第五章

用戶行為洞察與分析UserBehaviorInsightsandAnalysis嚴謹勤儉求實開拓01用戶行為洞察02用戶行為分析實例03實訓案例引入通常只是男士運動服尺碼的簡單改小，顏色改為粉色?！癝uperGirls”Lululemon的成功建立在對“SuperGirls”及后來“新中產”的精準洞察。對用戶需求的深刻理解，讓品牌能夠提供切合時代潮流的產品，在競爭激烈的市場中脫穎而出?！靶轮挟a”階層Part1用戶行為洞察UserBehaviorInsight嚴謹勤儉求實開拓01用戶行為洞察用戶行為分析概述數(shù)字時代的用戶行為對企業(yè)商務活動的深刻影響與用戶的交互方式個性化營銷內容營銷預測用戶行為企業(yè)利用各種數(shù)字化渠道如電子郵件、社交媒體直接與用戶進行溝通互動，使得品牌可以更迅速、全面地傳遞信息，從而塑造品牌形象、提升私域流量。用戶根據(jù)自己的情況提出商品需求，企業(yè)盡可能按照其需求去生產以滿足用戶的個性需求和品位，并通過建立用戶的個人數(shù)據(jù)庫和檔案，采用靈活的調整策略以提高生產者與用戶之間的協(xié)調合作。更注重品牌的故事和核心價值，企業(yè)通過向用戶提供有價值的信息，利用用戶的價值認可和情感共鳴吸引用戶。通過歷史數(shù)據(jù)的分析能提前預測出用戶對產品的消費行為，并針對性地調整產品、定價和營銷策略，更好地滿足市場需求，從而影響用戶的購買行為。01用戶行為洞察數(shù)字時代用戶的行為特征數(shù)字時代下用戶的行為特征體現(xiàn)在：科學消費觀注重自我需求選擇廣泛科學種草01用戶行為洞察數(shù)字時代用戶的行為特征科學消費觀數(shù)字時代更多用戶認為消費的意義在于更高質量的生活，通過明智的選擇可以實現(xiàn)對生活方方面面的改善?？沙掷m(xù)消費是指在消費過程中考慮環(huán)境保護和資源節(jié)約的行為。邊際效用是消費者在消費某種商品時，所獲得的額外效用或滿足感。粉紅稅是指女性獲得同樣的產品或服務比男性付出更多金錢的現(xiàn)象。相對收入消費理論：消費者的消費支出不僅依賴于他的現(xiàn)期收入，而且還依賴于其他人的收入水平以及他過去曾達到的最高收入水平。有助于用戶保持健康的經濟狀況并且推動市場朝向健康、可持續(xù)的方向發(fā)展。01用戶行為洞察數(shù)字時代用戶的行為特征注重自我需求選擇廣泛

互聯(lián)網上時刻涌現(xiàn)著各種產品，但用戶在購買過程中展現(xiàn)出強烈的自我意識，更注重根據(jù)自身實際需求進行購物決策。用戶更加強調產品與個體需求的契合度，從實際需求、實用性等，購買更符合自己需求的產品。這一消費觀念的崛起展示了用戶對于自主選擇和個性化的追求。他們不再受制于潮流的束縛，而是更加注重在購物過程中體驗到的實際益處。無論是產品的規(guī)格、功能、品質，還是其他用戶的使用經驗和評價，都可以在平臺上得到詳盡的展示。此外，用戶不再受限于地域和傳統(tǒng)渠道，可以從各種各樣的購物App隨時隨地輕松獲取各種產品。01用戶行為洞察數(shù)字時代用戶的行為特征科學種草知識型種草通過各種知識型平臺，如小紅書、知乎、百度等，獲取有關產品的詳盡信息，如產品的原材料、制造工藝、功能特點等方面的知識。購物不再僅僅是一次交易，更是對產品背后知識的了解和分享。科普型種草科普性的介紹產品背后的科學原理、技術革新等方面的信息。這種方式使得購物不再僅僅是滿足需求，更是一個知識獲取和學習的過程。測評型種草基于用戶的實際使用體驗和評價，讓其他用戶通過真實地了解產品的優(yōu)劣，從而做出購物決策。用戶能夠從多個角度、多個維度了解產品，更有把握地選擇符合個人需求的商品?？破招头N草的核心目標是破除信息差，比如揭露行業(yè)真相/掃除認知盲區(qū)。知識型種草是提供可操作的選購方法論，幫助不同需求的消費者實現(xiàn)精準購買?！?024年掃地機器人選購指南：6大參數(shù)對比+避坑清單》——知識型種草《膠原蛋白口服液是智商稅？生物學家解讀吸收真相》——科普型種草01用戶行為洞察用戶行為分析用戶信息和特征整合成虛構的“用戶畫像”——用戶在購買、使用和評估產品或服務的過程中，展現(xiàn)出來的一系列心理和行為活動是用戶用戶畫像的重要指標。用戶畫像對把握用戶行為具有以下意義：：1.用戶行為具有多層次、多角度的復雜性。2.用戶行為是多樣化需求的聚合。全樣本性事實性方便性動態(tài)性預測性01用戶行為洞察用戶行為分析模型

數(shù)字時代的用戶在電子商務市場中的購買行為與傳統(tǒng)實體市場存在顯著差異。在數(shù)字時代，通過大數(shù)據(jù)和個性化推薦算法，企業(yè)可以更精準地滿足用戶的需求，提供個性化的產品和服務。

文化影響社會影響

身邊人的意見和社交圈的影響也是用戶購買決策的重要考量。家庭影響

在家庭環(huán)境中養(yǎng)成的消費觀念和習慣會深刻地影響到用戶的購物決策。涵蓋生命周期階段、職業(yè)、經濟收入、生活方式、個性、自我觀念和心理（態(tài)度、動機、感知和學習經驗）等多方面的因素。除了考慮傳統(tǒng)的外部和個人因素，數(shù)字時代特有的影響因素：網絡文化、個人在線行為、網絡零售商店氣氛設計、在線用戶形成的社交網絡和在線評論等01用戶行為洞察用戶行為分析模型漏斗模型是一種常用的用戶行為模型，用于描述潛在用戶在購買過程中經歷的各個階段。它可以量化和優(yōu)化整個銷售過程中的每個環(huán)節(jié)，將潛在用戶逐步引導轉化為實際購買者。通過將整個購買流程拆分為多個步驟，并用轉化率來衡量每個步驟的表現(xiàn)，可以更好地了解每個環(huán)節(jié)的效率，同時針對異常的數(shù)據(jù)指標進行調優(yōu)，提高整體的購買轉化率。漏斗模型01用戶行為洞察用戶行為分析模型獲?。ˋcquisition）指從不同渠道，如廣告、營銷、社交媒體等吸引用戶，引入新用戶。需要解決渠道貢獻、宏觀走勢、注冊轉化率等問題，以掌握不同渠道等獲客效率和成本。激活（Activation）將新增用戶轉化為活躍用戶。很多用戶可能是通過廣告被動進入商品頁面的，如何把他們轉化成活躍用戶是這部分需要解決的問題。留存（Retention）關注如何減少用戶流失率，以及持續(xù)使用產品的情況，需要解決用戶規(guī)模穩(wěn)定性、推廣效果評估等問題。收益（Revenue）用戶在產品上發(fā)生可使企業(yè)收益的行為，包括付費率等指標，需要解決付費率、活躍付費用戶數(shù)等問題。推薦（Refer）涉及用戶通過產品推薦引導他人使用產品。階段指標定義獲取日新登用戶數(shù)每日注冊并登錄App的用戶數(shù)激活日活躍用戶數(shù)每日登錄過App的用戶數(shù)周活躍用戶數(shù)每周登錄過App的用戶數(shù)月活躍用戶數(shù)每月登錄過App的用戶數(shù)用戶粘性用戶每月訪問App的平均天數(shù)是多少留存次日存留率日新增用戶在+1日登錄的用戶數(shù)占新增用戶的比例三日存留率日新增用戶在+3日登錄的用戶數(shù)占新增用戶的比例七日存留率日新增用戶在+7日登錄的用戶數(shù)占新增用戶的比例收益付資率付費用戶數(shù)占活躍用戶的比例活躍付費用戶數(shù)關注日付費用戶和周付費用戶推薦K因子（K=每個用戶向他的朋友們發(fā)出的邀請的數(shù)量×接收到邀請的人轉化為新用戶的轉化率）當K>1時，用戶群就會像滾雪球一樣增大。當K≤1時，用戶群到某個規(guī)模時就會停止通過自傳播增長。01用戶行為洞察用戶行為分析模型RFM模型是一種用于評估用戶價值和創(chuàng)利能力的重要工具。用戶最近一次交易（Recency）:用戶最近一次和上一次交易的時間間隔（活躍度）交易頻率（Frequency）:指一定時間段內交易的次數(shù)（忠誠度）交易金額（Monetary）:指用戶在一定時間段內的交易金額（購買力）每個維度都需要設定一個閾值，比如在R維度，低于整體R值的平均值，用0表示；高于整體R值的平均值，用1表示。01用戶行為洞察用戶生命周期分析用戶生命周期理論可以把用戶群體劃分為五個關鍵群體，分別對應五個階段：展望群體潛在用戶單一購買用戶重復購買用戶忠實用戶01用戶行為洞察用戶生命周期分析這個階段的用戶群體，雖然尚未透露個人信息或出現(xiàn)實際購買行為，但卻表達了對品牌有購買意向的潛在用戶。營銷策略：這是用戶生命周期的起始階段，企業(yè)應通過定向廣告和產品展示吸引潛在用戶的注意力。個性化的廣告和產品展示有助于在激烈的市場競爭中脫穎而出，引導潛在用戶進入購買決策流程。01用戶行為洞察用戶生命周期分析當用戶表現(xiàn)出更為明顯的興趣和購買意向時，則進入了成長用戶階段。這一時期，用戶可能已經開始在品牌網站上瀏覽產品，將商品添加到購物車，或在社交媒體上積極參與品牌活動。營銷策略：企業(yè)需要加強與潛在用戶的互動，通過個性化服務和定制化體驗提高其購買意愿。建立完善的CRM系統(tǒng)，實現(xiàn)數(shù)據(jù)的互通互聯(lián)，為潛在用戶提供一致而有針對性的服務。01用戶行為洞察用戶生命周期分析隨著第一次成功購買，用戶轉化為單一購買用戶，成為品牌的新用戶。他們已經親身體驗了品牌的產品或服務，并品嘗到了與品牌建立連接的滋味。營銷策略：針對已完成首次購買的用戶，企業(yè)應通過定期的促銷活動、會員權益等方式延長其消費周期。01用戶行為洞察用戶生命周期分析一次購買不僅僅只是一次交易，而是用戶逐漸建立忠誠度的開始。在休眠期，用戶不斷選擇品牌的產品或服務，表明他們對品牌的滿意度較高。營銷策略：針對已經成為回頭客的用戶，企業(yè)需要更深入地了解他們的偏好和需求，提供更具個性化的產品和服務。通過積分制度、會員專享等方式，激發(fā)用戶的再次購買欲望。01用戶行為洞察用戶生命周期分析當用戶逐漸建立深厚的忠誠度，成為品牌的忠實用戶時，品牌與用戶的關系變得更為牢固。但這時應該留意用戶的流失。營銷策略：對于已經形成忠誠度的用戶，企業(yè)應當保持持續(xù)的關懷和溝通。定期的會員活動、專屬禮遇以及個性化的關懷服務都有助于鞏固用戶忠誠度，進一步提升其生命周期價值。Part2用戶行為分析實例ExamplesofUserBehaviorAnalysis嚴謹勤儉求實開拓02用戶行為分析實例用戶行為數(shù)據(jù)集概況數(shù)據(jù)集包含了淘寶App中2017年11月25日至2017年12月3日之間用戶的所有行為。數(shù)據(jù)標簽主要包含用戶ID、商品ID、商品類目ID、行為類型和時間戳，用戶的行為類型包括點擊1、加購2、收藏3、購買4。字段說明用戶ID淘寶用戶的ID商品ID用戶做出點擊、加購、收藏、購買行為的商品商品類目商品所屬類目的ID行為類型用戶做出的點擊、加購、收藏、購買行為時間戳行為發(fā)生的時間戳02用戶行為分析實例數(shù)據(jù)清洗讀取"UserBehavior.csv"的數(shù)據(jù)文件，查看缺失值情況。由于數(shù)據(jù)集的數(shù)據(jù)量太大，本部分使用了前10萬條數(shù)據(jù)，保留了原始數(shù)據(jù)集的全部字段。通過對數(shù)據(jù)集進行缺失值查找，發(fā)現(xiàn)數(shù)據(jù)沒有出現(xiàn)缺失值的情況，可以認為該數(shù)據(jù)集的基本情況良好，能夠進行下一步分析。02用戶行為分析實例用戶行為整體概況先針對用戶數(shù)量的基本信息進行統(tǒng)計，包括獨立訪客數(shù)、有操作的商品數(shù)量、有操作的商品類目數(shù)量、付費用戶數(shù)量（發(fā)生購買行為）以及非付費用戶數(shù)量，并將結果統(tǒng)計出來。02用戶行為分析實例用戶行為整體概況在用戶針對商品的消費行為方面，針對點擊量、購買量、加購量、收藏量進行了分析用戶行為中，點擊量以89.60%的占比表明絕大多數(shù)用戶仍停留在商品瀏覽階段。僅有約5.55%的點擊用戶會將商品加入購物車，而收藏量更低（2.81%），最終僅2.04%的點擊用戶完成購買。這樣的用戶行為基本符合沙漏模型，數(shù)據(jù)呈現(xiàn)逐層遞減的規(guī)律。02用戶行為分析實例用戶行為整體概況這平臺的訪客數(shù)（UV）達到9739人，這一指標突顯了數(shù)據(jù)集具備龐大的用戶基礎，一般大部分的用戶都不會反復觀看一個商品，也意味著數(shù)字時代下淘寶用戶針對一個類目的商品有著更多元的選擇。訪客數(shù)UV付費用戶數(shù)達到6689人，付費用戶占比高達68.68%，這是一個可觀的數(shù)字，說明淘寶商品得到了受到用戶的廣泛認可，大部分用戶在瀏覽完商品后都可以選擇出合適自己的商品。在商品數(shù)量方面，共計398971個商品，由此可見淘寶平臺商品種類的多樣性不僅滿足了用戶日益多元化的需求，同時為商家提供了更廣泛的拓展空間。商品數(shù)量數(shù)據(jù)集涵蓋了5793個不同的商品類別，意味著大部分的用戶在進行瀏覽商品行為時都是有目的性地進行網上購物。商品類別付費用戶訪客數(shù)9739商品數(shù)量398971商品類別5793付費用戶668902用戶行為分析實例具體指標分析-頁面訪問量PV和獨立訪客數(shù)UV這兩個指標通常被用于分析網站流量、用戶活躍度以及網站內容的吸引力。頁面訪問量（PV）可以反映網站的整體受歡迎程度和內容瀏覽情況，而獨立訪客數(shù)（UV）則更側重于了解網站吸引了多少獨立的訪客數(shù)。02用戶行為分析實例頁面訪問量和獨立訪客數(shù)呈現(xiàn)小幅度的變化，而12月1日之后整體出現(xiàn)大幅度的增長，這可能跟淘寶雙十二大促有關。由于推出了較大規(guī)模的促銷活動，用戶對相關產品產生了更濃厚的興趣，從而增加了用戶對淘寶的點擊量，使得頁面訪問量和獨立訪客數(shù)都呈現(xiàn)了較大幅度的增長。具體指標分析-頁面訪問量PV和獨立訪客數(shù)UV11-1812-1811-2512-0312-0312-1202用戶行為分析實例具體指標分析-跳失率跳失率作為用戶行為的關鍵指標之一，是指具有點擊行為的用戶數(shù)量與總用戶數(shù)之比。在實際應用中，為了更準確地反映用戶與網站的真實互動情況，通常將跳失率定義為只瀏覽一個頁面就離開的訪問次數(shù)與該頁面的全部訪問次數(shù)的比值。這樣的定義能夠更好地衡量用戶對網站內容的吸引力。02用戶行為分析實例具體指標分析-復購率復購率反映了用戶對于平臺產品或服務的持續(xù)關注和忠誠度。首先，找到購買記錄超過1次的用戶，并統(tǒng)計數(shù)量，存儲在“repurchase_users”變量中。然后，通過將復購用戶數(shù)量除以總的購買用戶數(shù)量得到復購率，并以百分比的形式呈現(xiàn)。02用戶行為分析實例用戶行為分析及預測-用戶轉化漏斗用戶轉化漏斗分析是企業(yè)數(shù)字商務活動的重要工具，通過深入研究用戶在網站上的行為路徑，可以更好地理解用戶的轉化過程，發(fā)現(xiàn)潛在的優(yōu)化空間?；诖?，本部分針對淘寶用戶行為數(shù)據(jù)，聚焦于兩條典型的用戶路徑：點擊→收藏→購買以及點擊→加購→購買，并結合收藏加購用戶轉化率和購買用戶轉化率進行詳細分析。計算轉化用戶數(shù)量點擊→加購→購買點擊→收藏→購買計算用戶轉化率收藏加購用戶轉化率：（收藏加購用戶數(shù)/總用戶數(shù)）×100%購買用戶轉化率：（購買用戶數(shù)量/總用戶數(shù)）×100%繪制漏斗模型02用戶行為分析實例用戶行為分析及預測-用戶轉化漏斗①②、③02用戶行為分析實例用戶行為分析及預測-用戶轉化漏斗在Python中執(zhí)行代碼，可以得到圖5-19，可知收藏加購用戶轉化率為58.36%，購買用戶轉化率為31.77%。這表明用戶在經歷了收藏和加購兩個環(huán)節(jié)后，最終完成購買的傾向相對較高。收藏加購用戶轉化率更高。用戶可能通過收藏產品表達對商品的興趣，而加購則是更為明確的購買意愿。這種高轉化率意味著，在用戶決定將商品加入購物