推荐这4个方面 用户行为数据分析产品有哪些( 四 )


2 。触摸热图
从个体到整体的热图 。目前似乎还没有看到触摸热图与用户细分相结合的功能 。
3 。分析报告(应用内分析)
除了上面显示的概述 , 还有让我流口水的页面路径和转换漏斗 。页面路径可以显示每个屏幕的图片啊啊啊啊啊啊啊……我不用看英文名字就能搞清楚是什么页面 。转化漏斗更简单 , 但结合简单的用户细分 , 还是能看出新老用户的转化差异 。加强一些用户细分就更好了 。
首先 , 聚焦“消费者体验改善”领域 , 数据产品大有可为 , 如下图所示:
为了提升消费者体验:
1 。先搞清楚现状:
消费者到底哪里体验不好 , 或者哪里不满意 , 首先需要有数据——这里的数据不需要局限于具体的数字指标 , 用户的声音、用户的反馈都可以看作数据 。然后这一步就是为后续的分析挖掘提供原材料 , 同时做一些可视化的工作 。一般来说 , 大量的数据可以帮助我们还原现实:
用户的声音(通过问卷、反馈或客户服务系统提交的直接需求)
用户的行为(与声音相比 , 行为的收集成本更高 , 但与声音相比 , 行为有时更能反映用户的真实需求 。用户的行为主要体现在点击、追踪、注意力上 , 可以记录在屏幕上 , 可视化为热图或鼠标轨迹图、眼球运动图 , 再聚合成路径、漏斗、报告等 。)
用户的属性(通过各种方式聚合的数据 , 我们可以知道用户的性别、年龄、喜好、注册日期、星座等人口统计特征 。另外要知道 , 用户的行为也可以作为他的属性来对待 , 比如主动或者不主动) 。
业务数据(行为产生的结果数据 , 如订单数量、交易金额等 。)可以通过这些数据的收集、聚合、可视化和分析 , 帮助我们再现用户的现实 。接下来对数据产品的研究主要集中在这个环节的用户行为分析产品 。
2 。分析挖掘现状:
有时候 , 现状可以直接告诉你发生了什么 , 为什么 。但很多时候 , 现实需要进一步挖掘才能找到原因 , 进而找到解决办法 。比如当现实告诉你 , 从购物车到订单的转化漏斗不够健康 , 尤其是新版本发布后 , 这个漏斗的转化率急剧下降 。如果这期间没有其他因素 , 也许你可以推断是因为新版本的变化造成的 , 但是如果有其他因素 , 比如渠道活动 , 比如大量新用户的涌入...所以需要进行多维度的交叉分析 , 进一步找出原因 , 比如按用户类型分布 , 发现下降的大部分来自新增用户 。有时 , 需要结合定性研究进行验证或进一步探索 。
3 。应该有改进计划和方案:
当现实清楚了 , 原因知道了 , 就可以对症下药 , 制定改善方案了 。可能是流程的改进 , 规范的执行 , 也可能是产品系统的可用性和使用性的提高 。值得一提的是 , 我们通常所指的数据产品是从数据采集、计算到报表展现的平台 , 即商业智能系统 。改进环节也可以作为数据产品 , 不是传统意义上的报表数据产品 , 而是数据驱动的系统 。比如前两个环节沉淀的数据可以返回到业务系统 , 也可以触发一些机制 , 比如CRM平台 。当用户被判断为属于第一个链接中的某个用户组时 , 就会向他发送一条定制的个性化消息 。或者设计一个算法模型来改善搜索结果等等 。
4 。对于改进方案 , 有必要评估方案的效果
可以提前评估——在方案正式发布之前 , 可以通过A/B测试或者在Userbilla上上传高保真原型的方式 , 邀请用户做认知调查 。当然也可以做实验室测试 , 用户调查等 。在你们团队研究小组的帮助下 。
也可以事后评价 。方案正式发布后 , 可以继续使用第一步的数据产品 , 还原用户的后续行为 , 与发布前的版本进行对比分析 。
以上四个环节 , 很多数据产品都有涵盖 , 但是不能一口气吃胖 。目前来说 , 我们把重点放在环节一的用户行为研究上 。首先 , 给我我感兴趣的网站 。最后 , 我会找个机会 , 围绕用户行为的研究 , 做一个全面的评估和分析 。


推荐阅读