本文视频

如何通过数据分析掌握用户行为(用户行为数据分析)(1)

你好,我是陈成,是一名咨询顾问,也是一名数字化管理师,很高兴和你交流关于用户行为数据分析的话题。怎样从模糊的定性分析转换到科学的定量分析?通过这期视频,我会和你分享三个方法。

如何通过数据分析掌握用户行为(用户行为数据分析)(2)

关于用户行为数据分析,有一条完整的发展曲线,从原始数据到清洗后的数据,从标准化的报告到专题报告,这个过程可以告诉企业的管理者,自己的业务正在发生什么,以及是什么原因导致了这样的结果.再继续发展,数据就有可能告诉你未来将会发生什么?最优化的策略是什么?

之前关注我的朋友可能经常听我说到,我最喜欢的数据是人的数据,以及人的行为数据,包括用户的行为数据和内部工作人员,比如说销售的行为数据。其中用户行为数据有着最直接也最强的商业驱动力,同时也有着最大的优化空间。但是在现实中,我们经常见到一些人对于用户的分析,还处于模糊的定性的层面,因此带来的决策往往也是经验主义的,拍脑袋式的决策。

如何通过数据分析掌握用户行为(用户行为数据分析)(3)

今天就和大家聊一聊,如何从模糊的定性的分析转换到科学的定量的分析。但是我们的讨论,不是基于一种条件齐全完美状态下进行的完整的数据分析的流程,而是基于中小规模企业、to b 类型企业或者传统企业,以及数据分析的早期阶段,在条件资源都不充分的情况之下,如何先强化用户行为数据分析的思维。

如何通过数据分析掌握用户行为(用户行为数据分析)(4)

分享方法之前,我们先明确两点基础,什么是用户行为数据,什么是数据分析。先说什么是用户行为数据,从狭义的角度,与用户相关的数据可以分为三大类,包括用户的属性数据,用户的行为数据和用户的交易数据。怎么区分这三类数据呢?大家应该都听说过5W2H的模型,可以通过这个模型做一个简单的对应。用户的属性数据就是这个人是谁,他有什么需求;用户的行为数据包括他在什么时候,在哪里,做了什么,怎么做的。但是如果从广义的角度来讨论用户的行为数据,其实这些都算是用户的行为数据。关于这个分类的具体内容,后面我们还会再提到。

如何通过数据分析掌握用户行为(用户行为数据分析)(5)

用户行为数据的价值可以总结为两方面。一方面是理解过去,指导现在,另一方面是帮助我们预测未来以及引导未来。前面简单说了什么是用户行为数据,下面再说第二点基础,什么是数据分析。

如何通过数据分析掌握用户行为(用户行为数据分析)(6)

数据分析是数据管理的重要部分。一般数据管理主要分为四个阶段,包括数据规划、数据采集、数据分析和数据应用四个阶段。以终为始,从数据应用提出需求到启动规划四个阶段,整体上也符合二八原则。数据规划数据采集花费80%的精力创造20%的价值。

在四个阶段当中,最重要的是数据应用,最关键的是数据分析。为什么我说数据分析是最关键的环节呢?首先它处于承上启下的位置,一方面可以正向的驱动数据应用,另一方面可以反向的驱动数据规划和数据的采集。

现实中我们很难一上来就做好明确的数据规划,并且根据规划去做数据采集。一种可行的路径是先进行较低层次的数据分析。在分析的过程当中不断地提出自己新的需求。

即便是有了相对完善的数据规划和数据采集,到了数据分析的环节,仍然存在很多的痛点,包括只有宏观,没有重点或者陷入细节忽略全局,也有可能错把相关当成因果。最后一点是依靠直觉轻视科学,就是前面说的模糊的决策,经验主义的拍脑袋式的决策。

如何通过数据分析掌握用户行为(用户行为数据分析)(7)

那么作为一个新手,如何进行定量的用户行为数据分析,并且用来指导决策呢?下面开始给大家分享三个方法。

如何通过数据分析掌握用户行为(用户行为数据分析)(8)

第一个方法是侧重行为数据。这句话听起来是不是有点奇怪,明明在说如何进行用户行为数据分析,怎么第一个方法就是侧重行为数据分析呢?是因为根据我的观察,在现实中大部分人往往都优先侧重于属性数据和交易数据。因为这两类数据都比较容易采集,比如c r m 客户管理系统基本上只会采集客户是谁的属性数据,很少会有行为数据。另一方面,很多管理者打着结果导向的名义,只关注交易数据,而忽略了过程。其实你很难单纯地依靠静态的属性数据或者结果化的交易数据来指导决策。今天的重点也不仅仅是行为数据,而是如何量化的进行行为数据的分析。

事实上只要你关注行为数据,它必然是量化的。比如时间不仅包括具体的时间点,还包括时长、频率、频次。地点还包括从哪里来到哪里去,至于做什么和怎么做,都可以从内容、产品和功能三个维度进行分析。

如何通过数据分析掌握用户行为(用户行为数据分析)(9)

下面介绍第二个方法,分析关键的行为数据。这里给大家介绍一个关键行为坐标,横坐标是你的用户数量,可以分为极少人,部分人,大部分人和绝大部分人,纵坐标是用户的使用频率,从低到高可以分为很少使用,有时候使用,经常使用和一直使用四个类型,这样我们就得到了一个关键行为的坐标。

在这个坐标里首先要关注三类极值数据,我用红色标注出来,分别是很少人,但是一直在使用,所有人几乎很少使用,以及几乎所有人一直都在使用这三种情况。除了这三类极值数据,我还用黄色标注出两类常态化的关键位置。几乎所有人经常使用和大部分人一直在使用这两类。

现实中,业务部门常常只讨论个别案例,很少对全量数据进行归类,一旦对事件进行归类,这个过程必然也是量化的。

如何通过数据分析掌握用户行为(用户行为数据分析)(10)

再来说一下第三个方法,关注失利数据。

这里我提到的失利数据,包括没有成交的数据,也包括成交了,但是没有按照预期方式或者预期时间来成交的数据。现实中,我们常常只关注成交了的成功的数据,不自觉地陷入到某种光环效应当中。成功者说什么都是对的,实际的情况真的是如此吗?那些成功真的是可以复制的吗?因此我建议你多关注这些私立数据当中的行为数据,他们在什么时间,哪个位置离开了你的交易环境,他们还说了什么,做了什么,以及他们为什么没有按照预期的计划来完成交易。

你可不要说只要成交了就行,管他是不是按预期的达成。如果你是这么想,你也会陷入到模糊的数据分析和拍脑袋思的经验主义的决策。别忘了这期的主题如何从定性的数据分析转换到定量的数据分析。给你分享的三个方法,更多的是一种思维方式和切入点,至于更具体的数据分析的方法和数据分析的模型,可以根据你所在的行业具体的场景找到针对性的方法,然后别忘了要通过实验来优化。

今天的分享就先到这里,最后我再补充两句,为数小而不为,以数据分析为支点,撬起数字化转型的杠杆。更多更具体的内容,我们下期再见,谢谢你的关注,也欢迎你给我留言。我们可以做进一步的交流。

,