掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
用戶行為分析:如何用數據驅動增長 版權信息
- ISBN：9787111681519
- 條形碼：9787111681519 ; 978-7-111-68151-9
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
用戶行為分析:如何用數據驅動增長 本書特色
適讀人群 ：高層管理者，有一定經驗的產品經理、數據分析師、互聯網運營人員、數據運營人員“世界前十位前沿數據科學家”張溪夢傾情創作，助你洞察用戶行為，全面引爆增長！ 良品鋪子楊銀芬、自如王迪、硅谷增長黑客曲卉、獵聘網戴科彬、安盛余健光、安踏楊博境、漢光百貨董有良、開課吧劉旭、起源資本邱越峰--聯袂推薦！ 本書為你揭秘： 1個數據驅動增長金字塔 1條系統的指標體系規劃思路 1套完整的埋點團隊協作流程 10大常用的數據分析模型 4家企業增長案例全面拆解 3大數據驅動增長前瞻 書中模板可掃碼自動獲取，直播解讀圖書和讀者群掃書上二維碼咨詢！ 本書還會有不定期的大咖直播解答讀者疑問的活動！點擊鏈接瀏覽直播！https://live.eyunbo.cn/newLive/69582?uin=1729
用戶行為分析:如何用數據驅動增長 內容簡介
很多時候企業都是在摸索中前行，或基于自身的判斷來尋找和服務用戶。但對于用戶是誰、用戶在哪里、用戶喜歡什么、用戶會對什么做出反應、用戶在商業場景中的什么時間做過什么等問題，很多企業都回答不出來。在當下，對用戶信息的了解和應用能力，很大程度上決定了企業在新競爭“食物鏈”上的排名。當新的生產要素—數據，逐漸進入大家的視野后，企業家們開始隱約意識到數據可能會成為新的發展動力、用戶行為數據將是激發企業創新活力的重要資源。但如何能擁有像虎鯨一樣的超聲波定位系統，即多方面洞察用戶需求、滿足用戶需求的能力呢？ 本書為幫助企業能在商業競爭中立于不敗之地，能對用戶行為數據發揮價值的過程建立系統的認知，并習得快速實踐的能力，讓企業高效落地數據驅動增長而撰寫。本書內容包括從商業進化的角度認識用戶行為數據的重要性及如何發揮其價值（章），用戶行為數據如何通過數據驅動增長金字塔（規劃、采集、分析、應用）為企業帶來貢獻（第2~5章），以及用戶行為數據驅動增長的實戰案例集（第6章）。 本書適合企業的高層管理者及有一定工作經驗的產品經理、數據分析師、互聯網運營人員、數據運營人員等閱讀。不管您身處互聯網企業，還是身處數字化轉型和升級的傳統企業，只要您擁有或者正在準備擁有自己的線上產品，便能通過本書找到“如何用數據驅動增長”的體系化內容。
用戶行為分析:如何用數據驅動增長 目錄
推薦語
前 言 做“商海”中的虎鯨
致 謝
第1章 走進用戶行為數據分析
1.1 用戶行為數據登場 // 1
1.1.1 沒有用戶行為數據的困境 // 2
1.1.2 商業進化：一切向用戶靠攏 // 3
1.2 什么是用戶行為數據 // 7
1.2.1 狹義的用戶行為數據 // 7
1.2.2 廣義的用戶行為數據 // 9
1.2.3 用戶行為數據的“5+1”要素 // 12
1.2.4 用戶行為數據的隱私與權限 // 14
1.3 用戶行為數據的一個趨勢和兩個價值 // 15
1.3.1 一個趨勢：在數字孿生世界下，用戶行為數據的遷移 // 15
1.3.2 價值一：理解用戶需求，指導業務升級 // 17
1.3.3 價值二：預測用戶行為，引導業務創新 // 21
1.4 如何讓用戶行為數據發揮價值 // 26
1.4.1 用戶行為數據驅動增長常見的困難 // 26
1.4.2 數據驅動增長金字塔：規劃—采集—分析—應用 // 27
第2章 數據規劃
2.1 數據驅動增長的“總設計師” // 29
2.1.1 數據規劃常見的問題 // 29
2.1.2 如何進行數據規劃 // 31
2.2 指標體系規劃的三大思路 // 32
2.2.1 OSM模型 // 32
2.2.2 UJM模型 // 36
2.2.3 場景化 // 40
2.3 指標分級 // 42
2.4 數據看板 // 44
2.4.1 數據看板的意義 // 44
2.4.2 數據看板的分類：戰略看板、分析看板、實時看板 // 46
2.4.3 如何搭建數據看板 // 51
2.4.4 搭建數據看板常見的六大問題 // 58
第3章 數據采集
3.1 數據采集常見的問題 // 62
3.2 用戶行為數據采集方法：埋點和無埋點 // 64
3.2.1 埋點和無埋點的定義 // 64
3.2.2 埋點采集和無埋點采集的適用場景 // 68
3.2.3 不同場景如何選擇采集方式：以App注冊為例 // 70
3.2.4 客戶端埋點或服務端埋點 // 72
3.3 如何高效落地數據采集 // 74
3.3.1 埋點方案四要素 // 74
3.3.2 埋點的團隊協作流程 // 80
3.3.3 數據指標管理 // 84
3.4 數據集成，搭建客戶數據平臺（CDP） // 87
3.4.1 從用戶行為數據到客戶數據平臺 // 88
3.4.2 客戶數據平臺的三種類型 // 91
3.4.3 實現客戶數據平臺的四大原則 // 93
3.4.4 案例：電商如何搭建客戶數據平臺 // 97
第4章 數據分析
4.1 業務導向的數據分析整體思路 // 104
4.2 用戶流轉地圖 // 106
4.2.1 全域—全局—局部 // 106
4.2.2 繪制用戶流轉地圖 // 107
4.2.3 案例：B2B企業官網的用戶流轉地圖 // 112
4.3 十大數據分析模型 // 116
4.3.1 事件分析 // 116
4.3.2 漏斗分析 // 118
4.3.3 熱圖分析 // 119
4.3.4 留存分析 // 122
4.3.5 留存魔法師 // 123
4.3.6 事件流分析 // 125
4.3.7 用戶分群分析 // 127
4.3.8 用戶細查 // 129
4.3.9 分布分析 // 130
4.3.10 歸因分析 // 131
4.4 渠道分析 // 133
4.4.1 找到*優投放渠道 // 133
4.4.2 打造黃金落地頁 // 138
4.5 運營分析 // 144
4.5.1 被低估的搜索框 // 144
4.5.2 活動迭代分析 // 148
4.6 產品健康度分析 // 151
4.6.1 產品健康度是“用戶體驗的體檢” // 151
4.6.2 關鍵行為矩陣與功能留存矩陣 // 153
4.6.3 案例：內容型App的產品健康度分析 // 155
第5章 數據應用
5.1 數據應用無處不在 // 159
5.2 A/B測試 // 160
5.2.1 廣泛應用的A/B 測試 // 160
5.2.2 七個步驟建立A/B測試的閉環 // 162
5.2.3 案例：A/B測試提升影視會員產品的付費轉化率 // 172
5.3 產品迭代 // 174
5.3.1 產品迭代全流程 // 174
5.3.2 六大要素量化、評估產品迭代效果 // 177
5.3.3 案例：數據驅動App首頁迭代 // 181
5.4 精細化運營 // 189
5.4.1 精細化運營的關鍵 // 189
5.4.2 用戶標簽與用戶畫像 // 193
5.4.3 用戶分層運營 // 198
5.4.4 案例：盟大集團（產業互聯網）如何進行用戶全生命周期運營 // 206
5.5 機器學習 // 212
5.5.1 機器學習與數據挖掘 // 212
5.5.2 用戶行為數據提升推薦算法效率 // 215
5.5.3 案例：預測客戶購買行為 // 220
第6章 用戶行為數據驅動增長實戰
6.1 歐冶云商：數據驅動B2B增長 // 226
6.1.1 B2B增長的挑戰和機遇 // 226
6.1.2 探索產品的核心價值主張 // 228
6.1.3 優化用戶轉化路徑 // 232
6.1.4 精細化的會員運營體系 // 242
6.2 推薦獲客量增長500%：好好住的增長團隊實踐 // 247
6.2.1 為什么好好住要搭建增長團隊 // 247
6.2.2 從0到1搭建增長團隊的三個步驟 // 248
6.2.3 閉環式的工作流程 // 251
6.2.4 好好住的推送迭代 // 256
6.3 月活躍用戶數從0到8萬：地產行業如何打造小程序私域流量池 // 259
6.3.1 “公盤私客”發展過程中的問題與機遇 // 260
6.3.2 創新產品“中原C管家”的思考和孵化 // 261
6.3.3 0元推廣費用，“中原C管家”的增長效果 // 265
6.3.4 用戶行為數據賦能經紀人營銷 // 268
6.4 酷開網絡：增長無處不在，OTT領航家庭經濟的數字化轉型 // 273
6.4.1 酷開網絡的增長框架 // 273
6.4.2 明道：洞察家庭用戶與精細化場景流程 // 276
6.4.3 取勢：指標管理體系建設，挖掘精細化流量的價值 // 277
6.4.4 優術：分析引擎體系建設，提升轉化率 // 282
6.4.5 踐行：關注用戶全生命周期，用增長實驗實現流量再生 // 287
6.4.6 案例：洞察流量—大轉盤抽獎活動的用戶旅程 // 287
后記 // 295
展開全部
用戶行為分析:如何用數據驅動增長 節選
第 1 章 走進用戶行為數據分析 1.1 用戶行為數據登場 2019 年 10 月 25 日的北京金茂萬麗酒店宴會廳，原本只能擺放 900 個座位的場地，被滿滿當當地排滿了 1 000 個座位。還未開場，宴會廳里就已 經座無虛席，宴會廳后面有限的空間里也站滿了人。正式開場后，組委會 索性打開了后門，讓一部分晚來的人站在廳外觀看會議全程。 這已經是連續四年、第 10 場爆滿的增長大會了。每年增長大會都會分 享一些新的經驗方法，比如“增長黑客”“首席增長官”，還有今天已經被 從業者視為區分是否為增長小白的入門級概念—“AARRR 模型（又稱海 盜模型）”。 無論是“AARRR 模型”，還是 2018 年更新后的代表著新留存增長的 “RARRA 模型”，這些在互聯網發展中掀起了旋風的增長方式，本質都在強 調一件事情：對用戶行為的洞察與分析。采集用戶行為數據，幾乎是所有 互聯網企業做增長的“起手式”。 互聯網企業其實一直都握著一個可以改變未來的秘密—“數據是下 一個時代的新能源”。他們一直堅信并且努力為能打出這張底牌持續構建著 牌局，或小心翼翼地探索，或瘋狂地跑馬圈地，*終目的都是為了獲得更 多的數據資產，從而促使產生新的業務模式或競爭壁壘。用戶行為數據作 為能驅動商業發展的數據類型之一，深受互聯網企業的重視。大多數互聯 網企業因為沒有傳統企業那樣豐富的經營數據，用戶線上行為數據便成為 他們能夠獲得的*有價值的數據。 真正讓用戶行為數據登上萬眾矚目的商業舞臺，并迅速向“C 位”（核 心位置）靠近的是傳統企業的覺醒和入局。這些傳統企業掌握著社會的絕 大部分商業資源，以及經年累月積累的海量數據資產，但一直苦于無法讓 數據充分發揮商業價值。隨著數字化轉型的逐漸開展，用戶行為數據正在 成為引爆這些數據資產的導火索。 1.1.1 沒有用戶行為數據的困境 2015 年夏天，*時髦的出租車司機會在方向盤左右架起三個手機支架， 分別接入滴滴、快的和易到。從早到晚，三個平臺的訂單此起彼伏，司機 樂此不疲地在三個平臺上挑選補貼*“肥”的訂單接單。一些精明的司機 悉心鉆研，從而掌握了平臺的補貼規律，并在*鐵的“的哥”圈里分享， 成為新晉的意見領袖。 他們的眼睛在緊盯屏幕的同時，可能自己沒有意識到，隨著 App 上點 擊的行為越來越多，路邊打車人招手的行為卻越來越少。用戶行為正在發 生遷移，并在互聯網上匯集成新的“流量”。他們想到了要多買兩條充電 線，因為手機不能沒電，同樣電話卡上也不能沒錢，因為沒流量就接不到 訂單了。但沒想到，“流量”真的說沒就沒了。 后面的故事大家都知道了，打車平臺啟動了“順風車”“快車”和“專 車”等新項目。他們將通過過往打車行為的數據已經被研究透徹的用戶， 按照購買力、出行目的等特性分層，用不同的優惠券和權益將分層后的用 戶分流到這些低、中、高檔的新項目中，因此留給“出租車”項目的用戶 大幅減少。當出租車司機從屏幕上抬起頭，打算重新尋找路邊“招手”的 打車人時，才發現原來“掃街”就可以獲得的乘客，已經找不到了。而隨 著新項目服務者的出現，過去出租車司機那些被乘客“隱忍”的小毛病， 比如車內偶有的異味、長時間的尬聊、油滑的拒載，都突顯了自己和新項 目服務者的巨大差異。打車人的消費升級了，出租車的業務模式也面臨更 替的挑戰。 對打車人的用戶行為數據分析確實使整個出行市場升級了，可惜受益 的并不是擁有*多出租車資源的出租車公司，因為出租車公司幾乎沒有類似出行平臺這樣的行業案例越來越多，比如通過“外賣小哥”服務 從餐飲商家獲得用戶餐飲消費行為數據的外賣平臺，通過比價服務從航空 公司和酒店獲得用戶出行旅游數據的 OTA（Online Travel Agency，在線旅 行社）等。這些新興互聯網企業的不斷涌現，加速了用戶行為的數字化遷 移。這也逐漸驚醒了處于各行各業的傳統企業，他們紛紛表示，不想像出 租車公司那樣成為“俎上魚肉”。他們于是紛紛開始打造自己的數字化平 臺，希望能夠直接面向終端消費者。 1.1.2 商業進化：一切向用戶靠攏 面向用戶，重視用戶行為，是由整個社會生產能力的升級決定的。當 我們的社會進入一個生產能力相對過剩、商品供應極大豐富的時代時，賣 方市場變為買方市場，弄懂消費者的所思所想成了商業競爭的核心戰場。 用戶行為數據，既是消費者心思的代言人，又是連接消費行為的關鍵。 我們所處的商業社會，正在快速經歷三種品牌形態的更替變化（見圖 1-1）：舊品牌、平臺品牌、新品牌。而舊品牌在一定程度上是大多數傳統 企業模式的縮影。 圖 1-1 商業進化歷程中品牌的三種形態 1. 舊品牌：原料 - 制造 - 銷售 明確的分工是舊品牌顯著的產業特點。原材料提供者專注于資源環節， 制造商專注于生產產品，渠道商專注于各級分銷代理。精細化分工極大地 提升了各個環節的生產效率，實現了生產效能*大化。 然而，區隔明顯的分工在為產業鏈的各個價值增值點鑄造了壁壘的 同時，也阻斷了數據的流通。原材料提供者不知道終端市場的波動，制造 商不理解用戶的需求，分銷商無法選擇適合市場的原料和工藝。信息的 層層斷點，導致舊品牌在適應市場和贏得用戶青睞方面行動遲緩，瀕臨 淘汰。 2. 平臺品牌：掌控用戶數據 率先變革的是渠道環節。平臺品牌因為能夠連接更多的消費者，逐漸 代替傳統渠道而成為“巨無霸”，并且綁定各類舊品牌使其無法脫離。過去 20 年我國在搜索引擎、電子商務、社交媒體等方面的互聯網基礎建設，讓 各家互聯網巨頭已經成為用戶行為數據的掌控者。 現在，外賣平臺點餐用戶的姓名、聯系方式等都以虛擬加密的形式發 送至騎手和商家手中，只有外賣平臺自己才擁有用戶的全部信息。幾大電 商平臺能夠導出給品牌商的數據也只剩下訂單基礎信息，品牌商想得到用 戶在平臺上的數據，哪怕是用戶在自家店鋪的瀏覽和加購行為的數據也是 不可能的。有些平臺，甚至連消費者的聯系信息也不傳給企業。 平臺這種加密形式雖然有助于保障用戶隱私，但也使品牌商無法在自 己的交易中了解用戶構成、分布及真實需求。久而久之，品牌與用戶的連 接能力變弱，利用數據驅動自身業務發展的機會隨之消失。而平臺則通過 連接龐大的供需方，掌握了海量的用戶數據，能全面地洞察用戶，逐漸在 與品牌商的博弈中成為游戲規則的制定者。 3. 新品牌：直連用戶 新品牌重視直連用戶，也就是我們常說的 DTC（Direct To Consumer， 直接面對消費者）。與舊品牌不同的是，新品牌以消費者的需求為牽引力， 將產業鏈上各個環節整合在自己手中，數據前后打通，從前到后牽動整個 產業鏈條聯動調整（見圖 1-2）。 圖 1-2 新品牌與舊品牌的區別 新品牌與平臺電商也保持著若即若離的關系，他們往往善于使用各類 平臺曝光自己的品牌，完成與粉絲的互動，再利用各種方式，將流量匯集 到自己手里。而*重要的一對一溝通和交易環節的數據，新品牌則一定保 留在自己完全可控的私域之中。 在國外，健康睡眠智能床墊品牌 Casper、主打世界上*舒服鞋的品牌 Allbirds、美妝品牌 Glossier、眼鏡品牌 Warby Parker 等眾多 DTC 品牌都已 經成為估值超過 10 億美元的獨角獸。 在國內，也有不少 DTC 模式的先行者，如彩妝品牌完美日記、護膚品 牌 HFP（HomeFacialPro）、洗護品牌植觀等。其中，完美日記母公司逸仙 電商成立不到四年，即成功在紐交所 IPO（首次公開募股，時間：2020 年 11 月 19 日），首日漲幅即超 75%，總市值已達 122 億美元。據市場公開數 據顯示，逸仙電商 2019 年的銷售總額高達 35 億元，同比增長 363.7% ！ 我們有幸參與了一些傳統品牌直連消費者的轉型進程，下面列舉三家 企業的轉變： 首先，有一家知名的面向年輕人群的韓國美妝品牌，它們基于自己線 下幾百名導購員形成的用戶網絡，構建私域流量池，我們用小程序幫助它 們完成與顧客的交流、互動與交易。短短 10 個月，從私域線上零成交，發 展到年銷售 4 億元，這樣的速度，羨煞了一眾歐美 / 日系美妝大牌。這些 大牌于是紛紛投重金，打造小程序，但銷量卻不見起色。這里的差別在于， 歐美 / 日系大牌還是沿用傳統品牌的傳播思維，將小程序當作廣告創意來設計，注重調性的美輪美奐，卻不太重視用戶的使用體驗。而這家韓國美妝 品牌的小程序設計不是基于品牌市場總監的審美打造的，而是將這個小程 序交給一線的幾百個導購員，幫助導購員向到店的顧客發送*新產品信息 和使用日記，并增加他們與顧客的互動機會。通過數據采集，收集被導購 員使用*多、讓顧客留存*好的功能，監測裂變傳播鏈路，幫助導購員找 到愿意分享且有影響力的消費達人，為導購員構建一個個清晰的用戶畫像， 激發他們不斷嘗試拓展數字化溝通的可能。基于對導購員行為和消費者行 為數據的不斷分析，開發團隊每周更新，迭代了幾十個版本，*終收獲了 驚喜的成功。這是一個用戶行為數據助力小程序和私域運營的很好的實踐。 其次，有一家國內知名的茶飲品牌，它早已成為網紅打卡“圣地”，在 各大平臺收獲無數粉絲。但隨著時間推移，該品牌發現，這些平臺看似熱 鬧，但背后更多的是對群體的影響，該品牌幾乎沒有辦法和單獨的用戶互 動，也就無法將這些用戶轉化成直接的商業價值。2019 年，該品牌決定重 構自己與用戶溝通的形式。用了一年的時間，它們構建了與用戶直接溝通 的平臺，借助原有的品牌影響力，將 1 500 萬名粉絲拉入這個可以直接連接 用戶的自有數字平臺。過去的信息資訊互動，變成生日特權、品牌日特惠、 新品優享等為每一個用戶量身定做的消費權益，直接刺激了用戶的消費行 為。通過監測它們的線上行為數據，該品牌不斷調優會員權益，又通過推 出月度、季度、年度付費會員的模式，遴選出用戶忠誠度金字塔，實現了 對各層級用戶的深耕，品牌的“護城河”也越來越深！ *后，還有一家國內銷量*高的奶粉企業，它們在探索線上自有電商 三年之后發現，相比上百億元的線下和傳統渠道銷售，自有線上平臺的銷 量雖然每年翻倍，但仍然只占整體業務量的零頭。過于關注訂單達成，使 得它們對于用戶的了解并沒有加深，還增加了線上自有渠道與其他渠道的 沖突。之后，它們大膽地將線上自有平臺改為會員服務平臺，重新定位了 自有平臺與各大渠道的關系，將其定位于通過媽媽知識課堂、活動互動等 方式促進用戶互動的會員運營平臺。為了與其他渠道更好地協同，它們在原有以交易獲得積分的會員體系基礎上，增加了以用戶線上互動行為賺取 成長值的第二積分體系，并巧妙地設計了雙重積分互相促進升級的雙輪驅 動模式，不斷發掘和打造“超級用戶”。事實上，所謂“超級用戶”，就是 既有重度消費行為，又有重度互動行為的消費者，他們不但自己能夠為品 牌貢獻超高的消費額度，還能夠影響周邊的人帶來新客。這些超級用戶的 價值平均達到一般消費者的 7~8 倍。 DTC 模式讓新品牌能夠直接與用戶互動溝通，將用戶數據掌握在企業 手中。這也就意味著，新品牌更擅長用數據進化自己的商業模式，能夠真 正做到以用戶為中心，滿足用戶多樣化、個性化、品質化的產品和服務需 求。這也是 DTC 模式能讓新品牌在短時間內業績實現高速增長，越來越受 到傳統大型品牌零售企業重視的原因。 從舊品牌到平臺品牌，再從平臺品牌到新品牌，這三者間的本質差異 其實是掌握用戶數據量級和精度的差異。企業掌握的用戶數據量級和精度 越高，所在的商業環境越透明，制定商業決策的維度也就越高，勝出的可 能性也就越大。 我們在服務客戶的過程中也發現，越來越多的企業開始在平臺電商之 外開辟“自建平臺”這一新戰線，嘗試逐漸降低對平臺電商的依賴，通過 構建私域流量池將用戶數據掌握在自己的手中。大量流量開始從公域被引 至私域，再由自建商城、導購員個人號等觸點實現溝通與轉化。不得不說， 這和平臺電商逐漸收緊對外輸出用戶行為數據有直接關系，爭搶用戶行為 數據的競爭愈演愈烈。 1.2 什么是用戶行為數據 1.2.1 狹義的用戶行為數據 那么，到底什么是用戶行為數據呢？在商業經營中，企業與用戶相關的 三種核心數據包括用戶屬性數據、用戶行為數據和用戶交易數據（見圖 1-3）。 圖 1-3 商業經營中的用戶數據分類 用戶屬性數據是指描繪用戶特征的數據，根據人口統計學特征，可以 從靜態、動態及未來發展趨勢三個方面觀察用戶，包含性別、年齡、職業、 民族等統計變量。例如，與靜態相關的身高、體重、頭發顏色等；與動態 相關的健康狀態、受教育程度、生活所在地等；與未來發展趨勢相關的做 什么工作、是否結婚、有無子女等都是用戶屬性數據。這些數據企業在努 力收集，但效果十分有限。舉例，很多企業都希望通過填報會員卡收集用 戶的基本信息，比如生日、聯系方式等，但用戶出于數據隱私考慮或者是 根本沒有耐心仔細填報等原因，*終傳遞至企業手中的數據往往非常單薄， 而且準確率較低。 用戶行為數據是指用戶在商業互動過程中產生的動作數據，即用戶做 了什么事情。例如，用戶走進線下門店，瀏覽貨架，拿起商品又放下，挑 選物品放入購物籃，這是用戶行為；用戶在線上商城瀏覽商品，參閱評論， 加入購物車，這也是用戶行為；用戶參加活動，關注文章，參與抽獎，評 論轉發，這都是用戶行為。對于用戶行為數據，很多企業是沒有特別采集、 識別和保存的。就像門店里的攝像頭，記錄了門店每天發生的各種行為， 但是企業基本沒有識別與分析的能力，這些數據因為受存儲空間限制也不 會保留很長時間。 用戶交易數據是指用戶完成支付動作后產生的相關數據。例如，訂單 金額、訂單數量、訂單類型、促銷折扣、物流信息、退換貨結果等。用戶 交易數據經常被存儲在訂單或財務系統等數據庫中，是企業普遍能夠拿到 的較全面的數據。 對于很多企業來說，即使自己能夠收集到上述三種用戶數據，但這些 數據被存儲在不同的數據庫中，往往不能互相融合。究其根本原因在于， 這三類數據經常是由會員信息管理、訂單交付管理和門店經營管理三個不 同的團隊來處理的。很少有企業會從統一的用戶視角來整合所有的信息， 即真正“以用戶為中心”來設計自身業務和經營管理邏輯。不能融合的數 據自然難以發揮應有的巨大價值。 如何轉變意識克服以上的問題，就需要引入用戶行為數據的廣義理解。 1.2.2 廣義的用戶行為數據 如果從廣義上探討用戶行為數據，其實以上三種數據都可以囊括至用 戶行為數據的概念之中（見圖 1-4）。 用戶屬性數據 用戶行為數據 用戶交易數據 圖 1-4 廣義上的用戶行為數據 一方面，當我們把交易看成一種特殊的用戶行為時，用戶行為數據就 自然而然延展到用戶交易數據的體系中。 過去，我們把用戶交易數據看成一種商務結算而非用戶行為，在以訂 單為中心的邏輯下，我們看到的是一筆筆訂單，關心訂單總額、訂單數量， 考核業績目標完成的情況，進而指導企業內部計劃預算和生產履約的過程。 但當我們將交易與用戶行為關聯后，在以用戶為中心的邏輯下，我們 看到的將是用戶的整個生命周期：用戶的**筆訂單、用戶的**次復購、用戶的交易頻率、用戶的品類選擇，用戶流失前的*后一筆交易。將成千 上萬個用戶的生命周期總價值疊加在一起，就是整個企業的訂單總和。 這種先細拆再積累的方式，就像大學**次接觸“微積分”課程一樣， 刷新了我們對很多原有概念的認知，處理復雜問題的方法也變得多樣。本 書后面的每一個章節都是基于這個新的視角，帶領讀者思考如何用全新的 經營理念改善企業的業務狀態。 現在“微積分”這個詞對我們大多數人來說，應該是只剩下一個名稱 概念了，但這不妨礙我們借用它來理解用戶視角下拆分經營數據的思維方 式，就像微積分把我們帶入高等數學一樣，連接用戶行為數據和交易數據， 并用“堆積”的用戶生命周期總價值來看企業的經營價值，這種新的思維 方式也把企業帶入了“高等”經營模式中。 另一方面，我們試著將用戶行為數據和用戶屬性數據進行關聯。其實， 所有的用戶屬性數據都可以理解為用戶過去行為的沉淀。例如，年齡是父 母生育行為的沉淀、學歷是過去學習行為的沉淀、婚姻狀態是戀愛行為的 沉淀等。這些屬性數據本來就是過往若干行為數據的結果，只是這樣的行 為數據對于企業經營者來講很難獲得。不過也無須氣餒，經驗告訴我們， 這種非業務經營場景中積累的用戶屬性數據對于開展業務的價值是非常有 限的，真正能夠影響業務的是在企業所提供的經營場景中沉淀的用戶屬性 數據，比如用戶瀏覽商品而沉淀的品類偏好，經常訪問門店而沉淀的地理 信息，填寫生日蛋糕的遞送日期而沉淀的生日信息，以及由支付訂單的平 均金額沉淀的消費力屬性等。 借助算法模型，我們還可以組合若干用戶行為數據來推演用戶屬性數 據。簡單來說，在線教育平臺上的某個用戶，如果對數據分析內容的瀏覽 時間較長，且偶爾為數據分析師進階類的課程付費，那么我們就能根據這 種用戶行為判斷其可能是數據分析師職業且收入適中，具備一定的付費能 力。當然實際應用的算法不會如此簡單，往往會通過對數十項行為數據建立特征工程，在建立上百個特征向量后，應用各種算法預測用戶的未來行 為和某種屬性。這種通過用戶行為反推，得出用戶屬性數據的過程，就是 給用戶打標簽并迭代管理標簽的過程。通過用戶行為數據驗算的用戶屬性 往往包括用戶的品類偏好屬性、渠道偏好屬性、支付能力屬性、促銷敏感 度屬性、裂變分享意愿度屬性等，這些屬性標簽比性別、職業、教育程度、 興趣偏好等更能指導企業下一步經營計劃的開展。 通過以上方式獲得的用戶屬性數據，不再只是用戶的人口統計學特征， 而是可以描繪出更加立體的、鮮活的、有價值的用戶 360°畫像。過往我們 對于用戶的理解，是通過抽樣調查得到的，或者通過第三方的群體標簽畫 像得到的。現在基于用戶行為數據的分析，這種畫像的顆粒度可以精細到 每一個人。這為“千人千面”的精細化運營奠定了基礎。 基于用戶行為數據關聯交易數據勾畫用戶的生命周期，基于用戶行為 數據關聯屬性數據描繪用戶的 360°畫像，這樣的用戶數據應用，對于企 業是一次經營管理意識“質”的改變，這和聚焦企業自身經營的視角不同， 而是更關注用戶的視角；與“內卷式”的精細化管理不同，這是真正精細 化到個體用戶的思維，這是更接近生意本質的視角，可能也是真正能驅動 供給側改革的視角。 當然這一切也必然催生對于信息系統，尤其是數據系統設計的重大改 變。 從廣義角度來看，用戶交易數據和用戶屬性數據融入用戶行為數據的 數據融合一直是很多企業 IT（信息技術）和數據部門的痛點，但阻礙我們 融合數據的可能不僅是技術和標準問題，更是經營管理者的意識問題。沒 有融合的數據，阻礙了我們挖掘數據背后重大的商業價值，降低了管理者 對于使用數據的動力，減少了對于維護和獲得數據資產的投入，這樣的惡 性循環，正是很多企業先大張旗鼓開展數據中臺建設，后又漸漸偃旗息鼓 的原因。因為數據管理的思路和種種需求是分散的、割裂的，如何能指導系統層面的整合呢？這也是我們撰寫本書的重要原因，希望企業不僅可以 在數據意識上轉變升級，還能夠掌握數據規劃、采集、分析和應用四個關 鍵的方法體系。 通過對廣義用戶行為數據的意識轉變和數據融合，用戶行為數據基本 可以涵蓋所有企業經營中與用戶相關聯的信息了。那讓我們來簡單看一下， 融合后的用戶行為數據具有什么樣的特點。
用戶行為分析:如何用數據驅動增長 作者簡介
張溪夢 GrowingIO創始人，踐行數據驅動增長20余年，在創建GrowingIO之前，曾就職于eBay和LinkedIn。在LinkedIn任美國商業分析部高級總監，親手創建了近百人的商業數據分析和數據科學團隊，支撐LinkedIn所有與營收相關業務的高速增長。2013年，Data Science Central評選其為“世界前十位前沿數據科學家”。2015年5月，回國創立GrowingIO，致力于幫助企業提升數據驅動能力，實現更好的增長。與此同時，張溪夢也是暢銷書《首席增長官》的作者和《增長黑客》的譯者。 邢昊 GrowingIO咨詢服務副總裁，畢業于清華大學自動化系和經管學院，擁有16年的企業數字戰略轉型、互聯網營銷和信息化管理咨詢經驗。加入GrowingIO后，帶領咨詢服務團隊為如家、安踏、方太、招商仁和人壽、獵聘、站酷、陌陌等上百家傳統企業和互聯網企業提供增長咨詢服務，協助企業打造增長型組織，執行增長策略，實現數字化業務占比增加、用戶生命價值增長和互聯網營銷效率提升等實戰成果，廣受業內認可與好評。
書友推薦
- >
經典常談
- >
有舍有得是人生
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
莉莉和章魚
- >
隨園食單
- >
推拿
- >
史學評論
本類暢銷
