2.5.4　用户行为分析

分析用户行为后，我们才能知道用户在App上登录、点击、申请授信以及借款等行为背后的动机。用户行为分析帮助业务人员了解渠道质量、用户转化、用户怎么流失、为什么流失、在哪里流失，进而优化产品分析和实现精准营销。

用户行为由最简单的5方面数据组成，即时间、地点、用户、行为、交互。

对用户行为进行分析，要将其定义为各种事件。比如，用户登录是一个事件，在什么时间、什么平台上、哪一个用户名或手机号做了信息录入，录入的内容是什么，这是一个完整的事件，也是对用户行为的一个定义。我们可以在App中定义无数个这样的事件。

有了这样的事件以后，我们就可以把用户行为连起来观察。用户首次进入App后就是一个新用户，他可能要注册，那么注册行为就是一个事件；注册之后可能开始申请借款，所有这些都是用户行为事件。

一个完整、多维、精确的用户画像等于用户行为数据+用户属性/标签数据。

用户行为数据包括注册、登录、输入、点击等动作。

用户属性数据包括月入15 000元、27岁、女性、已婚、本科等个人信息。

1.用户行为分析的意义

（1）获客

在营销推广中，什么渠道带来的流量最高，渠道的ROI如何，不同活动和投放的转化率如何，这些都需要我们对用户行为进行详细分析。

用户行为分析的根本目的是降低渠道成本，提升渠道的用户转化能力。公司对接的产品推广渠道越来越多，则可能会存在获客成本增高、获客质量降低、维护成本增高等情况。我们需要分析各渠道用户登录和注册转化、成功通过授信、借款、正常还款的用户，合理计算各渠道的ROI。

各渠道是获客的第一步，通过系统自动识别和自定义渠道，分析每一个渠道的留存、转化效果。通过用户行为分析平台，可以很方便地统计和分析App的各个下载渠道；通过对渠道的多维分析、活动名称、展示媒介、广告内容、关键词和着陆页进行交叉分析，可以甄别优质渠道和劣质渠道，精细化追踪，提高渠道的ROI。通过渠道质量模型，可以制定相应的渠道获客和投放策略，如图2-31所示。

（2）漏斗

用户使用路径中的每个环节都会有用户流失，我们可以通过漏斗直观地分析每个环节的用户流失率，并判断是否正常。比如，从App下载、注册、登录、绑卡、认证、申请审批到借款——整个用户可能产生价值的阶段，通过漏斗知道用户的具体行业，对转化率过低、流失人群进行分析，发现具体的原因。

图2-31　渠道质量模型

（3）留存

基于用户行为，我们可以进行精细化留存评估。根据产品特性自定义用户留存，如将用户登录后去申请授信、借款、理财或还款的行为定义为一次活跃。用户的活跃度和用户留存能反映产品质量、运营效果。

用户一般不会突然流失，会有一些细微、特别的行为，我们要去跟踪用户的行为，分析用户的使用习惯，判断使用行为有没有下降、哪些行为下降。

留存是运营的重要环节之一，只有做好了留存，才能避免新用户在注册后流失。这就好像一个不断漏水的篮子，如果不去修补底下的裂缝，而只顾着往里倒水，是很难获得用户持续增长的。

（4）精准营销

通过注册转化、产品申请转化、流失等数据分析产品的发展方向和运营优化空间。通过对用户行为的分析，合理地进行用户分群、用户分层，进而制定不同阶段的营销手段和策略。

2.如何进行用户行为分析

（1）数据采集

要想做好分析，必须要有足够的数据作支撑，这就涉及数据采集。例如，我们要想获取用户的某个行为数据，就需要在相应的按钮、页面、功能等模块加入监测代码，这样才能知道有多少人点击了这个按钮或打开了页面。

数据采集主要通过代码埋点和可视化埋点两种方式，如图2-32所示。

图2-32　数据采集

通常情况下，所有的埋点都应该可以获取到通用属性。这类属性作为最基本的数据，做分析时有关键作用，如图2-33所示。

图2-33　通用属性

埋点时要收集的相关用户属性如图2-34所示。

图2-34　用户属性

做App埋点时，要详细分析产品流程中所有的功能点，对功能点进行细分，尽可能把用户操作的轨迹都保留下来，如图2-35所示。

图2-35　用户操作事件

（2）行为分析

用户行为分析包括事件分析、漏斗分析、留存分析、路径分析。

用户在使用App时的行为通常称为事件。我们可以把相关业务功能和用户行为都抽象为事件。一般来说，事件通过埋点来获得，如图2-36所示。

漏斗分析是指分析用户在使用产品过程中，各关键环节之间的转化率和流失率，如图2-37所示。

通常，我们会通过拉新把客户吸引过来，但是经过一段时间可能就会有一部分客户逐渐流失了。那些使用我们App的人或者经常回访我们App的人就被称为留存用户。在一段时间内，比如5～7天，对App有过任意行为的用户，称为该App在这段时间内的活跃用户。这个任意行为可以是打开App、登录、注册、申请贷款等。

留存分析定义的指标如下所示。

图2-36　埋点采集事件

图2-37　漏斗分析

·流失用户：一段时间内没有再打开产品的用户，称为流失用户。根据金融产品的属性，我们可以按30天、60天等进行划分。用户并不会高频使用互联网消费金融产品，一般来说每月登录或使用一次属于正常。

·不活跃用户：一段时间内没有打开产品的用户。为了和流失用户区分开来，我们需要选择无交集的时间范围。比如流失用户是60天以上没打开产品，那么不活跃则是0～60天没打开。

·回流用户：有一段时间没用产品，之后突然回来再次使用的用户，称为回流用户。回流用户是活跃用户，且是由流失用户或不活跃用户转化来的。

·活跃用户：互联网领域一般定义为某一段时间内使用过产品的用户，金融产品领域可以定义为30天内使用过产品的用户。

·忠诚用户：也可称为特别活跃的用户，一般定义为每个月都打开产品而且重复使用两次产品的用户。

针对不同的活跃群体进行分析，比如用户用得好好的为什么不活跃了？什么样的用户能成为忠诚用户？什么样的用户会流失？对于这些问题，我们需要针对自己的产品和业务进行专门的分析，如图2-38所示。

图2-38　留存分析

用户来到你的平台后，通常会沿着不同的路径去使用你的产品。通过对用户行为路径的分析，我们可以看到用户最常用的功能和使用路径，了解用户登录App后分别做了哪些行为，以及是在哪个环节离开的。

分析用户在App各个功能模块的路径规律与特点，挖掘用户的访问或点击模式，进而实现一些特定的业务用途，如App认证、理财或贷款功能的到达率提升、App产品设计的优化与改版等，如图2-39所示。

图2-39　用户行为路径

客户使用消费金融产品时的关注点并不在于具体哪款产品，而在于产品能为他们带来什么。因此，我们需要以客户为中心，将客户需求置于客户体验的首位，根据客户旅程来提供服务。

想要重新定义客户旅程，首先需要基于大量用户数据来分析和预测用户行为，服务用户的同时降低产品运营成本、提高运营效率，并且使客户信任我们。