产品经理如何做用户行为分析？
一、为什么要做用户行为分析
观点一:有些功能是全平台用户都想做的，不需要花人力考核，只要做好就行。用户行为分析是一种形式，不能为了分析而分析。观点二:我在这个行业这么多年。难道我不知道用户需要什么吗？我自己就是用户，我可以代表他们，我的需求就是他们的需求目标。观点三:你只需要做充分的调研和分析，比如需求调研，产品使用调研，找到更多的目标用户，让他们给一些反馈，根据反馈做出改变。观点四:不要总是按照用户的意愿做产品。产品设计的核心是产品经理的想法，而不是用户的观点。
以上观点其实是错误的。如果产品经理有这样的想法，对自己极为不利。让我们看两个案例:
案例1:修改前后增长IO对比
视频介绍功能是所有用户都想要的，所以Grovingio毫不犹豫的把视频放到了首页，然后注册转化率下降了50%。经过两周的持续观察，注册转化率仍然没有明显提高。回滚到上一版本后，注册转化率逐渐恢复。结论:
部分用户的意见不能代表所有用户的真实感受，视频介绍可能是虚假需求。产品经理的主观感受不能代表用户的真实体验，谁也不能代表用户。视频介绍分散了用户注意力，导致首页注册转化率大幅下降。
案例2:在脸书修订后回滚。
脸书改版后，页面更加清新，展示区域更大，图片和视频更加突出，展示信息更加丰富。脸书的产品经理和交互设计师对这个版本非常有信心。然而，10%灰度发布后，用户平均在线时间下降了50%，一个月后，数据依然没有好转。
互联网产品应该是以数据为导向的，而不是仅仅基于自己的主观感受。产品设计太超前，产品版本和迭代版本之间没有一定的过渡，用户习惯不了。
所以可以说数据分析在日常工作中起着不可或缺的作用。1，用户行为分析不形式化，不为分析而分析，即使是核心用户提出的需求，也要经过数据验证，没有人能代表真实用户。2.产品经理要有自我革新和自我否定的意识。用户的需求是变化的，不能太依赖过去的经验，那是不可靠的，只有数据才是最可靠的。3.用户分析和研究是一方面，只是为产品提供思路，但是否有利于产品的长期发展还要看数据。4.客户端产品应该以用户体验为核心，以数据为导向。
二，数据指标和名词的含义
1.流量来源:流量来源是指网站的来源，比如来自知乎、微博等的用户。主要用于统计分析各渠道的推广效果。
2.PV: PV:PV(页面浏览量)是指页面浏览量或点击量，是指页面刷新的次数。每次页面刷新都被视为一个PV流。
3.UV: UV:UV(独立访客)表示独立访客的数量。在同一天内，UV只记录第一次进入网站的拥有独立IP的访客，当天再次访问网站时不计算在内。PV与UV的比值在一定程度上反映了产品的粘度，比值越高，粘度越高。
4.IP数:IP数是指访问独立IP的用户数，是指1天内访问不同IP地址网站的用户数。IP号和UV号可能不同(大或小或相等)。
5.日活跃/月活跃:日活跃用户(DAU)/月活跃用户(MAU)，反映网站或APP的用户活跃度和用户粘性。
6.次日留存/下月留存:次日留存和下月留存反映了网站或app的留存率。
7.用户留存率:指单位时间内符合有效用户要求的用户数与实际产生的用户数的比值，也叫用户留存率。
8.转化率/损失率:转化率一般用来统计两个流程之间的转化率。流失率也是一个重要的数据指标。用户流失率=流失用户总数/用户总数。
9.跳出率:指用户到达网站，仅浏览一页就离开的访问量(PV)占所有访问量的百分比。跳出率越高，越不受欢迎。
10，退出率:对于特定页面，从该页面离开网站的访问次数(PV)占该页面访问次数的百分比。跳出率适用于访问的着陆页面(即用户访问的第一个页面)，而退出率适用于访问和退出的任何页面。
11.使用时长:用户每天使用的时间。对于游戏或者社交产品，使用时间越长，用户越喜欢。一般来说，使用时间越短，产品粘性越差，用户越不喜欢。
12，ARPU:每用户平均收入，一定时间内每用户平均收入，ARPU=总收入/用户数。
三、如何做用户行为分析——三个概念
1.建立数据驱动的价值
要建立数据驱动的价值观，充分认识到数据的价值。工作定位:统计、辅助、优化、创新。商业变现是最根本的目标:用户利用产生的数据进行商业变现。
2.应该有用户行为分析的方法论。
在用户行为分析中，底层产生的价值越低，顶层产生的价值越高。用户行为分析应该关注最有价值的分析和决策层面。花更多的时间在分析和应用上，而不是数据收集上。
AARRR模型，我们在做用户行为分析的时候，要考虑用户处于AARRR模型的哪个部分，有哪些关键的数据指标，以及相应的分析方法。
当我们有了产品的想法，我们就用MVP来构建它。功能上线后，我们衡量用户和市场反应，从而不断学习和优化。
3.使用强大的用户行为分析工具。
比如谷歌分析、厕神数据、成长IO等等。
四、如何做用户行为分析——八种方法
1，内外因素分析
这种方法有助于快速定位问题。比如某理财产品UV下降，快速分析相关原因。内部可控因素:渠道变化，最近更新版本，内部不可控因素:公司策略变化，外部可控因素:淡季，外部不可控因素:监管。
2.事件分析
事件维度:产品中的用户行为和业务流程。指标:具体数值、访客、地址、浏览量(PV、UV)、停留时长。趋势分析:分析每个事件的趋势。
通过事件分析，如分析用户在线时间、点击事件、下载事件等。，然后分析用户的行为。并通过各种图标来分析用户的行为趋势，从而对用户行为有一个初步的了解。
3.试点分析
说白了，当你发现一个问题的时候，不要那么着急去解决，而只是想要一个解决方案，然后灰度发布。如果灰度发布的人口数据更好，那么就推送给整个用户群。
这是一种将具体问题拆分为整体影响，并从单一解决方案中找到大规模解决方案的方法。
4.漏斗模型
漏斗模型是最常用的分析方法，可广泛应用于流量监测、产品目标转化等日常数据操作中。要根据实际需要来确定是否需要做漏斗分析，比如用户注册流程、下单流程等主要流程，需要用漏斗模型来分析，尤其是分析哪一部分用户流失最严重。
5.残留分析
通过留存分析，我们可以分析用户第二天、下一周、下一个月等的留存情况。第二天的留存率可以表明用户是否有兴趣继续使用该产品。对于社交和游戏产品来说，第二天的留存率非常重要。
6、行为轨迹分析
仅仅通过PV、UV分析、退出率分析是无法发现大部分用户是如何使用这款产品的。只有记录用户的行为轨迹，才能关注到用户真正是如何使用这个产品的。用户体验设计是对用户行为的设计。通过行为轨迹分析，可以帮助产品经理设计的产品直达用户内心。
举例:通过对用户行为轨迹的分析，发现大部分用户并没有退出，而是返回上一页。猜测:当前页面信息不足，用户犹豫不决，想回到上一页了解产品的更多信息。
7、A/B测试
A/B测试是一种产品优化方法，AB测试本质上是一种单独的组间实验。将两个不同版本的A和B同时发给两个几乎相同的用户组，观察这两个用户组的数据反馈。
A/B检验是一种“先验”的实验体系，属于预测结论，与“后验”的归纳结论有很大区别。A/B测试的目的是通过科学的实验设计、抽样样本代表性、流量分段和小流量测试，得出具有代表性的实验结论，并确定这一结论推广到所有流量时是可信的。
8、点选分析
通过点击分析，可以直观的看到用户的注意力集中在哪里，用户最常用的功能是什么。便于产品经理从整体上了解用户行为，有助于产品经理引导用户向自己想要的方向运营。
以上是我个人总结的产品经理用户行为分析方法，欢迎补充交流。
作者:秦石明月，互联网现金贷产品经理，互联网保险产品经理。
本文由@秦时明月原创发布。每个人都是产品经理。未经许可，禁止转载。
题图来自unsplash，基于CC0协议。