頁面時計算訪問次數(shù)，以此來判斷活動效果。

用戶的訪問次數(shù)通常能夠反映某個頁面、某個功能乃至某款產(chǎn)品對用戶的吸引程度，用戶總訪問次數(shù)越高，代表產(chǎn)品對用戶的吸引程度越高。單個用戶的訪問次數(shù)越高，代表該用戶對產(chǎn)品的喜愛程度越高。我們通過這個數(shù)據(jù)可以找到用戶真實喜愛的內容，通常該數(shù)據(jù)也作為我們運營策略的依據(jù)存在。

用戶的訪問時長是指用戶在瀏覽某個頁面時停留在該頁面的時間。通常是對用戶進入頁面和離開頁面的時間進行埋點，在用戶進入和離開頁面時，客戶端會給后臺發(fā)送不同的請求，告訴后臺用戶當前的操作。通過后臺對這兩個操作的時間進行記錄，兩者相減得出用戶在頁面的訪問時長。

這里會有一個特殊情況，即用戶使用非正常手段離開該頁面，例如用戶在使用APP時，并非點擊退出離開產(chǎn)品，而是直接在手機后臺強行關閉某個應用。這個時候我們能夠拿到用戶進入頁面的時間，但是無法準確獲取用戶離開該頁面的時間。為了數(shù)據(jù)準確性，這個時候我們通常將用戶認定為未在該頁面停留。在埋點報表中，數(shù)據(jù)準確是首要要求，切不可為了數(shù)據(jù)好看而忽略準確性要求。

還是以淘寶為例，我們除了在剛剛統(tǒng)計某個用戶在A商品上的訪問次數(shù)外，還可以統(tǒng)計該用戶在A商品詳情頁的停留時長。結合剛剛的訪問次數(shù)，若用戶在詳情頁的停留時長超過平均瀏覽商品詳情頁的時長，我們可以斷定為用戶喜愛該商品，進行剛剛所述的運營行為。

若用戶在詳情頁停留的時間很短，甚至每次都僅僅停留幾秒，我們就需要尋找用戶其他動機，例如用戶僅僅只是通過該商品找到這個店鋪的其他商品。這個時候我們就可以通過在商品流或購物車中加入更明顯的進入店鋪的方式，以此來縮短用戶進入店鋪的路徑，提升用戶體驗。

用戶的訪問時長能夠為我們了解用戶的想法提供部分數(shù)據(jù)支撐，讓我們更明確用戶進入頁面的意圖。通過分析該意圖，我們可以找到讓用戶更快達成意圖的路徑，提升用戶體驗，達成我們提升用戶留存等意圖。

訪問間隔天數(shù)是指用戶兩次訪問某個頁面之間間隔的天數(shù)。通常是對用戶每天首次訪問頁面進行埋點記錄，在用戶每天首次訪問時由客戶端向后臺發(fā)送請求，記錄該用戶本次的訪問時間。再對比兩次跨天的訪問之間的時間，由后一次的日期減去前一次的日期，得出用戶訪問的間隔天數(shù)。

例如淘寶的雙十一活動，我們希望用戶從活動開始到活動結束，能夠每天訪問活動頁面。

通過監(jiān)控用戶的訪問間隔天數(shù)，我們發(fā)現(xiàn)某用戶已經(jīng)有一天時間沒有訪問活動頁面，則可以對該用戶進行促活短信推送，“您今天還沒有上線擼貓，貓貓在焦急等待您的投食，給貓貓投食再升3級則可獲得3.4的紅包”等。

通過對用戶的訪問間隔天數(shù)進行監(jiān)控，我們可以找到未達成我們期望的用戶，并對該類型用戶投放運營策略，以此推動用戶上線，達成功能期望效果。

跳出率是指用戶在某個頁面離開產(chǎn)品的次數(shù)除以該頁面用戶總訪問次數(shù)，即跳出率=頁面離開行為次數(shù)/頁面總訪問次數(shù)。用戶的離開行為包含兩種，一種是用戶依照產(chǎn)品規(guī)則，例如點擊兩次退出按鈕，離開產(chǎn)品；另一種是用戶通過手機清理后臺強制離開產(chǎn)品。

這兩種的統(tǒng)計方式有所不同，前一種正常對用戶的離開行為進行監(jiān)控，在用戶進行離開操作時，由客戶端向后臺發(fā)送請求，記錄用戶離開的頁面和時間即可。后一種則無法獲取到用戶的離開行為，只能通過用戶進入頁面后沒有后續(xù)行為進行推測用戶在該頁面離開（后續(xù)行為包含離開行為或是進入別的頁面等）。

以淘寶類電商平臺為例，我們監(jiān)控到在用戶購買完商品后，有很大部分的用戶都在這里選擇離開產(chǎn)品，即購買成功頁面的跳出率非常高。通過該數(shù)據(jù)，我們可以在購買成功頁面增加用戶常看的其他商品展示，增加用戶繼續(xù)瀏覽的意愿，從而留住用戶。

對于一款產(chǎn)品而言，用戶離開之后會不會有下一次訪問是未知的，只有讓用戶在產(chǎn)品上停留的時間越多，我們能做的事情才越多，也越可能讓用戶成為我們的留存用戶。故而跳出率是一個很重要的指標，它標示出用戶離開產(chǎn)品的位置。通過對該位置進行優(yōu)化，我們可以增加用戶在產(chǎn)品的停留時長，促進用戶留存。

二、總結

在上線一個新功能時，我們?yōu)榱四軌蛘嬲_成期望的效果，需要對功能不斷進行數(shù)據(jù)跟蹤及迭代優(yōu)化。

能夠真實反映功能效果的則是用戶行為。故而我們需要對各類用戶行為進行埋點統(tǒng)計。

通常我們會對用戶的來源渠道、用戶的使用路徑、用戶的訪問情況進行埋點統(tǒng)計。

• 用戶的來源渠道幫助我們合理篩選最優(yōu)推廣渠道。
• 用戶的使用路徑幫助我們降低用戶流失。
• 用戶的訪問情況幫助我們了解用戶的行為習慣，優(yōu)化產(chǎn)品以及定制更好的運營策略。

總之，伴隨著每一個功能都應該設計相應的埋點報表。在功能上線后，我們都需要對埋點數(shù)據(jù)進行跟蹤，在出現(xiàn)問題時將多維度的信息進行組合，對功能進行正確迭代，才能讓功能發(fā)揮最大的效果。

作者：蜂蜜烏龍茶；微信公眾號：產(chǎn)品旅程

本文由 @蜂蜜烏龍茶 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議