行为事件分析模型
在用户行为领域,通过数据分析方法的科学应用,经过理论推导,能够相对完整地揭示用户行为的内在规律。基于此帮助企业实现多维交叉分析,帮助企业建立快速反应、适应变化的敏捷商业智能决策。结合近期的思考与学习,将为大家陆续介绍不同针对用户行为的分析模型。本文主要介绍行为事件分析。
一、什么是行为事件分析?
行为事件分析法来研究某行为事件的发生对企业组织价值的影响以及影响程度。企业借此来追踪或记录的用户行为或业务过程,如用户注册、浏览产品详情页、成功投资、提现等,通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。
在日常工作中,运营、市场、产品、数据分析师根据实际工作情况而关注不同的事件指标。如最近三个月来自哪个渠道的用户注册量最高?变化趋势如何?各时段的人均充值金额是分别多少?上周来自北京发生过购买行为的独立用户数,按照年龄段的分布情况?每天的独立 Session 数是多少?诸如此类的指标查看的过程中,行为事件分析起到重要作用。
二、行为事件分析模型的特点与价值
行为事件分析法具有强大的筛选、分组和聚合能力,逻辑清晰且使用简单,已被广泛应用。简单的说,行为事件分析法一般经过事件定义与选择、下钻分析、解释与结论等环节。
事件定义与选择
事件定义包括定义所关注的事件及事件窗口的长度,这也是事件分析法最为核心和关键的步骤。这里需要了解“Session”的概念,Session 即会话,是指用户在指定的时间段内在 APP、WEB 上发生的一系列互动。例如,一次会话可以包含多个网页或屏幕浏览、事件、社交互动和电子商务交易。当用户想了解“访问次数”、“平均交互深度”、“平均使用时长”、“页面平均停留时长”、“跳出率”、“页面退出率”等指标时,都需引入 Session 才能分析。因此,创建和管理 Session 是事件定义的关键步骤。
多维度下钻分析
最为高效的行为事件分析要支持任意下钻分析和精细化条件筛选。当行为事件分析合理配置追踪事件和属性,可以激发出事件分析的强大潜能,为企业回答关于变化趋势、维度对比等等各种细分问题。同时,还可以通过添加筛选条件,可以精细化查看符合某些具体条件的事件数据。
解释与结论
此环节要对分析结果进行合理的理论解释,判断数据分析结果是否与预期相符,如判断产品的细节优化是否提升了触发用户数。如果相悖,则应该针对不足的部分进行再分析与实证。
三、行为事件分析模型应用场景
场景一:互金行业常见的行为事件分析
某互联网金融客户运营人员发现,4月10日号来自新浪渠道的 PV 数异常标高,因此需要快速排查原因:是异常流量还是虚假流量?
企业可以先定义事件,通过“筛选条件”限定广告系列来源为“新浪”。再从其它多个维度进行细分下钻,比如“地理位置”、“时间”、“广告系列媒介”、“操作系统”、“浏览器”等。当进行细分筛查时,虚假流量无处遁形。下图为来源为“新浪”的各城市浏览页面的总次数。
图1 通过神策数据了解来源新浪的各城市浏览页面的总次数
在剔除虚假流量后,运营人员可进行其他用户行为分析。通过“投资成功”事件,查看各个时段的投资金额。若想知道每个产品类型的投资金额,此时再按照“产品类型”进行分组查看即可。如图2。
图2 通过神策数据了解不同产品投资成功的支付金额的总和
当用户投资到期后,后续行为可能是提现或继续投资,运营人员可以实时关注“提现率”的变化趋势。
图3 通过神策数据了解用户投资到期后提现率的变化情况
值得强调的是,行为事件分析方法是多种数据分析模型之一,它与其他分析模型存在无法割裂的关系。只有各分析模型实现科学互动和配合,能够科学揭示出用户个人/群体行为的内部规律,并据此做出理论推导,不断在工作实践中优化商业决策和产品智能。