用户行为数据分析(分析案例及工具详解)

seoxin 09-13 15:01 7次浏览
  • 用户行为分析为什么会火?
  • 用户行为分析就只是分析用户行为吗?还需要分析什么?
  • 用户行为分析和数据体系是什么关系?
  • 企业数据体系的搭建都需要包含哪些数据……

为了解答以上疑惑,本文将从用户行为分析展开,引出企业除了用户行为分析外,还需要进行的供应端分析和营销端分析,并最终给出企业数据体系搭建的三个基本原则。期望对正在进行用户行为分析和数据体系搭建的你,有所帮助。

1 First Point

火热的用户行为分析到底在分析什么?

谈及用户行为分析,首先要搞清楚用户行为分析的定义和边界。用户行为分析不是窥探用户隐私,更不是盗卖用户数据,而是根据企业与用户之间的互动行为数据进行分析,进而从这些行为中推测用户需求、改善产品及流程。

如图所示,热力图高亮区域即用户点击次数最多的区域。例如,用户在访问网站、APP时被记录下来的相关数据就是用户行为分析的数据源之一。

数据演进之路:从用户行为分析到数据体系搭建

用户行为分析为何如此火热?

众所周知,广告主经常感叹:“我知道有一半的广告费被浪费了,但我不知道浪费的是哪一半”。传统渠道监测环境下,无法有效收集用户行为数据,导致营销费用占到企业支出成本的40%-60%,而且这其中还有大量投入被浪费了。

用户行为分析就能解决以上问题。如图所示,通过用户行为分析,我们能够清晰直观地了解营销费用浪费在哪里,并据此节省企业营销费用支出。例如,A渠道投入了10000元但最终的付费用户只有10个,而D渠道有250个付费用户,哪个渠道的转化效果好一目了然。

数据演进之路:从用户行为分析到数据体系搭建

总而言之,2021年,用户行为分析是整个移动互联网时代的焦点。2021年谈用户行为分析就像2009年谈门店动线分析一样。2009年,要提高企业利润收入就必须研究线下传统门店渠道;2021年,我们研究的重心已经从线下传统门店转移至线上APP小程序和H5页面。不管是2009年的线下传统门店渠道还是2021的线上APP渠道,渠道都是最大的成本投入和利润来源,可以说2021年的渠道分析就是用户行为分析。

用户行为分析如何展开?

首先,需要打通用户ID采集用户行为数据。因为用户ID背后是一个个鲜活的用户,从用户ID中我们可以了解用户是从何种渠道进来的,以及用户后续是否有完成购买过程等信息。

其次,通过用户ID,我们还可以获取用户从站外到站内的行为数据,这样就可以支持渠道分析,由此可以大幅提升营销效率,节省广告成本。除了渠道分析,还支持行为路径分析、RFM/购物分析、内容偏好分析、促销敏感度分析等。

数据演进之路:从用户行为分析到数据体系搭建
  • 行为路径分析。用户在APP、小程序的页面浏览和跳转行为可以做行为路径分析,据此可以优化用户的产品体验。这在电商类APP里使用较为广泛,因为这类APP需要通过追踪用户下单流程来更好地了解用户,避免用户在某个页面流失,从而进一步促进完成购买。
  • RFM/购物分析。简单来说,就是在打通用户ID的基础上结合用户的交易行为来进行分析。通过购物分析,可以了解用户购买的产品类型、购买频次等信息,由此来针对性地提升复购/交叉销售率,增加收入。
  • 内容偏好分析。在打通用户ID的基础上,结合用户的内容浏览/互动行为来进行分析,由此可以清晰地了解用户喜欢什么样的内容并做进一步推荐,从而提升访问时间,增加用户粘性。
  • 促销敏感度分析。在打通用户ID的基础上结合活动参与/礼品兑换行为来进行分析,通过这一分析可以帮助寻找更有效的用户激励手段,并且还能识别羊毛党,把优惠给到企业的潜在顾客。

总结一下,从内容到广告到销售策略再到产品优化策略的营销全流程来看,用户行为分析是至关重要的。

用户行为分析的不足之处

需要注意的是,用户行为分析也有其不足之处。以转化漏斗为例,如果转化流程问题出现在前端,还比较容易判断,例如,曝光不足可能是内容或者渠道的问题;如果出现在后端,则越难判断到底是什么原因造成的,是内容?是产品?是价格?还是这个渠道本身的问题,我们很难去做判断。

在实际运营过程中,有时候甚至还会出现负责转化流程前端的部门会故意给后端挖坑,例如负责投放的可以通过很多手段提升点击量,但最终如果用户没有完成购买就可以把责任推到产品身上,正所谓“死道友不死贫道”。

从更深层次来看,用户行为分析需要其他方面的支持。用户行为是品牌、营销、产品、供应、服务、大环境、对手共同影响的结果。只有所有人一起发力,才能最终解决用户问题。

在业务流程前期,可以通过修改标题、优化注册方式、改进邀约话术等来提升用户点击率和落地页到达率。但越往后,尤其是买单环节,越需要产品、服务、品牌、营销等多方面的配合支持。

总而言之,用户行为分析更多的是注重结果层面的分析。

2 Second Point

除了用户行为还得分析什么?

首先,我们来看一下完整的商业链路包括哪些环节,这里可以分为前端的营销和后端的供应两大方面。

  • 营销:注册-互动-消费-订单;
  • 供应:商品-售后-核算;
数据演进之路:从用户行为分析到数据体系搭建

所谓互联网或者数字化,我们会发现其实更多的是在营销端发力,而非供应端。当然,在互联网时代所谓的“创新”模式也更多的是营销端创新。互联网模式把线下实体门店挪到了线上,但后端供应链(如工厂、生产线、售后等)该踩的坑一个都不会少。

因此,我们用户行为分析需要更多的集中在后端做深入。

供应端分析

权益分析

先来看看权益分析。权益往往是跟订单挂钩的,常见的权益形式有积分、会员等级、生命周期和生日等。但并非所有企业都像互联网企业一样资金雄厚,能够长期支持减免等营销手段。更多的企业使用的权益形式一般为体验装、现场服务、小礼品等。

下面,我们从权益产生、权益管理和权益使用三部分来具体展开。

  • 在权益产生层面,分为流水式(积分)、累进式(VIP等级)和触发式(特定行为或节点)这3种。
  • 在权益管理层面,可从权益种类、数量、有效期、派发者权限和使用者权限5个方面去进行管理。
  • 在权益使用层面,分为身份核实、权益核实、权益使用和权益核销4个方面。
数据演进之路:从用户行为分析到数据体系搭建

可以看到,整个权益体系就是一套小商品体系,会产生大量数据,但需注意这些数据全部是企业内部数据,与用户行为无关。

因此,权益分析很适用于有服务窗口和线下体验流程的行业,例如银行、航空公司、美容、健身、学校,体检、餐厅等。其中,权益管理尤其重要。管理得好,能够有效形成差异化体验,打造除价格以外的竞争优势;管理得不好,就是单纯的成本浪费,收不到应有的效益。

供应分析

供应包括原料、生产、仓储和配送4个部分。

数据演进之路:从用户行为分析到数据体系搭建

现在的互联网企业基本都是收费站角色,他们不负责供应链,也不负责生产产品,因此对这一块的关注较少。但如果是传统企业或者是服务性行业,那么这些都是我们需要考虑的。例如,需关注不同形式的供应商、产品、生产线、型号、规格、自检、仓库管理、物流运力、时间供应等。

可以看到,供应链涉及角色非常复杂,有大量过程数据,且都与用户行为无关,因为这不是用户生产的,而是企业内部行为。

但这一企业内部行为在互联网时代有特别重要的意义,我们打价格战的底气就是从供应链来的。如果供应链特别强大,我们就可以把成本压得很低,也就有足够的底气打价格战,也可以锁定优质供应商提供稀缺性产品。如果公用周转速度和创新速度很快,还可以打时间差上新款。

因此,供应分析非常适用于以下3类行业:

  • 第一类是有大规模生产线的行业,如汽车、家装、家具和零售等;
  • 第二类是需要大量人力的行业,如服务业、O2O、网约车等;
  • 第三类是库存标准要求高的行业,如生鲜、医药等严重依赖冷链运输的;

售后履约分析

站在消费者角度,售后履约非常简单,即七天无理由退货。但站在企业角度非常复杂,为什么?

因为七天无理由退货不仅成本很高,而且无法给用户提供差异化体验,也就无法形成竞争优势。

那么,就需要对不同用户采取不同的履约方式。以大型车辆等耐用品的售后为例,涉及到就是一整套复杂的管理流程,需要了解用户身份、订单情况、服务条款、商品属性、配件调度、预约上门和服务评价等信息。

数据演进之路:从用户行为分析到数据体系搭建

尤其对于体验多、配件多的行业来说,售后履约非常重要,例如家装、家居、家电、汽车、美容、餐饮、教育等行业需特别关注用户是否有其他配件的需求。

为了对抗互联网平台的流量剥削,通过履约过程来提升顾客体验,转化顾客进入私域,有助于转介绍和提升复购。

财务分析

作为最传统、历史最悠久的财务分析,在企业内部占据重要位置。但需注意的是,财务分析经常伴随着财务相关操作,因而财务数据是人为做出来的,和实际会有一定差距,由此也演化出了经营分析。

换句话说,不能够纯粹地做账面分析,而是要看账面所对应的具体经营动作和环节。

数据演进之路:从用户行为分析到数据体系搭建

只有在打通财务数据和经营数据之后,才能够把财务管理落实到企业经营管理。但也要明白,财务类数据不等同于经营数据,因此打通二者联系,将财务关联到经营数据才是关键。

营销端分析

在营销端的不同场景也有不同的分析特点。

首先需要明白用户行为是从哪来的?并不是所有的用户行为都可以像淘宝、抖音等平台一样可以因用户行为自发产生的。

其实,很多用户行为是由业务影响产生的,例如保险、美容、健康、汽车等行业的导购服务。

这里,给大家介绍四种经典方式,分别是私域式 、导购式、代理人式和店铺式。

数据演进之路:从用户行为分析到数据体系搭建

因为服务人员的服务及其带给用户的体验也能极大地影响用户行为,所以单纯用户行为分析不足以满足有渠道引导的场景,也就无法改善业务。这种情况下,就需要渠道信息、渠道策略、渠道行为和用户行为等四大方面的综合分析。只有这样,才能更好地提升自有渠道效率,对抗互联网平台的剥削。

那么,具体要怎么做呢?其实也就是我们常说的引流、运营再到促成,即通过引流至自身私域池,再精细化运营,最后收割获益。下面我们以经典场景为例,来帮助大家理解。

  • 私域式:主要针对有重复消费的快消品,例如餐厅、服装和母婴等;
  • 导购式:主要针对需要教育用户的行业,例如教育培训、家具家装、汽车等;
  • 铺式:主要针对有实体店及配套的行业,例如美容、健身和休闲等;
  • 代理人式:主要依赖代理人渠道,最典型的就是保险行业;

在引流、运营再到促成的过程,少不了引流工具与引流效率数据分析、运营工具与运营SOP数据分析、促成工具与促成方式数据分析这三大部分的有机配合。

  • 引流工具与引流效率数据分析。除了记录用户行为,还需要掌握渠道本身数据特点,特别针对门店/代理人模式,其个人执行行为的数据收集,个人执行力的考核,才是制胜关键。
  • 运营工具与运营SOP数据分析。我们常用的运营工具主要包括有社群管理、机器人问答等,这些工具的使用不但能有效提高运营效率,而且这些运营规范和运营动作也是用户行为分析的关键。很多公司私域运营比较混乱本质上还是缺乏工具所致,因此在进行用户行为分析时需将工具使用、SOP执行与用户行为三者相结合。
  • 促成工具与促成方式数据分析。常见的促成工具有顾客个人信息提醒、个性化话术、问答Q&A、顾客跟进提升、优惠手段等,通过这些促成工具能够极大提升导购/代理人执行力,从而促成顾客消费。如果不能改善导购/代理人行为,用户行为分析也就无从谈起。因此,需结合工具使用、跟进行为与用户行为三方面才能进行有效的用户行为分析。

使用工具的多样化已然成为数字化时代的必然趋势,企业经营管理也正在向数字化转型。数字化时代,没有数字化系统就意味着管理空白,薄弱的系统就意味着管理薄弱,而管理薄弱则意味着竞争力脆弱。

而数字化系统则对应着数字化管理与数据分析的巨大需求,即我们前面讲到的供应力数据、执行力数据和营销力数据。

数据演进之路:从用户行为分析到数据体系搭建

那么数字化时代原生企业的演进路线是怎样的呢?即先抓营销,大量获客时控制成本,再优化执行力,最后控成本上监管。目前有相当多的企业是这样做的,但这并不代表是正确的。过度消耗营销成本,产品缺乏差异化、履约能力差是大多数企业普遍存在的问题。换句说,如果供应能力足够强,或许会有新的竞争方式。

与数字化时代原生企业相对应,传统企业的演进路线是怎样的呢?有相当多的传统企业看似在努力追赶数字化浪潮,但经常在执行时缺乏重点,撒芝麻式投入,对核心竞争力缺少清晰的梳理,对核心能力(营销力、执行力、供应力)缺少强化。这就会导致“零散数据收集了一大堆,发力的却很少”的尴尬局面。

3 Third Point

从用户行为分析到数据体系

可以看到,从单独的用户行为分析到数据体系,数据范围成倍扩大且更具竞争力。所以,我们需要将用户行为分析与供应端分析和营销端分析相结合,形成企业整体的数据体系。

但企业数据体系的建设是一项长期且艰苦的工作,这里给大家分享三个基本原则:

  • 掌握数据是第一位要求。如果数据质量不佳、数据凌乱、数据不统一,那么节省成本和产出价值更无从谈起。因而数据需要做到以下三点:多数据源打通、规范的数据治理和高质量数据清洗。面对多种数据来源、多种数据库、多种业务系统对接的复杂情况,需要我们做好数据管理。
  • 想让数据用起来,报表是核心。营销需要看什么数据?销售需要跟什么数据?供应链需要追什么数据?报表必须清晰地显示客户情况、订单履约情况、配件情况、库存情况等基础信息。其次,拖拉拽的报表和信息提醒能够节省90%的工作量。尤其对于一线工作人员来说,信息提醒和移动端报表能够让其清晰地了解自己“做什么”、“用啥做”和“做到没有”。
  • 识别问题≥寻找机会。好的业务一定是天时地利人和的结果,而不是数据直接算出来的,但差的业务一般数据表现非常明显。因而减少低级错误也不失为一种好的方法。