按照用戶操作步驟，根據(jù)時(shí)間軸，組合每個(gè)功能的使用情況，我們就會(huì)需要用到用戶行為路徑分析。

這樣是為了檢測(cè)到用戶的流向，其次也有兩個(gè)目標(biāo)：一個(gè)目標(biāo)是統(tǒng)計(jì)用戶在產(chǎn)品上的使用深度一個(gè)是優(yōu)化產(chǎn)品上的功能流轉(zhuǎn) 對(duì)此，我們可以有兩個(gè)共識(shí)點(diǎn)：

• 如果更快地達(dá)成使用目標(biāo)，那么留存率會(huì)更高;
• 如果更深地使用了產(chǎn)品，那么留存率會(huì)更高。

但是這兩個(gè)點(diǎn)往往是相互糾纏的。

舉個(gè)例子，我們?cè)谑褂镁〇|購(gòu)物時(shí)，往往會(huì)不斷地瀏覽商品、搜索商品、加入購(gòu)物車、查看推薦商品，然后再次加入購(gòu)物車，最后可能才是提交訂單和支付訂單。

我們?cè)谑褂玫臅r(shí)候，可能最開始就只想購(gòu)買了一包紙巾，后來(lái)經(jīng)過推薦或者瀏覽，可能我們還買了一些別的生活用品。這個(gè)操作的過程，就是一個(gè)功能之間相互跳轉(zhuǎn)的過程。 用戶首次加入購(gòu)物車后，可能還去瀏覽別的商品頁(yè)，也有可能直接取消某個(gè)購(gòu)物車中的東西。

而每個(gè)行為的背后可能都代表著某一類用戶目標(biāo)和動(dòng)機(jī)，如何更好地發(fā)現(xiàn)用戶目標(biāo)，引導(dǎo)用戶消費(fèi)，增加購(gòu)買率的同時(shí)增加購(gòu)買金額，是我們從多個(gè)路徑分析中需要得到的東西。 關(guān)于路徑分析，一般來(lái)說(shuō)，會(huì)有兩種方向。

一種方向是單個(gè)的路徑分析，一個(gè)是多個(gè)路徑分析。不過終歸到底，我們想知道的是用戶在產(chǎn)品中哪些操作路徑需要優(yōu)化提高。

路徑分析的兩個(gè)要點(diǎn)

我們先來(lái)看看在路徑分析前，我們要關(guān)注的兩個(gè)要點(diǎn)。

1、產(chǎn)品埋點(diǎn)數(shù)據(jù)。

由于我們的產(chǎn)品是由多個(gè)頁(yè)面和功能之間不斷疊加構(gòu)成，那么每個(gè)頁(yè)面和功能之間的信息，我們就都可以記錄到日志中。

也就是說(shuō)，我們做路徑分析，最需要依賴的是產(chǎn)品埋點(diǎn)數(shù)據(jù)。每個(gè)功能或者產(chǎn)品中的用戶使用信息的記錄，對(duì)路徑分析至關(guān)重要。如果埋點(diǎn)做得不好，想要的數(shù)據(jù)都沒有，怎么做分析?

2、定義出產(chǎn)品核心路徑。

畢竟這么多的埋點(diǎn)信息，我們不能每個(gè)信息都用，我們還需要甄別出最核心的信息，定義出關(guān)鍵節(jié)點(diǎn)，這也就是我們之前說(shuō)過的產(chǎn)品核心路徑。

這樣我們才能知道我們需要記錄哪些信息，怎么使用這些信息。 總結(jié)下來(lái)，我們需要先梳理出產(chǎn)品的核心節(jié)點(diǎn)，做好核心節(jié)點(diǎn)上的信息收集，之后再針對(duì)性地對(duì)核心節(jié)點(diǎn)上的細(xì)節(jié)進(jìn)行數(shù)據(jù)信息收集。 通俗來(lái)說(shuō)，就是要有層級(jí)化的做好產(chǎn)品埋點(diǎn)和數(shù)據(jù)記錄。

常用的路徑分析的三種方法

一般來(lái)說(shuō)，路徑分析有三種常用的方法：漏斗分析、智能路徑、用戶路徑。

按照關(guān)系來(lái)說(shuō)，我們可以用下圖來(lái)表示它們的關(guān)系：

我們首先明確一個(gè)點(diǎn)，路徑分析度量的是功能與功能間的操作行為上的轉(zhuǎn)化關(guān)系。既然度量的數(shù)據(jù)是轉(zhuǎn)化關(guān)系，那么就可以很好地去理解這三個(gè)分析方法。

1、漏斗分析：業(yè)務(wù)方人為選定的路徑

你可以從條件中就能看出，漏斗就是人為設(shè)定好了路徑的節(jié)點(diǎn)。而這些節(jié)點(diǎn)，通常都是我們自己框定的核心轉(zhuǎn)化路徑。

比如我們框定了一批具體的頁(yè)面或者功能，后續(xù)的轉(zhuǎn)化率數(shù)據(jù)也是根據(jù)這些已選中的功能來(lái)的，不會(huì)涉及其他功能間的關(guān)系。 舉個(gè)例子，我們基本每個(gè) App 的頁(yè)面都是由頁(yè)面→區(qū)域→模塊→按鈕組成的。比如京東首頁(yè)這個(gè)頁(yè)面，就可以分為搜索區(qū)域、Banner區(qū)域、功能性推薦區(qū)域、個(gè)性化推薦區(qū)域，而個(gè)性推薦區(qū)域又可以分為不同的按鈕，比如我們能看到的“精選”“新品”等。

根據(jù)不同的統(tǒng)計(jì)維度，我們可以將漏斗統(tǒng)計(jì)到不同粒度上。比如頁(yè)面粒度的漏斗，那就是從一個(gè)頁(yè)面到另一個(gè)頁(yè)面。比如從京東的首頁(yè)到京東的秒殺頁(yè)面。 我們還拿京東舉例，在首頁(yè) Banner 處投放了一些新的物料廣告，目標(biāo)是吸引更多的用戶，從Banner 處點(diǎn)擊購(gòu)買相關(guān)的產(chǎn)品。 于是利用“漏斗分析”，建立了 首頁(yè)→Banner點(diǎn)擊→商品瀏覽→加入購(gòu)物車→訂單支付。這樣一個(gè)核心路徑，去觀察整體的用戶使用行為。 結(jié)果最后發(fā)現(xiàn)，相比老的 Banner，新物料的 Banner 確實(shí)點(diǎn)擊率提高了，但反而購(gòu)買率下降了。也就是說(shuō)，從Banner點(diǎn)擊，到商品瀏覽這個(gè)漏斗的轉(zhuǎn)化有明顯提升，但是從商品瀏覽到加入購(gòu)物車這個(gè)環(huán)節(jié)有明顯下降。 通過對(duì)比物料和商品簡(jiǎn)介發(fā)現(xiàn)，Banner 里的物料十分吸引眼球，用戶會(huì)很好奇點(diǎn)擊進(jìn)來(lái)。但進(jìn)來(lái)之后發(fā)現(xiàn)商品其實(shí)不如介紹的那么好，導(dǎo)致了一個(gè)期望落差，所以很少有人加入購(gòu)物車。 最后運(yùn)營(yíng)人員修改了產(chǎn)品詳情頁(yè)的產(chǎn)品介紹內(nèi)容，從而有效地提高了加入購(gòu)物車這一步的轉(zhuǎn)化率。 漏斗分析關(guān)鍵點(diǎn)是從業(yè)務(wù)角度考慮，我們先需要優(yōu)化的是用戶在一個(gè)主要操作路徑上的步驟，而這些步驟，是我們?cè)诜治銮傲私馇宄?，有哪些關(guān)鍵步驟，先后順序是什么，對(duì)應(yīng)到埋點(diǎn)上，我們應(yīng)該怎么獲取對(duì)應(yīng)的數(shù)據(jù)。 漏斗分析的數(shù)據(jù)埋點(diǎn)需要在我們預(yù)設(shè)的關(guān)鍵路徑上都有埋點(diǎn)記錄用戶操作的信息。

如果想我們要有針對(duì)性地提高分析某個(gè)關(guān)鍵路徑上的節(jié)點(diǎn)，最好是當(dāng)前頁(yè)面上的所有功能點(diǎn)都進(jìn)行埋點(diǎn)，這樣才能從更細(xì)粒度的數(shù)據(jù)上找到可以優(yōu)化/提高的點(diǎn)。

2、智能路徑分析：業(yè)務(wù)方選定了起始功能或者結(jié)束功能

智能路徑分析是業(yè)務(wù)方選定了某一個(gè)功能點(diǎn)(一般是核心路徑中的某個(gè)功能)，從這個(gè)功能點(diǎn)往前或者往后，查看用戶的使用路徑。

從條件中可以看出和漏斗分析不同的是，我們只是選定了某一個(gè)功能，想要了解和分析的是以這個(gè)功能為起始點(diǎn)/結(jié)束點(diǎn)，往后/往前的用戶使用路徑。

這個(gè)方法，核心的作用是探索出更多的用戶使用路徑。

漏斗分析，讓我們知道了我們預(yù)設(shè)的路徑上，哪些步驟該優(yōu)化。但是我們并不知道用戶會(huì)經(jīng)過哪些步驟和路徑，到達(dá)我們最關(guān)心的核心功能(或者從核心功能之后的使用過程)。

我們需要知道用戶在使用的過程中的偏好，才能在后期的優(yōu)化和迭代中，有針對(duì)性地優(yōu)化某些功能。

比如更常使用的頁(yè)面，優(yōu)化的優(yōu)先級(jí)高于不太使用的頁(yè)面;

比如我們認(rèn)為某些用戶的轉(zhuǎn)化路徑過長(zhǎng)，那是否可以引導(dǎo)用戶回歸主路徑。

這些都是使用智能路徑分析，通過探索用戶的操作過程，找到核心的使用路徑后，找到用戶轉(zhuǎn)化的核心過程，有針對(duì)性地迭代產(chǎn)品和推動(dòng)用戶。

而且，當(dāng)我們聚焦到某一條具體的路徑時(shí)，也就回到了我們上文說(shuō)的漏斗分析。我們也可以將該條路徑記錄下來(lái)，不斷地優(yōu)化迭代。

比如，某視頻軟件，為了優(yōu)化產(chǎn)品的使用路徑，想要看看用戶在播放視頻前，都會(huì)干些什么。

這里我們就可以用“智能路徑”的方案，以用戶當(dāng)天第一次播放視頻為節(jié)點(diǎn)，查看用戶在節(jié)點(diǎn)前都會(huì)干些什么。梳理用戶在播放視頻之前，都會(huì)經(jīng)過什么操作。

結(jié)果發(fā)現(xiàn)有一批用戶，在瀏覽很多部電影之后，才會(huì)去看某一部電影。而大部分都會(huì)看推薦的前10 部電影中的一部。那其實(shí)這兩種用戶，一種屬于有明確目的要看某一部電影的，而另一種用戶屬于隨機(jī)看哪部都行的。因此，我們?cè)陬^部推薦的地方可以做一個(gè)搜索功能，幫助用戶查到自己想要的電影。

智能路徑分析，能讓我們更全面的知道用戶如何到達(dá)產(chǎn)品的核心功能，從而更有效的從各個(gè)路徑上去優(yōu)化，而非單一漏斗。

3、用戶路徑：需關(guān)注用戶進(jìn)來(lái)后的每一步

接下來(lái)看下用戶路徑分析。

用戶路徑分析只需要關(guān)注用戶進(jìn)來(lái)后的每一步都是什么，關(guān)注用戶進(jìn)入 App 之后每一步的路徑和轉(zhuǎn)化概率。

相比前兩者，用戶路徑關(guān)注的點(diǎn)是從整體產(chǎn)品的角度出發(fā)，不會(huì)預(yù)先圈定任何產(chǎn)品和功能點(diǎn)，而是計(jì)算整體用戶流轉(zhuǎn)的步驟和轉(zhuǎn)化情況。

目的是為了更好地通過用戶路徑的重現(xiàn)，識(shí)別整體的產(chǎn)品使用路徑，發(fā)掘出用戶在哪一步更容易流失，哪一步轉(zhuǎn)化更好。查看是否有我們?cè)谠O(shè)計(jì)產(chǎn)品之初沒有預(yù)料到的，從而有針對(duì)性地改進(jìn)產(chǎn)品。

比如，某社交軟件，我們想要查看用戶的使用路徑具體是如何的。那我們就可以利用“用戶路徑”，重新復(fù)現(xiàn)用戶的整體操作路徑情況。

我們通過復(fù)現(xiàn)用戶的路徑，發(fā)現(xiàn)很多老用戶，反而會(huì)去查看之前的一個(gè)功能頁(yè)面：新用戶列表。后來(lái)通過和用戶的訪談和溝通才了解到，其實(shí)很多推薦的用戶，之前都有聊過天或者聯(lián)系過，覺得沒有太大的新意或者沒有匹配上，所以導(dǎo)致老用戶們都愿意去發(fā)掘新用戶。

后來(lái)產(chǎn)品講該頁(yè)面作為一個(gè)主頁(yè)的 tab，且相比之前，導(dǎo)入了一批沉默回流的用戶，增加了“新用戶”的數(shù)量，從而優(yōu)化了老用戶的產(chǎn)品體驗(yàn)。

總結(jié)

我們來(lái)總結(jié)下這三個(gè)方法的區(qū)別和關(guān)鍵點(diǎn)：

1、漏斗分析偏重于某一條核心路徑，更著重優(yōu)化該條路徑上的產(chǎn)品功能;

2、智能路徑偏重于某一個(gè)核心行為，著重優(yōu)化以這個(gè)核心行為開始或者結(jié)束的所有路徑;

3、用戶路徑偏重于發(fā)現(xiàn)用戶的使用路徑，從而能夠找到產(chǎn)品上可優(yōu)化的點(diǎn)。