如何做用戶行為路徑分析

用戶行為路徑分析是互聯(lián)網(wǎng)行業(yè)特有的一類(lèi)數(shù)據(jù)分析方法，它主要根據(jù)每位用戶在App或網(wǎng)站中的點(diǎn)擊行為日志，分析用戶在App或網(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與瀏覽特征刻畫(huà)，App產(chǎn)品設(shè)計(jì)的優(yōu)化與改版等。

本文會(huì)對(duì)用戶行為路徑分析方法作一些簡(jiǎn)單的探討，更多的偏向于一些路徑分析業(yè)務(wù)場(chǎng)景與技術(shù)手段的介紹，起到拋磚引玉的作用，歡迎致力于互聯(lián)網(wǎng)數(shù)據(jù)分析的朋友們拍磚與批評(píng)。以后有機(jī)會(huì)可以繼續(xù)介紹分享與實(shí)際業(yè)務(wù)結(jié)合較多的用戶行為路徑分析案例。

一、 路徑分析業(yè)務(wù)場(chǎng)景

用戶行為路徑分析的一個(gè)重要終極目的便是優(yōu)化與提升關(guān)鍵模塊的轉(zhuǎn)化率，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。具體在分析過(guò)程中還存在著以下的應(yīng)用場(chǎng)景：

• 用戶典型路徑識(shí)別與用戶特征分析

用戶特征分析中常常使用的都是一些如性別、地域等人口統(tǒng)計(jì)數(shù)據(jù)或訂單價(jià)、訂單數(shù)等運(yùn)營(yíng)數(shù)據(jù)，用戶訪問(wèn)路徑數(shù)據(jù)為我們了解用戶特征打開(kāi)了另一扇大門(mén)。例如對(duì)于一款圖片制作上傳分享的應(yīng)用，我們可以通過(guò)用戶的App使用操作數(shù)據(jù)，來(lái)劃分出樂(lè)于制作上傳的創(chuàng)作型用戶，樂(lè)于點(diǎn)贊評(píng)論的互動(dòng)型用戶，默默瀏覽看圖的潛水型用戶，以及從不上傳只會(huì)下載圖片的消費(fèi)型用戶。

• 產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)

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)。一款視頻創(chuàng)作分享型App應(yīng)用中，從開(kāi)始拍攝制作視頻到視頻的最終發(fā)布過(guò)程中，用戶往往會(huì)進(jìn)行一系列的剪輯操作；通過(guò)路徑分析，我們可以清晰的看到哪些是用戶熟知并喜愛(ài)的編輯工具，哪些操作過(guò)于冗長(zhǎng)繁瑣，這樣可以幫助我們針對(duì)性地改進(jìn)剪輯操作模塊，優(yōu)化用戶體驗(yàn)。如果在路徑分析過(guò)程中用戶的創(chuàng)作數(shù)量與用戶被點(diǎn)贊、評(píng)論以及分享的行為密切相關(guān)，就可以考慮增強(qiáng)這款A(yù)pp的社交性，增強(qiáng)用戶黏性與創(chuàng)作欲望。

3、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。

二、 路徑分析數(shù)據(jù)獲取

互聯(lián)網(wǎng)行業(yè)對(duì)數(shù)據(jù)的獲取有著得天獨(dú)厚的優(yōu)勢(shì)，路徑分析所依賴的數(shù)據(jù)主要就是服務(wù)器中的日志數(shù)據(jù)。用戶在使用App過(guò)程中的每一步都可以被記錄下來(lái)，這時(shí)候需要關(guān)注的便是優(yōu)秀的布點(diǎn)策略，它應(yīng)當(dāng)與我們所關(guān)心的業(yè)務(wù)息息相關(guān)。這里可以推薦一下諸葛io，一款基于用戶洞察的精細(xì)化運(yùn)營(yíng)分析工具；將諸葛io的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)。事實(shí)上，諸葛io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(duì)核心事件的深度分析需求，諸葛io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)，諸葛io還為開(kāi)發(fā)者們提供數(shù)據(jù)監(jiān)測(cè)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。

三、 漏斗模型與路徑分析的關(guān)系

以上提到的路徑分析與我們較為熟知的漏斗模型有相似之處，廣義上說(shuō)，漏斗模型可以看作是路徑分析中的一種特殊情況，是針對(duì)少數(shù)人為特定模塊與事件節(jié)點(diǎn)的路徑分析。

漏斗模型通常是對(duì)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＠缥覀兛梢钥吹侥迟?gòu)物App應(yīng)用的購(gòu)買(mǎi)行為在諸葛io中的漏斗轉(zhuǎn)化情況。這款購(gòu)物App平臺(tái)上，買(mǎi)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(gòu)物車(chē)、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(lái)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(duì)各個(gè)環(huán)節(jié)的轉(zhuǎn)化效率、運(yùn)營(yíng)效果及過(guò)程進(jìn)行監(jiān)控和管理，對(duì)于轉(zhuǎn)化率較低的環(huán)節(jié)進(jìn)行針對(duì)性的深入分析與改進(jìn)。其他的漏斗模型分析場(chǎng)景可以根據(jù)業(yè)務(wù)需求靈活運(yùn)用，諸葛io平臺(tái)中擁有十分強(qiáng)大的漏斗分析工具，是您充分發(fā)揮自己對(duì)于數(shù)據(jù)的想象力的平臺(tái)，歡迎參看一個(gè)基于漏斗模型的分析案例《漏斗/留存新玩兒法》。

路徑分析與漏斗模型存在不同之處，它通常是對(duì)每一個(gè)用戶的每一個(gè)行為路徑進(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)，涉及到每一步的來(lái)源與去向、每一步的轉(zhuǎn)化率?？梢哉f(shuō)，漏斗模型是事先的、人為的、主動(dòng)的設(shè)定了若干個(gè)關(guān)鍵事件節(jié)點(diǎn)路徑，而路徑分析是探索性的去挖掘整體的行為路徑，找出用戶的主流路徑，甚至可能發(fā)現(xiàn)某些事先不為人知的有趣的模式路徑。從技術(shù)手段上來(lái)看，漏斗模型簡(jiǎn)單直觀計(jì)算并展示出相關(guān)的轉(zhuǎn)化率，路徑分析會(huì)涉及到一些更為廣泛的層面。

四、路徑分析常見(jiàn)思路與方法

1、樸素的遍歷統(tǒng)計(jì)與可視化分析探索

通過(guò)解析布點(diǎn)獲得的用戶行為路徑數(shù)據(jù)，我們可以用最簡(jiǎn)單與直接的方式將每個(gè)用戶的事件路徑點(diǎn)擊流數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并用數(shù)據(jù)可視化方法將其直觀地呈現(xiàn)出來(lái)。D3.js是當(dāng)前最流行的數(shù)據(jù)可視化庫(kù)之一，我們可以利用其中的Sunburst Partition來(lái)刻畫(huà)用戶群體的事件路徑點(diǎn)擊狀況。從該圖的圓心出發(fā)，層層向外推進(jìn)，代表了用戶從開(kāi)始使用產(chǎn)品到離開(kāi)的整個(gè)行為統(tǒng)計(jì)；sunburst事件路徑圖可以快速定位用戶的主流使用路徑。通過(guò)提取特定人群或特定模塊之間的路徑數(shù)據(jù)，并使用sunburst事件路徑圖進(jìn)行分析，可以定位到更深層次的問(wèn)題。靈活使用sunburst路徑統(tǒng)計(jì)圖，是我們?cè)诼窂椒治鲋械囊淮蠓▽殹?/span>

諸葛io不僅能夠便捷獲取布點(diǎn)數(shù)據(jù)，也為客戶提供了個(gè)性化的sunburst事件路徑圖分析，并可為客戶產(chǎn)品制作定制化的產(chǎn)品分析報(bào)告。

2、基于關(guān)聯(lián)分析的序列路徑挖掘方法

提到關(guān)聯(lián)規(guī)則分析，必然免不了數(shù)據(jù)挖掘中的經(jīng)典案例“啤酒與尿布”。暫且不論“啤酒與尿布”是不是Teradata的一位經(jīng)理胡編亂造吹噓出來(lái)的“神話故事”，這個(gè)案例在一定程度上讓人們理解與懂得了購(gòu)物籃分析（關(guān)聯(lián)分析）的流程以及背后所帶來(lái)的業(yè)務(wù)價(jià)值。將超市的每個(gè)客戶一次購(gòu)買(mǎi)的所有商品看成一個(gè)購(gòu)物籃，運(yùn)用關(guān)聯(lián)規(guī)則算法分析這些存儲(chǔ)在數(shù)據(jù)庫(kù)中的購(gòu)買(mǎi)行為數(shù)據(jù)，即購(gòu)物籃分析，發(fā)現(xiàn)10%的顧客同事購(gòu)買(mǎi)了尿布與啤酒，且在所有購(gòu)買(mǎi)了尿布的顧客中，70%的人同時(shí)購(gòu)買(mǎi)了啤酒。于是超市決定將啤酒與尿布擺放在一起，結(jié)果明顯提升了銷(xiāo)售額。

我們?cè)诖瞬环翆⒚總€(gè)用戶每次使用App時(shí)操作所有事件點(diǎn)看成“購(gòu)物籃”中的“一系列商品”，與上面提到的購(gòu)物籃不同的是，這里的所有事件點(diǎn)擊行為都是存在嚴(yán)格的前后事件順序的。我們可以通過(guò)改進(jìn)關(guān)聯(lián)規(guī)則中的Apriori或FP-Growth算法，使其可以挖掘存在嚴(yán)格先后順序的頻繁用戶行為路徑，不失為一種重要的用戶路徑分析思路。我們可以仔細(xì)考量發(fā)掘出來(lái)的規(guī)則序列路徑所體現(xiàn)的產(chǎn)品業(yè)務(wù)邏輯，也可以比較分析不同用戶群體之間的規(guī)則序列路徑。

• 社會(huì)網(wǎng)絡(luò)分析（或鏈接分析）

早期的搜索引擎主要基于檢索網(wǎng)頁(yè)內(nèi)容與用戶查詢的相似性或者通過(guò)查找搜索引擎中被索引過(guò)的頁(yè)面為用戶查找相關(guān)的網(wǎng)頁(yè)，隨著90年代中后期互聯(lián)網(wǎng)網(wǎng)頁(yè)數(shù)量的爆炸式增長(zhǎng)，早期的策略不再有效，無(wú)法對(duì)大量的相似網(wǎng)頁(yè)給出合理的排序搜索結(jié)果。現(xiàn)今的搜索引擎巨頭如Google、百度都采用了基于鏈接分析的搜索引擎算法來(lái)作為這個(gè)問(wèn)題解決方法之一。網(wǎng)頁(yè)與網(wǎng)頁(yè)之間通過(guò)超鏈接結(jié)合在一起，如同微博上的社交網(wǎng)絡(luò)通過(guò)關(guān)注行為連接起來(lái)，社交網(wǎng)絡(luò)中有影響力很大的知名權(quán)威大V們，互聯(lián)網(wǎng)上也存在著重要性或共識(shí)性很高的網(wǎng)頁(yè)。將共識(shí)性較高的網(wǎng)頁(yè)提供到搜索引擎結(jié)果的前面，使得搜索的效果更佳。

我們將社交網(wǎng)絡(luò)中的人看作一個(gè)個(gè)節(jié)點(diǎn)，將互聯(lián)網(wǎng)中的網(wǎng)頁(yè)看作一個(gè)個(gè)節(jié)點(diǎn)，甚至可以將我們的App產(chǎn)品中的每一個(gè)模塊事件看作一個(gè)個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)與節(jié)點(diǎn)之間通過(guò)各自的方式連接組成了一個(gè)特定的網(wǎng)絡(luò)圖，以下將基于這些網(wǎng)絡(luò)結(jié)構(gòu)的分析方法統(tǒng)稱為社會(huì)網(wǎng)絡(luò)分析。

社會(huì)網(wǎng)絡(luò)分析中存在一些較為常見(jiàn)的分析方法可以運(yùn)用到我們的路徑分析中來(lái)，如節(jié)點(diǎn)的中心性分析，節(jié)點(diǎn)的影響力建模，社區(qū)發(fā)現(xiàn)等。通過(guò)中心性分析，我們可以去探索哪些模塊事件處于中心地位，或者作為樞紐連接了兩大類(lèi)模塊事件，或者成為大多數(shù)模塊事件的最終到達(dá)目的地。通過(guò)社區(qū)發(fā)現(xiàn)，我們可以去探索這個(gè)社會(huì)網(wǎng)絡(luò)中是否存在一些“小圈子”，即用戶總是喜歡去操作的一小部分行為路徑，而該部分路徑又與其他大部分模塊相對(duì)獨(dú)立。