一、啥是用户行为？
用户行为由最简单的五个元素构成：时间、地址、人物、交互、交互的内容。
（一）啥是用户行为？
对用户行为进行解析，要将其概念为各种事件。比方说用户搜索是一个事件，在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件，也是对用户行为的一个概念；大家可以在网站或者是 APP 中概念千千万万个如此的事件。
有了如此的事件将来，就可以把用户行为连起来观察。用户首次进入网站后就是一个新用户，他可能要注册，那样注册行为就是一个事件。注册要填写个人信息，之后他可能开始搜索买东西，所有这些都是用户行为的事件。
（二）怎么样获得用户行为数据？
那样，大家又该怎么样去监测这些用户行为数据呢？
一种很传统、很一般的方法就是通过写代码去概念这个事件。在网站需要监测用户行为数据的地方加载一段代码，比方说说注册按钮、下单按钮等。加载了监测代码，大家才能知晓用户是不是点击了注册按钮、用户下了什么订单。
所有这些通过写代码来详细描述事件和属性的方法，国内都统称为“埋点”。这是一种很耗费人力的工程，并且过程很繁琐重复；但大多数网络公司仍然雇佣了大批埋点团队。
二、为何要做用户行为解析？
既然这么麻烦，那为何要做用户行为解析？
由于只有做了用户行为解析才能知晓用户画像、才能知晓用户在网站上个各种浏览、点击、购买背后的商业真相。
简单讲，解析的主要方法就是关注流失，特别是对转化有需要的网站。大家期望用户不要流失，上来之后不要走。像非常多 O2O 商品，用户一上来就有非常多补贴；一旦钱烧完了，用户就都走了。如此的商品或者商业模式并不佳，大家期望用户真正找到平台的价值，不停的来，不要流失。
用户行为解析帮解析用户如何流失、为何流失、在哪儿流失。
比方说最简单的一个搜索行为：某一个 ID 什么时间搜索了关键字、看了哪一页、哪几个结果，同时这个 ID 在什么时间下单购买了，这个整个行为都尤为重要的。假如中间他对搜索结果不认可，他一定会再搜一次，把关键字换成别的，然后才可以搜索到结果。
用户行为解析还能做哪些事情？
当你有了非常多用户行为数据、概念事件之后，你可以把用户数据做成一个按小时、按天，或者按用户级别、事件级别拆分的一个表。这个表用来干什么？一个是知晓用户最简单事件，比方说登录或者是购买，也可以知晓哪些是优质用户、哪些是马上流失的顾客，如此的数据天天或每一个小时都能看到。
三、用户行为解析的五大场景
有了用户的行为数据将来，大家有什么应用场景呢？
拉新，也就是获得新用户。转化，比方说电子商务特别着重订单实际转化的比例。促活，怎么样让用户常常使用大家的商品。留存，提前发现可能流失用户，减少流失率。变现，发现高价值用户，提升推销效率。
（一）拉新
2008年我在 eBay 时，我的工作就是解析 SEM 和 SEO 的每一个关键字的 投资回报率。eBay 天天要向Google买400万个关键字，除去SEM、SEO 大家还要解析其它各种合作伙伴途径。比方说一家小电子商务网站上面放了 eBay 的链接，而后用户通过该链接最后在 eBay 上完成了购买，eBay 就会分钱给这家网站。
eBay 特别着重是什么搜索引擎、什么关键字带来的用户流量；关键字是付费还是不收费的。从Google那边搜素引擎词带来了非常多用户流量，但这些用户流量是不是在 eBay 上成单，所以这个数据还要跟 eBay 本身数据结合、然后再做途径分配，到底成单的是什么途径。整个数据链要从头到尾打通，需要把两边的数据整理之后才能做到。
（二）转化
以注册转化漏斗为例，第一步大家知晓网页上有什么注册入口，非常多网站的注册入口不仅一个，需要概念每一个事件；大家还想了解下一步多少人、多少百分比的人点击了注册按钮、多少人打开了验证页；多少人登录了，多少人完成了整个完整的注册。
期间每一步都会有用户流失，漏斗做完后，大家就可以直观看到，每一个环节的流失率。
（三）促活
还有一个是用户使用商品的流畅度。大家可以解析具体用户行为，比方说访问时长，在那个页面上停留时间特别长，特别在 APP 上会特别明显。再有是健全用户画像，拿用户行为解析做用户画像是比较准的。
举例，在美国有一个很有名的在线视频互联网 Netflix。Netflix 很有意思，通过用户行为解析，他把你一家人都进行精准解析概念。你们一家人有多少人，是大人还是孩子，你最喜欢看的是哪三部电影？你的行为输出越多，他的推荐就会愈加精准。
（四）留存
用户流失不是说一下子就流失了，一些细微、小的一些行为，就可以预示他以后会流失。
在LinkedIn的时候，大家要去追踪用户的使用行为。比方说说有没登录、登录之后有没搜简历、有没上传简历等等。用户这些点点滴滴的行为，都非常重要。有了这些数据支撑，LinkedIn的商品、推销天天都要去看用户报告，最简单的就是用户使用行为有没降低、哪些行为降低、哪些用户用的特别好等，以此来维护用户关系。
（五）变现
LinkedIn 是一家 2C 又 2B 的公司，在全球有4亿的用户，有非常多真实用户的简历信息。2B 的生意是LinkedIn 为每个企业 HR 推销的，目的就是帮美国的企业去找中高档的人才，这里面有非常多的不一样的商品线。LinkedIn 本身就是一个社交互联网，用户是经理、VP还是总监，还是生意类的，市场的、推销的等等这些数据在 LinkedIn 上都聚合成一个企业的纬度。
有了这个企业的纬度之后，大家就可以非常快让推销拿着这个卖给顾客。比方说要跟星巴克谈生意，最能震惊到星巴克 HR 的数据是人才流失率的列表。
如上图，其职员在最近一年有什么是从别的公司加入进去，上一家公司是哪个，用蓝色显示。左边做的是星巴克职员流失，其跳槽去了哪家公司，用红色显示。
通过这个简单的分布，就可以飞速看出来人才流失状况。若是蓝的多，说明这家企业的人才吸引方面是强的，若是红色的多，说明这家公司人才储备和招聘方面正处于颓势。大家把数据展示给最后顾客，基本上就可以拿到单子。大家可以通过数据来讲故事。大家刚开始做了非常多的报告，推销可以拿去讲故事，可以非常快促进成单。
所有这些是通过用户行为解析做出来的，不是通过拍脑门或者是第三方数据，用户行为解析的价值不言而喻。
移动应用商品推广服务：APP推广服务 青瓜传媒广告投放
本文作者@ GrowingIO 由(青瓜传媒)整理发布，转载请注明作者信息及来源！
