本文簡(jiǎn)單介紹了用戶行為路徑在業(yè)務(wù)上的兩個(gè)應(yīng)用場(chǎng)景，來(lái)了解用戶行為路徑產(chǎn)品化的應(yīng)用場(chǎng)景和價(jià)值。

用戶行為路徑分析是互聯(lián)網(wǎng)行業(yè)常用的一種數(shù)據(jù)分析方法，它可以用來(lái)追蹤用戶從某個(gè)事件開始到某個(gè)事件介紹過(guò)程中所經(jīng)歷的所有路徑，是一種檢測(cè)用戶流向，從而統(tǒng)計(jì)產(chǎn)品使用深度的分析方法。

用戶行為路徑可以分析用戶在App或小程序中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘用戶的訪問(wèn)或點(diǎn)擊模式，進(jìn)而實(shí)現(xiàn)一些特定的業(yè)務(wù)用途，如App核心模塊的到達(dá)率提升、特定用戶群體的主流路徑提取，App產(chǎn)品設(shè)計(jì)的優(yōu)化與改版等。

下面簡(jiǎn)單介紹一下用戶行為路徑在業(yè)務(wù)上的兩個(gè)應(yīng)用場(chǎng)景，了解一下用戶行為路徑產(chǎn)品化的應(yīng)用場(chǎng)景和價(jià)值。

應(yīng)用場(chǎng)景一：產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)

用戶行為路徑分析對(duì)產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)有著很大的幫助，可以用于監(jiān)測(cè)與優(yōu)化期望用戶路徑中各模塊的轉(zhuǎn)化率，也可以發(fā)現(xiàn)某些冷僻的功能點(diǎn)。

一款電商類App應(yīng)用中，從開始搜索點(diǎn)擊商品到最終下單成交的過(guò)程中，用戶往往會(huì)進(jìn)行一系列的各種操作。通過(guò)路徑分析，可以清晰的看到哪些是影響用戶最終轉(zhuǎn)換浪費(fèi)流量，哪些操作過(guò)于冗長(zhǎng)繁瑣，這樣可以針對(duì)性地改進(jìn)提高支付轉(zhuǎn)化率，優(yōu)化用戶體驗(yàn)。

如果在路徑分析過(guò)程中用戶的成單數(shù)量與搜索結(jié)果、列表頁(yè)展示以及支付速度等密切相關(guān)，就可以考慮優(yōu)化這一部分的產(chǎn)品體驗(yàn)和技術(shù)能力，增強(qiáng)用戶黏性與轉(zhuǎn)化意愿。

應(yīng)用場(chǎng)景二：產(chǎn)品運(yùn)營(yíng)過(guò)程的監(jiān)控

產(chǎn)品關(guān)鍵模塊的轉(zhuǎn)化率本身即是一項(xiàng)很重要的產(chǎn)品運(yùn)營(yíng)指標(biāo)，通過(guò)路徑分析來(lái)監(jiān)測(cè)與驗(yàn)證相應(yīng)的運(yùn)營(yíng)活動(dòng)結(jié)果，可以方便相關(guān)人員認(rèn)識(shí)了解運(yùn)營(yíng)活動(dòng)效果。

例如：一款在線教育產(chǎn)品通過(guò)用戶行為路徑對(duì)核心業(yè)務(wù)進(jìn)行分析，通過(guò)用戶路徑展現(xiàn)，發(fā)現(xiàn)路徑為用戶訪問(wèn)?APP——瀏覽課程詳情頁(yè)——購(gòu)買課程?/?課時(shí)——完成課程中，瀏覽課程詳情頁(yè)到購(gòu)買課程?/?課時(shí)僅有?10%?的轉(zhuǎn)化率，比該企業(yè)的預(yù)測(cè)轉(zhuǎn)化率低很多。

那么便可以優(yōu)化這個(gè)這一部分的產(chǎn)品體驗(yàn)或者運(yùn)營(yíng)手段等，來(lái)提高轉(zhuǎn)化率，進(jìn)一步增加完成課程的人數(shù)。

用戶行為路徑產(chǎn)品化

下面來(lái)介紹本文的重點(diǎn)，如何設(shè)計(jì)一款用戶行為路徑的大數(shù)據(jù)產(chǎn)品，來(lái)幫助業(yè)務(wù)和產(chǎn)品提升體驗(yàn)，提高轉(zhuǎn)化率，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的目的。

在開始之前，先來(lái)了解一個(gè)術(shù)語(yǔ)Session，即會(huì)話，用于描述用戶一次使用App或者小程序的行為總和，用戶可能反復(fù)在幾個(gè)頁(yè)面間流轉(zhuǎn)，但是在足夠近的時(shí)間內(nèi)，意味著在一次會(huì)話之中。

Session是實(shí)現(xiàn)用戶行為路徑的基礎(chǔ)，因?yàn)槲覀円延脩舻男袨橥ㄟ^(guò)Session做切分，具體如何做切分（即Sessionize），因?yàn)槊嫦虻氖钱a(chǎn)品同學(xué)，這里就不做具體介紹（各位產(chǎn)品經(jīng)理們可以推動(dòng)你們的技術(shù)同學(xué)去實(shí)現(xiàn)^_^）。

Sessionize完成以后，還要考慮在網(wǎng)絡(luò)環(huán)境下，用戶對(duì)鏈接的訪問(wèn)可能出現(xiàn)前進(jìn)或者后退的情況，不會(huì)一層不變按照固定好的站點(diǎn)結(jié)構(gòu)走下去， 例如：在一個(gè)用戶訪問(wèn)的Session中，用戶有目的的完成一件任務(wù)需要經(jīng)過(guò)1,2,3,4步，但是在實(shí)際過(guò)程中可能出現(xiàn)過(guò)重復(fù)比如進(jìn)行1,2,3,2,3,4的操作來(lái)進(jìn)行。為了還原用戶的真實(shí)的路徑信息 ，需要去挖掘用戶的最大前驅(qū)路徑。

例如：一個(gè)用戶的訪問(wèn)Session有如下的路徑{A,B,C,D,C,B,E,G,H,G,W,A,O,U,O,V}，這里需要得到其最大的向前的訪問(wèn)路徑為{ABCD,ABEGH,ABEGW,AOV,AOU}，把訪問(wèn)路徑以屬的形式進(jìn)行展開，就可以清楚的看到用戶的訪問(wèn)路徑,形象化的圖示如下：

圖1?最大前驅(qū)路徑示例

感興趣的可以搜索下MFR或者M(jìn)FP來(lái)了解下路徑模式挖掘之最大前驅(qū)路徑，這里就不再做具體的算法方面的討論。

然后，將子路徑進(jìn)行去重，并且記錄每個(gè)路徑的點(diǎn)擊次數(shù)和UV等數(shù)據(jù)，將該結(jié)果存入Hive或者Druid中（測(cè)試發(fā)現(xiàn)大數(shù)據(jù)量下Hive的查詢速度較慢些，推薦使用Druid）。

底層數(shù)據(jù)都準(zhǔn)備好了，接下來(lái)也就是產(chǎn)品經(jīng)理們最關(guān)心的產(chǎn)品化了，這塊要考慮實(shí)現(xiàn)哪些維度的篩選來(lái)過(guò)濾用戶的行為路徑，根據(jù)業(yè)務(wù)情況，用戶行為路徑都展示哪些信息等。

如下圖的原型設(shè)計(jì)，可以通過(guò)設(shè)置路徑的起始和結(jié)束節(jié)點(diǎn)、操作系統(tǒng)、平臺(tái)、版本號(hào)、時(shí)間等條件查找用戶的行為路徑。這里必須提到一點(diǎn)，增加任何維度都是會(huì)要增加底層表的數(shù)據(jù)量的，從而影響最終產(chǎn)品的查詢速度，這里還需要根據(jù)業(yè)務(wù)情況具體把握，只篩選業(yè)務(wù)最關(guān)注的幾個(gè)維度。

圖2 用戶行為路徑篩選條件

查詢結(jié)果中會(huì)按照點(diǎn)擊次數(shù)從大到小依次顯用戶行為路徑情況，并展示用戶的點(diǎn)擊次數(shù)、訪問(wèn)UV等數(shù)據(jù)，在每條路徑后面可以查看詳情，用來(lái)顯示每一條路徑的轉(zhuǎn)化漏斗情況。

如下圖3原型所示：

圖3 點(diǎn)擊查看路徑的轉(zhuǎn)化漏斗情況

至此，用戶行為路徑的產(chǎn)品化已經(jīng)完成，接下來(lái)，就是進(jìn)一步來(lái)修正數(shù)據(jù)埋點(diǎn)的問(wèn)題和數(shù)據(jù)準(zhǔn)確性，然后推動(dòng)讓公司包括產(chǎn)品和運(yùn)營(yíng)等更多的人用起來(lái)。

用戶行為路徑分析可以讓業(yè)務(wù)人員既可以有的放矢，驗(yàn)證自身假設(shè)，有針對(duì)性地解決問(wèn)題。也可以日常監(jiān)測(cè)用戶的行為路徑，及時(shí)發(fā)現(xiàn)用戶的核心關(guān)注點(diǎn)及干擾選項(xiàng)，持續(xù)挖掘產(chǎn)品及服務(wù)的價(jià)值，實(shí)實(shí)在在的讓大數(shù)據(jù)產(chǎn)品來(lái)驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)，同時(shí)也實(shí)現(xiàn)了數(shù)據(jù)產(chǎn)品經(jīng)理自身的成長(zhǎng)。

本文由 @?徐鵬 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

題圖來(lái)自Unsplash，基于CC0協(xié)議