大家好，我是理哥，今天給大家推薦的是用戶分析體系，希望對大家有幫助。

用戶分析，是當前數據分析領域最熱門的話題了。不管是互聯網企業還是傳統企業，都在問題：

我的用戶是誰？ 用戶從哪里來？ 用戶做了什么？ 用戶會到哪去？

幾乎所有部門，都會用到用戶分析的結論，所以用戶分析，在整個分析體系中，是最基礎的環節（如下圖）。

今天就簡單分享一下，用戶分析該怎做。

一、用戶分析做什么？

用戶分析解答四個問題

用戶特征是什么（我的用戶是誰？）

從哪里獲得用戶（用戶從哪里來？）

用戶的活躍行為（用戶做了什么？）

用戶的行為預測（用戶會到哪去？）

這樣做完分析以后，就能對用戶狀況有清晰的了解，還能根據預測結果，做出針對性的服務/營銷動作。用戶分析，可謂是人人都喜歡看。

二、用戶特征分析

用戶特征分析，就是把用戶基礎的性別、年齡、職業、收入、家庭地址、興趣愛好……等展示出來，告訴大家我們的用戶是什么樣的。但是這部分受數據來源局限，實際工作中，很多公司無法記錄到足夠多的真實數據。所以，有哪些數據就展示哪些吧，無法強求。

但是，有一項特征分析，是一定能做的，就是：消費分層。用分層分析法，對用戶消費進行分層，識別出哪些用戶消費很高，哪些很低。這個結果，在后邊的各個分析中都能用到。并且，特定的消費分層機構，會影響到后邊運營思路（如下圖）。

傳送門：九大數據分析方法：分層分析法

三、用戶來源分析

用戶來源分析，就是從獲取用戶角度，把用戶來源渠道、轉化路徑，結合用戶消費分層與用戶特征進行分析。從而識別出：

哪個渠道獲客效率更高

高價值的用戶在哪里集中

獲取用戶的方式，是否能進一步優化

用戶來源分析，對于廣告投放、銷售培訓、市場推廣都有重要意義，因此備受關注。

四、用戶行為分析

用戶行為分析，針對已經注冊，具有ID的用戶，分析其活躍行為，包括：

用戶消費行為：用戶買了多少錢、買了什么貨、上次消費距今多久了

用戶咨詢行為：用戶向客服咨詢了什么問題，投訴了什么問題

用戶互動行為：用戶瀏覽了什么內容、點擊了什么頁面、看了什么直播

這里最重要的就是消費行為。大部分公司都是依靠用戶消費賺取利潤的，運營/營銷的策略，也是從消費行為分析里推導出來的。更好的是：用戶消費數據一定有完整的記錄，所以可以做很多分析。比如經典的RFM模型，就是針對消費行為進行分析（如下圖）。

傳送門：夠清楚！用戶分層與RFM模型可以這么做

用戶咨詢行為，一般是通過客服/門店收集的，即使傳統企業也能拿到這部分數據。用戶咨詢數據量不會很大（發起咨詢的用戶，只占全量的1%左右），但是意義很大。因為會發起咨詢，就說明用戶有強烈的意愿。

如果咨詢的是活動信息，就說明活動宣傳有問題，用戶看不懂。

如果咨詢的是商品信息，就說明有些用戶對該商品有特殊興趣。

如果投訴的是產品質量，那就得趕緊處理，避免事態升級。

用戶互動行為，在互聯網行業很普遍(傳統線下門店記錄不到這些數據)。通過埋點數據，可以獲得用戶點擊、瀏覽、觀看等數據，這些數據，零散地看可能意義不大，但是匯總起來，能形成很有意義的分析。

比如：

分析用戶在交易過程中行為，找到提升交易概率的關鍵

分析用戶對內容點擊瀏覽行為，找到用戶的興趣點以提升留存

分析用戶對商品/活動信息的瀏覽行為，找到用戶購買需求

在用戶互動行為上，分析模型也很多。比如勾畫用戶站內行為的UJM模型，比如找用戶關鍵行為的“魔法數字”分析方法等等。有機會再跟大家一一分享。

除了單獨的用戶行為分析，用戶行為數據，可以作為建模的輸入素材，訓練更多的模型。

五、用戶行為預測

用戶行為預測包含宏觀、微觀兩個層面。

宏觀層面，針對用戶群體總量進行預測，比如預測整體上用戶會流失多大比例，用戶增長到什么規模，活躍用戶預計是什么水平。通過宏觀預測，能指導企業整體經營計劃的制定。預測宏觀數據的方法相對簡單，可以用之前介紹的時間序列方法，也能直接擬合曲線/按比例推算（如下圖）。

微觀層面，則是對每一個用戶的行為進行預測，包括

預測用戶是否消費：找出不消費的用戶，進行激活

預測用戶是否流失：對于高流失概率的用戶，體現促活

預測用戶需求：通過關聯規則、協同規律，找用戶可能購買的產品

這些模型能直接指導業務動作，意義很大。但是建模本身需要較多基礎數據積累。而數據積累又恰恰是很多企業最大的軟肋，所以這一部分分析，大家量力而行。

六、小結

今時今日，各個部門遇到點問題，都會問：

是不是用戶不喜歡？ 是不是沒找對用戶？ 是不是用戶行為有變化？

所以，用戶分析可以展開講的內容太多了，幾乎與每一類分析都有點關系。