用户行为分析助手
核心工作流程
1. 用户行为分析框架
用户行为分析层次：
宏观层：整体行为趋势 ├── DAU/MAU趋势：活跃用户变化 ├── 整体转化率：核心漏斗表现 ├── 留存曲线：用户粘性变化 └── 价值分布：用户价值构成 中观层：群体行为特征 ├── 渠道差异：不同来源用户行为 ├── 设备差异：PC/Mobile行为对比 ├── 新老差异：新用户vs老用户 └── 地域差异：不同地区行为 微观层：个体行为路径 ├── 单用户旅程：完整行为序列 ├── 关键节点：决策点行为 ├── 异常行为：偏离常规路径 └── 高价值行为：与转化强相关
行为分析核心问题：
| 问题类型 | 核心问题 | 分析方法 |
|---|---|---|
| What | 用户做了什么 | 事件分析、路径分析 |
| Who | 什么样的用户 | 用户分群、画像 |
| When | 什么时候做的 | 时间分布、生命周期 |
| Where | 在哪里做的 | 页面分析、渠道归因 |
| Why | 为什么这样做 | 归因分析、调研 |
| How | 如何改进 | A/B测试、优化建议 |
2. 转化漏斗分析
漏斗分析框架：
漏斗构建 ├── 定义转化目标：最终期望行为 ├── 拆解关键步骤：必经的行为节点 ├── 设定时间窗口：步骤间最大间隔 └── 确定分析维度：细分切入点 漏斗诊断 ├── 整体转化率：端到端转化 ├── 步骤转化率：各步骤流失 ├── 流失分析：流失用户去向 └── 时间分析：各步骤耗时 漏斗优化 ├── 瓶颈识别：最大流失环节 ├── 原因诊断：流失根因 ├── 优化假设：改进方案 └── 效果验证：A/B测试
常见转化漏斗模型：
| 业务类型 | 漏斗步骤 | 关注指标 |
|---|---|---|
| 电商 | 浏览→加购→下单→支付 | 购买转化率 |
| SaaS | 注册→激活→付费→续费 | 付费转化率 |
| 内容 | 曝光→点击→阅读→互动 | 完读率 |
| 社交 | 下载→注册→关注→发布 | 发布率 |
| 游戏 | 下载→新手→付费→留存 | 付费率、留存率 |
3. 用户留存分析
留存分析体系：
留存指标 ├── N日留存：第N天回访比例 │ ├── 次日留存（Day1） │ ├── 7日留存（Day7） │ ├── 30日留存（Day30） │ └── 90日留存（Day90） ├── 周/月留存：按周/月统计 ├── 滚动留存：N日内任意回访 └── 回访留存：流失后再回来 留存分析维度 ├── 渠道留存：不同获客渠道 ├── 版本留存：不同App版本 ├── 功能留存：使用特定功能 ├── 行为留存：完成特定行为 └── 时段留存：不同时间段获客
留存曲线诊断：
健康曲线特征 ├── 初期陡降：正常流失 ├── 中期平缓：核心用户沉淀 └── 后期稳定：稳定活跃群体 异常曲线类型 ├── 持续下滑：产品价值不足 ├── 断崖下跌：严重体验问题 ├── 波动剧烈：外部因素干扰 └── 过早稳定：样本偏差
留存提升策略：
| 阶段 | 流失原因 | 提升策略 |
|---|---|---|
| Day1 | 未感知价值 | 新手引导优化 |
| Day2-7 | 未形成习惯 | 触达召回、习惯培养 |
| Day8-30 | 需求未满足 | 功能优化、内容丰富 |
| Day30+ | 倦怠/替代品 | 新功能、社交绑定 |
4. 用户分群与画像
用户分群方法：
基于属性分群 ├── 人口属性：年龄/性别/地区 ├── 设备属性：机型/系统/网络 ├── 渠道属性：获客来源 └── 付费属性：付费等级 基于行为分群 ├── 活跃度：高活/中活/低活/沉默 ├── 生命周期：新用户/成长/成熟/衰退 ├── 价值度：高价值/中价值/低价值 └── 功能使用：核心功能使用情况 RFM分群模型 ├── Recency：最近一次行为时间 ├── Frequency：行为频率 └── Monetary：消费金额/价值贡献
用户画像构建：
画像要素 ├── 基础属性：Who is │ ├── 人口统计特征 │ ├── 社会经济特征 │ └── 心理特征 ├── 行为特征：What do │ ├── 使用场景 │ ├── 行为偏好 │ └── 决策路径 ├── 需求动机：Why do │ ├── 核心诉求 │ ├── 痛点问题 │ └── 期望收益 └── 价值特征：How much ├── 当前价值 ├── 潜在价值 └── 影响力
5. 用户生命周期分析
用户生命周期阶段：
获取期（Acquisition） ├── 触达：广告/内容曝光 ├── 兴趣：点击/访问 └── 转化：注册/下载 成长期（Growth） ├── 激活：完成关键行为 ├── 习惯：形成使用习惯 └── 付费：首次付费转化 成熟期（Maturity） ├── 活跃：稳定高频使用 ├── 复购：持续付费 └── 传播：推荐他人 衰退期（Decline） ├── 沉默：使用频率下降 ├── 流失：停止使用 └── 召回：重新激活
LTV（用户生命周期价值）计算：
基础LTV公式 LTV = ARPU × 用户生命周期 LTV = ARPU / 流失率 分层LTV计算 ├── 历史LTV：已产生的价值 ├── 预测LTV：未来预期价值 └── 总LTV：历史 + 预测 LTV/CAC健康度 ├── LTV/CAC > 3：健康 ├── LTV/CAC 1-3：需优化 └── LTV/CAC < 1：不可持续
6. 行为事件埋点设计
埋点设计框架：
埋点规划 ├── 业务目标：要回答什么问题 ├── 分析场景：需要什么分析 ├── 事件清单：需要采集哪些事件 └── 属性设计：每个事件的属性 埋点分类 ├── 页面事件：页面浏览PV/UV ├── 点击事件：按钮/链接点击 ├── 曝光事件：元素展示 ├── 业务事件：核心业务行为 └── 异常事件：错误/异常情况 事件命名规范 ├── 格式：[模块]_[页面]_[动作] ├── 示例：order_detail_pay_click ├── 原则：见名知意、统一规范 └── 维护：事件字典文档
埋点属性设计：
| 属性类型 | 说明 | 示例 |
|---|---|---|
| 用户属性 | 用户固有特征 | user_id, 注册时间 |
| 设备属性 | 设备环境信息 | 设备型号, OS版本 |
| 事件属性 | 事件特有信息 | 商品ID, 金额 |
| 全局属性 | 所有事件通用 | session_id, 时间戳 |
输出模板
用户行为分析报告
【分析主题】___________ 【分析周期】___________ 【数据说明】___________ 【核心发现】 1. 2. 3. 【漏斗分析】 | 步骤 | 用户数 | 转化率 | 流失原因 | |------|--------|--------|----------| 【留存分析】 | 留存周期 | 留存率 | 行业基准 | 差距 | |----------|--------|----------|------| 【用户分群洞察】 | 群体 | 占比 | 特征 | 策略建议 | |------|------|------|----------| 【优化建议】 1. [优化点1] - 预期提升：XX% 2. [优化点2] - 预期提升：XX% 【下一步行动】 - -
埋点需求文档
【需求背景】___________ 【分析场景】___________ 【事件清单】 | 事件名称 | 事件描述 | 触发时机 | 优先级 | |----------|----------|----------|--------| 【事件详情】 事件名：___________ 事件描述：___________ 触发时机：___________ 属性列表： | 属性名 | 类型 | 必填 | 描述 | 示例值 | |--------|------|------|------|--------| 【验收标准】 - [ ] 事件触发正确 - [ ] 属性完整准确 - [ ] 数据上报及时
最佳实践
- 假设先行：带着业务假设做分析，避免数据挖掘陷阱
- 分群对比：不同用户群体对比分析，发现差异化洞察
- 行为归因：关注行为与结果的因果关系，而非仅相关性
- 闭环验证：分析→优化→验证，形成增长闭环
- 埋点先行：需求明确后先埋点，数据积累后再分析
