一、什么是用户运营

用户运营是指基于用户全生命周期的管理活动，旨在提高用户价值和提升销售额。以逛街购物为例，商家会通过广告等方式吸引用户注意，引导用户完成购买，并在用户购买过程中提供优质服务，让用户实现消费。在用户生命周期有限的情况下，商家需要通过用户运营手段，尽可能让用户掏更多的钱，从而提升销售额。

用户运营的目的是提高用户转化率和提高用户价值。商家可以在用户全生命周期的各个环节采取相应的运营动作，例如引导用户完成注册、首单、提高用户活跃度等。这些运营动作的目的都是为了提高用户的价值，从而提升销售额。

概括来说，用户分析是指通过对用户行为、数据等进行分析，来提高某些环节的效率。

二、常见用户分析方法

1、用户属性分析

在用户属性分析方面，主要解决的问题是商家对用户的认知和理解，以及如何将有限的资源分配给最有价值的用户。用户分析分为四个常见的场景：用户特征、用户画像、用户分群和用户分层。

用户特征分析

用户特征分析旨在揭示人群特点，帮助了解产品消费人群或不同人群间的异同。推荐的分析方法是对比分析和可视化决策树。

在用户特征分析中，所有特征都是通过对比得出的。在分析报告中，如果只给出单一人群的特点，则缺乏说服力。实际操作中，应将目标人群与参照人群进行对比，以得出更准确的结论。例如，在分析双11活动中复购人群的特征时，应将其与未复购人群进行对比。

对比分析之后推荐采用可视化决策树的方法。可视化决策树是一种机器学习方法，将复购人群和未复购人群标记为0和1，并将各级特征放到可视化决策树中，以查看每个特征的值分布。这种方法具有很强的可解释性，业务人员可以直观地看出每个特征的分值，从而更好地理解分析结果。

用户画像

用户画像解决的问题是商家想知道使用其产品的人是谁。与用户特征分析不同，用户画像是一种基于定性描述的分析方法。在用户画像中，TGI指标很重要，用于计算用户群中各个指标的趋势强度，一般TGI大于100表示在该方面有明显特征。

用户分群

用户分群是将人群划分成几个部分，以便为不同的营销方案制定策略。有两种方法可以实现用户分群：业务逻辑和聚类算法。业务逻辑基于对用户的洞察，而聚类算法则使用常见的k-means算法等技术。后文中会具体介绍这种方法。

用户分层

用户分层与用户分群不同，它将人群分成不同的等级，以便为不同的用户提供不同的服务和资源分配。用户分层可以解决如何分配资源的问题，并可以为某些用户提供优先权。在用户分层中，标准思维非常重要，需要根据一定的标准来衡量用户。帕累托法则是一种常用的方法，根据用户的行为累积值将人群分成不同的部分。同时在用户分层中，也经常会使用到用户属性分析方法。

2、用户行为分析

在用户行为分析方面，主要解决的问题是了解用户的行为模式和偏好，从而优化产品和服务，提高用户满意度和忠诚度。这里分为四个场景：用户的Aha时刻、用户留存、用户流失、用户生命周期价值。

用户的Aha时刻

用户的Aha时刻解决的问题是找到魔法数字，也就是边际效用分界点。

用户留存

用户留存解决的是新用户留存提升的问题，如何让新用户在一定时间内尽可能地活跃。用户留存分析通常使用统计群分析方法，将某一时间点进入的人群圈起来，并跟踪随时间变化的情况。

用户流失

用户流失是很多商家头疼的问题，但如果能够提前预测到哪些用户可能会流失，就可以提前进行干预。对于已经流失的用户，可以分析流失原因来制定召回策略。用户流失分析有时需要使用机器学习方法，如回归分析。

用户生命周期价值

【APP用户分析】如何分析活跃用户和留存用户？

一个APP最根本的便是用户，那么当然用户也分许多种类，比如活跃用户、留存用户、流失用户等等，那么一般情况下又是怎么来分析活跃用户和留存用户的呢？下面燕麦企业云盘（OATOS）小编将带你详细了解如何分析这些用户行为，从而为企业做出正确的决策提供参考。 活跃用户和留存用户的概念活跃用户 用户每天既会不断新增，也会不断流失，如果单独只看每日活跃用户数，是很难发现问题的本质的，所以通常会结合活跃率和整个APP的生命周期来看。 活跃率是指活跃用户/总用户，通过这个比值可以了解你的用户的整体活跃度，但随着时间周期的加长，用户活跃率总是在逐渐下降的，所以经过一个长生命周期（3个月或半年）的沉淀，用户的活跃率还能稳定保持到5%-10%，则是一个非常好的用户活跃的表现，当然也不能完全套用，得视产品特点来看。 留存用户 留存用户和留存率通常反映了不同时期获得的用户流失的情况，分析这个结果往往是为了找到用户流失的具体原因。 留存用户的留存指标 次日留存：因为都是新用户，所以结合产品的新手引导设计和新用户转化路径来分析用户的流失原因，通过不断的修改和调整来降低用户流失，提升次日留存率，通常这个数字如果达到了40%就表示产品非常优秀了。 周留存：在这个时间段里，用户通常会经历一个完整的使用和体验周期，如果在这个阶段用户能够留下来，就有可能成为忠诚度较高的用户。 月留存：通常移动APP的迭代周期为2-4周一个版本，所以月留存是能够反映出一个版本的用户留存情况，一个版本的更新，总是会或多或少的影响用户的体验，所以通过比较月留存率能够判断出每个版本更新是否对用户有影响。 活跃度和留存率是需要结合 在数据分析里，分析活跃和留存的思路是这样的： 这样我们就知道某个月新注册的用户在接下来的第一个月的留存情况怎么样，在第二个月里的活跃和留存情况如何。 其次，也可以对比不同渠道的来看，比如，选取样本的时候，我们就看A和B渠道（比如说seo或者sem）进来的用户有什么区别: 结果就是A渠道用户的质量要比B渠道好很多。 再次，我们也可以看产品的改版是否改进了体验，那就成了这样：用户随时间推移的留存变化的三个时期流失期——用户新进入后的前几天是流失量最大的时期，留存率显著下降，是流失期。 其中第一天的留存率被称为“首日留存率”。 蒸馏期——在经过几天大幅度流失后，用户留存会进入小幅度下降时期，这就如同是蒸馏过程，是蒸馏期。 稳定期——经过一段时间蒸馏后，用户留存会呈现出一种很稳定的态势，不会有明显的增减，可称为稳定期，这段时间会保持较长时间。 在行业中，很多应用都很重视首日留存率这项指标，这是对应用质量的直接反映，这项指标还可以在一定程度上说明用户首次体验的满意度。 若从总体来看应用的留存，应该看进入稳定期后的平均留存，这才是应用日留存率的真实水平。 留存稳定期所保留下的用户，是最有价值的，他们提供了大量的流量，相对其他用户各项转化率也会更高。 另一个需要关注的问题是留存要经过多久进入稳定期。 应用通常都会通过一些运营手段(如用户引导、每日奖励等)来减缓流失，如果你应用的留存曲线很快就进入了稳定期，留存也很低，那就需要好好反思一下运营的什么方面出了问题。

产品经理如何做用户行为分析？

在这个每个互联网人都在谈论数据，每个产品经理都在谈论数据分析的时代，用户行为分析的重要性也越来越凸显出来，那么产品经理如何做用户行为分析呢？接下来将为大家进行分享。

一、为什么要做用户行为分析

观点一：有些功能整个平台用户都希望做，是没有必要耗费人力评估的，只要做了就可以了。用户行为分析是形式，不能为了分析而分析。观点二：我都在这个行业做了这么多年了，用户需要什么难道我不知道吗？我本身就是用户，我可以代表他们，我的需求就是他们的需求目标。观点三：只需要做充分的调研分析就可以了，比如需求调研，产品使用调研，多找找目标用户，多让他们提一些反馈意见，根据反馈来做修改即可。观点四：不要总是顺着用户的意思去做产品。产品设计的核心是产品经理的想法，而不是用户的看法。

以上观点其实都是错误的，如果产品经理有这样的想法，会对自己极为不利。下面我们来看两个案例：

案例一：Growing IO 改版前后对比

视频介绍功能是所有用户都想要的，于是Growing IO毫不犹豫地把视频放在了首页，然后注册转化率下降了50%，持续观察两个周，注册转化率仍然没有显著增长，回滚到上个版本，注册转化率逐渐恢复。结论：

部分用户的观点无法代表全体用户的真实感受，视频介绍可能是伪需求。产品经理的主观感受无法代表用户的真实体验，任何人都无法代表用户。视频介绍分散了用户的注意力，导致首页注册转化率大幅度下跌。

案例二：Facebook改版之后再回滚

Facebook经过改版之后，页面更清爽了，展示面积更大了，突出了图片以及视频，展示信息更丰富，Facebook的产品经理、交互设计师都对这一版本非常有信心。然而10%灰度发布之后，用户平均在线时长降低50%，一个月后，数据仍然没有好转。

互联网产品要以数据为导向，而不仅仅凭借自己的主观感觉。产品设计过于超前了，产品版本迭代版本之间没有一定的过渡，用户无法习惯。

因此可以说，数据分析在日常工作中起到的是必不可少的作用。1、用户行为分析不是形式化，不是为了分析而分析，哪怕是核心用户提出的需求，也要通过数据来验证，任何人都无法代表真正的用户。2、产品经理要有自我革新，自我否定的意识。用户的需求是变的，不能太过于依赖过往的经验，过往的经验不可靠，只有数据最可靠。3、用户分析调研是一方面，只是为产品提供思路，但是是否有利于产品长期发展还是要通过数据来说话。4、用户端产品要以用户体验为核心，以数据为导向。

二、数据指标与名词含义

2、PV：PV（page view）即页面浏览量或点击量，指页面刷新的次数，每一次页面刷新，就算做一次PV流量。

3、UV：UV（unique visitor）即独立访客数，在同一天内，UV只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。PV与UV的比值一定程度上反映产品的粘性，比值越高往往粘性越高。

4、IP数：IP数即独立IP的访问用户数，指1天内使用不同IP地址的用户访问网站的数量。IP数字与UV可能不同（可大可小可相等）

5、日活/月活：每日活跃用户数（DAU）/每月活跃用户数（MAU），反映的是网站或者APP的用户活跃程度，用户粘性。

6、次日留存/次月留存：次日留存、次月留存反映的是网站或者APP的留存率。

7、用户保有率：指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率，也叫用户留存。

8、转化率/流失率：转化率一般用来统计两个流程之间的转化比例。其中流失率也是重要的数据指标。用户流失率=总流失用户数/总用户数。

9、跳出率：指用户到达网站上且仅浏览了一个页面就离开的访问次数（PV）与所有访问次数的百分比。跳出率越高说明越不受欢迎。

10、退出率：对某一个特定的页面而言，从这个页面离开网站的访问数（PV）占这个页面的访问数的百分比。跳出率适用于访问的着陆页（即用户访问的第一个页面），而退出率则适用于任何访问退出的页面。

11、使用时长：每天用户使用的时间。对于游戏或者是社交产品来说，使用时间越长，说明用户越喜欢。一般来说，使用时长越短说明产品粘性越差，用户越不喜欢。

12、ARPU：Average Revenue Per User，每用户平均收入在一定时间内，ARPU=总收入/用户数。

三、如何做用户行为分析――三大理念

1、要树立以数据为驱动的价值观

要树立以数据为驱动的价值观，充分认可数据的价值。工作定位：统计、助力、优化、创新。商业变现是最根本目标：用户使用产生数据商业变现

2、要有用户行为分析方法论

在用户行为分析中，越底层产生的价值越低，越顶层产生的价值越高。做用户行为分析应该把重心放在最有价值的分析和决策两个层面。将更多的时间放在分析以及应用上，而不是数据采集上。

AARRR模型，我们在做用户行为分析的时候，应该考虑用户正处在AARRR模型的哪个部分、关键数据指标是什么、对应的分析方法又是什么。

当我们对产品有一个idea的时候，采用MVP的方式将其构建，功能上线后，衡量用户和市场反应，从而不断学习优化

3、要用功能强大的用户行为分析工具

比如Google analysis、神策数据、Growing IO等等

四、如何做用户行为分析――八大方法

1、内外因素分析

该方法有助于快速定位问题。例如一款金融类产品UV下降，快速分析相关原因。内部可控因素：渠道变化、近期上线更新版本、内部不可控因素：公司战略变更、外部可控因素：淡旺季、外部不可控因素：监管。

2、事件分析

事件维度：用户在产品中的行为以及业务过程。指标：具体的数值，访客、地址、浏览量（PV、UV）、停留时长。趋势分析：分析各个事件的趋势

通过事件分析，比如分析用户的在线时长、点击事件、下载事件等等，然后分析用户的行为。并且通过各类图标来分析用户的行为趋势，从而对用户的行为有初步的了解。

3、试点分析

说白了就是，当发现一个问题之后，不要那么着急去解决，而是只想一个解决办法，然后灰度发布，如果灰度发布的人群数据比较好，那么就推往整个用户群。

这是一种从一个具体问题拆分到整体影响，从单一解决方案找到一个规模化解决方案的方式。

4、漏斗模型

漏斗模型是最常用的分析方法，可以广泛应用于流量监控、产品目标转化等日常数据运营工作中。要根据实际需要来确定是否有做漏斗分析的必要，比如用户注册过程、下单过程这些主要流程，就需要用漏斗模型来进行分析，尤其是需要分析用户在哪个环节流失最严重。

5、留存分析

通过留存分析，分析用户的次日留存、次周留存、次月留存等等，次日留存率能够说明用户对这款产品是否有持续使用的兴趣，对于社交、游戏类产品来说，次日留存率非常重要。

6、行为轨迹分析

只通过PV、UV 分析以及退出率分析是无法找到大部分用户是怎么去使用这款产品的。只有通过记录用户的行为轨迹，才能够关注用户真正如何去使用这款产品的。用户体验设计是对用户行为的设计，通过行为轨迹分析，能够帮助产品经理设计出来的产品直达用户内心。

例：通过用户行为轨迹分析发现，大部分用户支付转化率不高并不是退出了，而是返回了上一个页面，猜测：当前页面信息不足，用户在犹豫，想返回上一个页面再了解一下产品。

A/B test是一种产品优化方法，AB测试本质上是个分离式组间实验，将A与B两个不同的版本同时发往两个几乎一致的用户群，来观测这两个用户群的数据反馈。

A/B test是一种“先验”的实验体系，属于预测型结论，与“后验”的归纳性结论差别巨大。A/B测试的目的在于通过科学的实验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的实验结论，并确信该结论在推广到全部流量可信。

8、点击分析

通过点击分析，能够直观地看出来在这个页面中，用户的注意力都集中在哪些地方，用户最常用的功能是什么。方便产品经理对用户行为形成整体的了解，有助于产品经理引导用户往自己想要的方向去操作。

以上就是我个人总结的产品经理用户行为分析的方法，欢迎大家来补充、交流。

作者：秦时明月，互联网现金贷产品经理、互联网保险产品经理。

题图来自 unsplash，基于 CC0协议