用户画像有什么用？怎样用？个场景案例给你讲明白.docxVIP

用户画像有什么用？怎样用？6个场景案例给你讲明白 Python爬虫与数据挖掘 1970-01-01 以下文章来源于大数据DT ，作者赵宏田 HYPERLINK 大数据DT . 供应大数据、AI等领域干货学习资源的「宝藏号」，跟50万技术人共同成长，一起玩转大数据、Python、数据分析、数据科学、人工智能！还会有各种好玩又奇葩的数据解读，边学习边吃瓜！ 点击上方“Python爬虫与数据挖掘”，进行关注 回复“书籍”即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 拘束飞花轻似梦，无边丝雨细如愁。 导读：企业的精细化运营、数据驱动都是基于大数据分析来进行的。 在大数据分析中，对用户行为进行分析挖掘又是一个重要的方向，通过对用户行为进行分析，企业可以了解用户从哪里来，进入平台后进行了哪些操作，什么情况下进行了下单付款，用户的留存、分布情况是怎样的等。 在这些数据的指点下可以不断优化产品设计、运营模式从而促进转化率的提高和营收的增长。 基于用户行为分析的常见场景包括大事分析、留存分析、分布分析、转化分析、行为路径分析等几个模块。下面就这几个模块进行具体引见。 作者：赵宏田 来源：大数据DT（ID：hzdashuju） 01 大事分析 大事分析的应用场景格外广泛，通俗来讲大事是指“一个用户在某个时间、某个地点、进行了某些行为操作”。 其中用户可以包括登录设备用户userid，也可以指未登录用户cookie；时间指大事发生的实际时间；地点指大事发生地，可以通过解析日志记录中的ip来猎取大事发生地；行为操作指大事本身，一般互联网产品产品通过埋点等方式来捕获用户的行为。 相比传统的写SQL跑数的分析方式，大事分析功能有着准时查询结果、可视化呈现、可对不同大事不同用户属性进行自在组合筛选分析等方面的优势。 大事分析场景案例 用户进入平台后一般会经过登录、扫瞄、搜索、加购、付费等环节，最终进行付款。这里对扫瞄商品页、加购和领取订单三个行为大事进行分析，可以看到每个大事的触发人数及转换情况。 02 留存分析 留存分析用来衡量用户的参与情况与活跃程度，分析在触发初始大事的用户中有多少用户还有后续的回访行为，该部分回访的用户占初始用户的比例。在产品使用上可以通过定义初始大事和回访行为大事，计算出用户的留存率，可按日、按周、按月来查看留存情况。 留存率是推断产品价值的一个重要参考目标，可以分析出由初始的新人用户转化为活跃用户、忠实用户、高价值用户的好坏情况。 留存分析场景案例 公司产品上线某一新功能模块，运营分析人员想看用户的留存情况如何，可设定初始大事“访问过该功能的任意版块”，及后续大事“访问过该功能的任意版块”，来分析扫瞄过该功能的用户后续7日、14日或30日后的回访情况。 例如下图中可以看出用户的回访率很低，次日留存和7日留存都在2%左右，也可以推断出留存下的用户都是对该功能感爱好的用户。 03 分布分析 分布分析法依据用户行为维度目标，将用户进行区间分类统计数量，进而得到用户在各功能模块粘性的分布情况。从分析维度来看次要包括按行为次数的分布分析，以及按行为时间的分布分析，通过直方图或折线图的方式呈现分析结果。 对用户行为大事的分析不只要统计数量这种观看目标，还可以对该大事在不同维度中的分布来观看，从而了解该行为大事的更多维度信息。 分布分析场景案例 运营分析人员从平台上筛选出一批高活跃用户，对这批用户的“加入购物车”行为大事的分布情况进行分析，从下图中可以看出大部分用户加购次数在1-3次，仅有少量的用户加购5-10次。假如进一步深挖的话，可以把这些加购了5-10次的用户单独拎出来进行定向营销，通过发放红包、优待券等方式促进下单。 假如对用户的访问时间段进行分布分析，可以了解用户集中活跃的时间，进一步可以在用户活跃的时间段内对其进行自动触达营销方面的操作。 04 转化漏斗分析 转化漏斗分析适用于对产品中的关键环节进行监控分析，通过自主定义漏斗步骤，对比分析关键步骤之间的转化情况，找到薄弱环节，进而优化产品交互设计或改进运营策略，最终达到提升转化、削减流失的目的。 例如常见的搜索转化漏斗分析、购买产品转化漏斗分析： 转化漏斗分析场景案例 为分析业务流程的关键节点大事转化效果，例如电商行业，可对启动APP、扫瞄页面、扫瞄商品详情页、加入购物车、提交订单几个节点进行具体分析。 发觉问题的过程往往需要对变量进行多次拆分，可以进一步在每个节点设置大事的属性筛选维度（包括省份/城市/页面URL/设备型号等），完成多重维度的交叉分析。 例如针对从扫瞄页面—商品详情页—加入购物车—提交订单—领取成功，这一转化路径可以依据手机型号iOS和Android分别创建两个转化漏斗来对比不同手机型号间的转化情况。 依据业务场景需要，设定1-7天