下载掌阅APP，畅读海量书库
立即打开
一个产品所面对的，不是一个用户，而是一群用户，其背后是众多需求的集合，每个用户都千差万别，用户心智、场景、意图都不一样，用户需求也各不相同，所以，需要对用户需求进行分析，找到关键且有价值的需求，提供相应的产品服务，实现低成本高回报。
从企业内外部的维度来看，用户需求主要分两个方面：一个是在企业外部市场中，用户对整个行业的服务需求。洞察外部市场用户需求，可以掌握所有用户需求的现状和趋势，了解市场环境和竞争情况，从外部寻找更多业务机会，扩展产品业务边界，服务更多用户；一个是企业内部现有用户对企业产品的服务需求。洞察内部用户产品需求，可以知道用户对产品的使用反馈和服务诉求，进而优化产品功能，提高产品服务能力，提升用户体验和用户忠诚度。
人在一定的场景下遇到了某个问题，而这个问题是可以被解决的，这种需要就是需求。用户需求分析就是对用户需求进行收集和研究，洞察哪些用户在哪些场景下产生了哪些需求，分析需求的本质，评估满足需求的成本和可能带来的价值。
用户需求分析具有几点意义：第一，发现有价值的需求，通过对需求进行收集和分析，可以有效筛选出有价值的需求；第二，提升用户体验，产品最终要服务用户，满足用户的某种需求，只有通过需求分析找准用户的真实需求，才能真正做出用户需要的产品，提升服务质量和用户体验；第三，创造更大的产品价值，通过需求分析，做到透过现象看本质，从中挖掘产品自身的发展路径和业务的长远目标及规划，从而帮助企业创造更大的产品价值。
1）用户市场需求分析
用户市场需求分析，是对市场的规模、容量、特点、竞品和替代品情况等进行的分析，一般分析以下三方面。
（1）潜在市场。
潜在市场指理想状态下市场需求的最大数量，潜在市场需求包括目前市场需求和未开发市场需求。根据产品的服务定位，确定能满足哪些用户在哪些场景下的哪些需求，结合宏观经济和市场情况，分析产品所属行业内可能存在的所有市场机会。潜在市场决定了市场总容量，如果市场容量很小，而企业比较多，那么企业间的竞争一般会比较激烈，可获得的利润不会太多。
（2）目前市场。
目前市场指在当前真实环境下实际市场需求的数量，也就是该行业或者该类产品的市场总购买量，即所有企业满足用户需求的数量总和。根据产品的市场定位，通过相关的数据网站、行业资讯网站、国家数据报告等，找到符合自己产品市场的数据信息，然后进行洞察分析，包括分析现状和未来发展趋势。
（3）企业市场占有情况。
企业市场占有情况指本企业所服务的用户及产品在目前市场中的占比情况，一般统计如下三个指标。
● 市场份额 =用户购买量/该类产品市场总购买量，也叫市场占有率。
● 用户覆盖率 =用户量/该类产品市场总用户量。
● 用户渗透率 =用户购买量/用户该类产品市场总购买量。
当户均该类产品购买量一样时：
市场份额=用户覆盖率×用户渗透率
用户市场需求分析的整体逻辑如图1-1所示。
图1-1 用户市场需求分析
企业的市场空间包括两个方面：一是市场潜力空间，体现了目前市场需求与潜在市场需求之间的差距；二是市场竞争空间，体现了企业满足的用户需求与目前市场需求之间的差距。市场潜力空间越大，未被满足的潜在市场需求越多，就可以探索开发市场。市场竞争空间越大，说明未被本企业满足的市场需求越多，企业就需要提升产品竞争力，扩大市场份额。可以对同行竞品或者跨行替代品进行分析，收集对方产品方案、市场情况、用户情况、运营策略、数据情况等信息，然后进行优势和劣势的对比分析，发现问题和机会，扬长避短，提升自己企业的竞争力。用户覆盖率低，意味着用户覆盖广度不够，用户量占比较低，需要增加用户数量，加强用户推广。用户渗透率低，意味着用户对产品的使用深度不够，产品用户购买量在该类产品市场总购买量中占比较低，需要增加用户购买量，包括增加用户购买商品的种类数、件数、频次，提高用户忠诚度。
2）用户产品需求分析
从用户需求到最终产品的实现，中间需要进行需求分析，用户产品需求分析就是发现用户最本质的需求，进而提供相应的产品服务，为用户创造价值。
用户产品需求根据来源不同，分为直接需求和间接需求。直接需求是用户直接反馈的需求，用户有明确的需求表述。间接需求不同于直接需求，是用户在使用产品的过程中产生的问题或想法，虽然用户没有直接提出，但是用户需求存在，可以通过一些办法来发现，这些需求会在某些方面影响用户的使用体验和价值感知，也是非常重要的。
用户产品需求分析一般从两个方面进行。
（1）产品功能需求。
产品功能需求主要指产品的功能、使用流程和过程，包括产品性能是否稳定、品质是否良好、产品品类是否全面、价格是否合理、使用流程和操作是否便捷等。
（2）产品服务需求。
产品服务需求是产品运营层面上的需求，包括活动及介绍是否合适、优惠是否吸引人、服务保障是否有力、指导说明是否到位、客服工作是否负责等。
【案例】
在京东平台上，用户经常会关注一件商品而不下单，尤其是对3C类家电这种高价格商品，用户总担心买贵了，想要以更低的价格买入商品。虽然用户总有对商品低价格的需求，但还是有更好的解决办法。用户担心买贵了，担心刚下单就降价，会想如果晚几天买可能便宜很多，用户心理落会差比较大，这种担心和可能出现的情况提高了用户购买商品的门槛，而如果用户下单后经过比较长的时间商品再降价，对用户的影响就没有那么大了，用户已经使用了商品，获得了商品价值，获得了一定的满足感，不会再对商品价格感到纠结。所以，分析了这个问题后，京东提供了30天“价保”服务，用户下单后可以享受30天内的更低价格，这样做降低了用户下单门槛，提高了用户转化率和服务体验。
1）用户需求分析的开展步骤
用户需求是多方面的、多层次的，首先应尽可能多地收集用户需求。但是用户需求纷繁复杂，收集的需求不一定都是有价值的，其中可能存在很多问题，比如需求可能只是用户的一个误解，也可能只是某个用户自己的需求，或者可能是特殊条件下才会发生的问题等，所以需要对用户需求进行分析和评估，判断需求是否真实和有价值。企业资源和条件有限，产品不可能满足所有用户需求，哪怕需求是有价值的，还需要分析价值大小、解决问题的成本，以及其他关联影响，最后确定怎么处理用户需求。
如何从众多需求中筛选出真正高价值的需求，则需要经过一系列的分析，通过厘清需求的来龙去脉，洞察需求的本质，识别用户的真实意图，然后评估需求的价值，以及满足需求的可行性和成本，分析其中的利害关系，最后给出解决方案，用优雅的产品设计或者巧妙的运营策略，解决用户需求背后的问题。
用户需求分析的具体步骤如下。
第一步，收集用户需求。
收集用户需求的方法有很多，常见的有：用户直接提供，通过桌面研究法、访谈法、角色扮演法、焦点小组法、调查问卷法、实验法等专项研究获取，通过数据分析发现等。各种方法的详细介绍见1.3节。
第二步，分析需求的情况，了解用户需求是什么。
判断用户需求是否是真实需求，了解需求产生的场景，解决了用户的哪些问题，需求是否已得到满足等。可以通过“人物+时间+地点+起因+经过+结果”这种描述事件的方式，还原需求场景，这样比较容易厘清需求发生的过程和产生的缘由。
第三步，认清需求的本质，挖掘用户的真实动机。
分析用户为什么会产生这种需求，从多个角度洞察用户需求背后的深层次原因，了解用户的本质问题和需要。比如用户想吃炸鸡，那么用户为什么想吃炸鸡，是因为饿了，还是为了发泄喜悦或悲痛的情绪。如果是饿了，那么提供的产品除了炸鸡还可以是烤串，而烤串可能更能满足用户的需求；而如果是发泄情绪，那么炸鸡加啤酒可能更搭配。用户表现出来的需求往往是表面现象，从现象到本质，找到核心诉求，然后往外伸展，寻找更好的解决办法。
第四步，确定需求的影响，判断满足需求的必要性。
推荐两个方法：一是通过马斯洛需求层次理论，分析需求的重要程度，判断需求是否是强需求、是否是普遍需求、是否是高频需求等；二是采用正反两问的方法来进行分析，如果满足这个需求会怎么样，如果不满足这个需求又会怎么样。这个方法的好处在于可以通过反面假设来辅助判断，因为有些时候通过正面的思路可能无法获得有效答案，比如对于好的事物，问用户是否需要时，基于用户心理分析和笔者多年的用户研究经验总结，一般用户的回答都是肯定的，但实际上是否真的需要或者到底有多么需要则不能确定，而如果没有这个事物，用户发出的声音可能很弱，甚至对用户没有任何影响。
第五步，评估满足需求的可能办法和大概成本，确定满足需求的可行性。
如果要满足需求，需要考虑是否有解决办法，是否会产生负面影响，需要哪些资源、技术和支持，开发和运营的成本是多少，需要多长时间，是否与产品定位和业务发展契合等。
第六步，评估需求的价值，考量满足需求的必要性。
考虑满足需求能提升多少效率、带来多少收益，包括短期价值和长期价值，再结合成本评估需求是否值得满足。当然，对于必须要满足的需求，不管成本和价值是多少，都必须满足。在这种情况下，预估需求的成本和价值可以用来分析这件事情的业务指标及经济效益，也是需要做的。
第七步，确定需求的处理办法。
通过上述分析，确定需求是否给予满足、满足到什么程度、使用什么办法实现，并确定满足需求的优先级，然后进行相关处理。
2）用户需求分析的常用方法
对用户需求进行分析，判断需求是否需要满足，方法有很多，其中最直接的方法是通过预估满足需求的投入成本和产出价值来衡量是否划算，但实际上，需求的成本和价值不容易准确计算，而且一般需求比较复杂，牵涉的事情也比较多，除了分析成本和价值，还需要分析需求的层级、重要紧急程度、类型、来龙去脉、实现环境等，所以分析方法也比较多。常用的用户需求分析方法如下。
（1）马斯洛需求层次理论。
马斯洛需求层次理论有助于从宏观层面把握用户需求。根据此理论，人类的需求像阶梯一样从低到高分为五种，分别是生理需求、安全需求、社交需求、尊重需求、自我实现需求，如图1-2所示。
● 生理需求 ：指人们最基本的生理需要，包括食物、水、空气和住房等，可以对应餐饮、商超、酒店、出行等类型的产品。
● 安全需求 ：指人们对人身安全、财产安全、健康保障、生活稳定等的需要，在满足基本的生理需求后，人们会寻求安全感的满足，希望自己生活的环境是安全的，有保障的，可以对应安保、理财、医疗、健康等类型的产品。
● 社交需求 ：也称归属和爱的需求，指人们对情感、友谊、爱情及归属关系的需要，包括被人爱与热爱他人、希望交友融洽、保持和谐的人际关系、被团体接纳等，可以对应微信、抖音、珍爱网等类型的产品。
图1-2 需求分析之马斯洛需求层次理论
● 尊重需求 ：包括内在尊重和外在尊重两个方面，内在尊重又包括自尊、自主权、成就感等，外在尊重又包括地位、认同感、受重视等，尊重需求指人们需要自尊和受到别人尊重，表现为认可自己的实力和成就，独立自主，渴望赏识，重视威望和名誉等，可以对应产品中的排名、点赞等功能。
● 自我实现需求 ：指人们对个人成长、潜能发挥、实现理想的需要，发挥自身潜能、创造力、自觉性，实现一定的目标，可以对应知识、教育、艺术等类型的产品。
这五种层次的需求是人们与生俱来的，作为指引和激励人们行为的力量，有着不同的等级和作用，马斯洛认为需求层次越低，力量越大，潜力越大，而随着需求层次的上升，需求的力量有所减弱。
（2）四象限分析法。
四象限分析法，也叫波士顿矩阵，旨在通过两个重要维度的指标好坏将事物划分为四个类别，然后对每个细分类别进行细致的分析和处理。如果将四象限分析法用在用户需求分析上，可以将需求按重要程度和紧急程度两个维度进行划分，把所有需求分为四类：重要且紧急、重要不紧急、紧急不重要、不紧急不重要，然后对不同类的需求采取不同的处理方法，如图1-3所示。
● 重要且紧急的需求 ：需要马上处理，尽快分配资源，抓紧完成。
● 重要不紧急的需求 ：需求很重要，但不用马上完成，可以正常排期处理。
● 紧急不重要的需求 ：相对来说不是特别重要的需求，但比较紧急，可以优先处理，但因为此类需求重要程度不高，所以不应影响其他重要事情的进展。
● 不紧急不重要的需求 ：在资源有限的情况下，此类需求可以往后放，后期看情况处理。
图1-3 需求分析之四象限分析法
除了按重要程度和紧急程度这两个维度划分，四象限分析法也可以使用其他维度，只要维度重要且具有区分意义就可以。
（3）KANO模型。
KANO模型是一种对用户需求进行分类和优先级排序的工具，模型以满足用户需求对用户满意度的影响为基础构建，体现了满足用户需求的程度和用户满意度之间的关联关系，根据关系的不同，可以将用户需求分为五类，如图1-4所示。
图1-4 需求分析之KANO模型
● 必备属性的基本需求 ：代表用户的“痛点”，是产品功能必须满足的用户需求，有相关功能是应该的，当不提供相关功能时，用户满意度会大幅下降，甚至不使用产品；但当充分提供相关功能时，用户满意度也不会提升，充其量是没有不满意。例如，微信的加好友功能、微博的发布功能等。
● 期望属性的期望需求 ：代表用户的“痒点”，一般体现了产品服务的品质和竞争优势，相关功能越多越好，对用户来说，是最好有的功能，用户满意度与对这类需求的满足程度呈线性正相关关系，需求越得到满足，用户满意度越高，反之用户满意度越低。例如，音乐类产品中的歌曲越多越好、电商类产品中的商品配送服务越快越好。
● 魅力属性的兴奋型需求 ：代表用户的“爽点”，是一种完全出乎用户意料的属性或功能，一般这类需求不容易被发现。如果产品提供了这类需求，用户会感到惊喜，用户满意度将大幅提升；如果不提供这类需求，用户满意度并不会下降。例如，微信推出的红包功能等。
● 无差异属性的无价值需求 ：代表用户的“无感知点”，这类需求无论满足与否，用户满意度都不会受到影响，用户并不在意，是无关痛痒的需求，用户可用可不用。例如，对于一个按钮的颜色，无论怎么换，都不会明显影响用户。
● 反向属性的伪需求 ：代表用户的“反感点”，用户根本没有这类需求，提供相关功能后，用户满意度反而会下降。例如，没有哪款产品敢泄露用户的隐私信息。
通过KANO模型满足用户需求时，应尽量避免无差异属性、反向属性的需求，抓住用户的关键需求，在确保满足必备属性需求的前提下，更多地满足期望属性和魅力属性的需求。
（4）5W2H分析法。
5W2H分析法，也叫七问分析法，简单、实用，富有启发意义，通过深入探索，分析用户需求的发生场景，挖掘根本问题。
● What ：用户需求是什么？问题是什么？
● Who ：提出需求的用户是谁？有哪些特点和群体特征？是什么等级的用户？需求影响的用户又是谁？
● Why ：为什么会提出这个需求？问题出现的原因是什么？想要怎么解决？
● When ：用户在什么时候会使用这个功能？使用频次是怎样的？
● Where ：用户在哪里使用这个需求？使用场景有哪些？
● How ：用户需求怎么满足？如何提高效率？如何实施？用户会怎样使用？
● How Much ：需求需要做到什么程度？需求的成本和价值是多少？
（5）SWOT分析法。
SWOT分析法不需要过于复杂，但需要全面。面对一个具体需求时，通过对内部和外部的情况进行客观分析，总结自己的优势和劣势、机会和威胁，判断是否适合处理需求，并确定用什么方式处理，该方法适用于比较宏观的用户市场需求分析。
● 优势 （Strength）：企业内部具有哪些优势，比如有影响力的品牌、先进的技术、雄厚的物资储备等。
● 劣势 （Weakness）：企业内部具有哪些劣势，比如人力不足、资金紧张等。
● 机会 （Opportunity）：企业外部有哪些有利因素，比如市场前景良好、竞争比较弱等。
● 威胁 （Threat）：企业外部有哪些不利因素，比如可能的替代品较多、政策风险等。
更进一步地，基于以上四点，对需求情况进行分析和梳理，构建出SWOT矩阵，然后根据需求的不同情况，制定相应的解决办法，如图1-5所示。
图1-5 需求分析之SWOT分析法
优势+机会 ：增长性需求，是一种理想情况组合，企业可以充分利用内部优势和外部机会实现发展。
劣势+机会 ：扭转型需求，利用外部机会来弥补内部劣势。比如，对于传统品牌企业，目前很多互联网平台提供了SaaS工具、数字化能力、线上生意环境等，企业可以利用这些资源提升业务经营效果，实现双赢。
优势+威胁 ：竞争性需求，多种经营需求，尽量规避外部威胁，利用自身优势，进行发展。
劣势+威胁 ：防御型需求，在内部劣势和外部威胁较多的情况下，在必要的时候，企业通常会采取防御策略，用来防御威胁。
SWOT分析法注重分析维度，四象限分析法注重分析形式，SWOT分析法可以结合四象限分析法一起使用，通过四象限的形式进行信息呈现，分析效果更直观。对于各种分析方法，要弄清楚分析的逻辑，在实际中灵活运用就好。
（6）PEST分析法。
PEST分析法是对宏观环境的一种分析方法，四个字母分别表示：政治环境（Politics）、经济环境（Economy）、社会环境（Society）、技术环境（Technology）。
PEST分析法适用于用户市场需求分析，比如在分析潜在市场需求时，通过了解有哪些政治因素、环境变化会影响用户需求，分析可能会带来哪些新机会，或者在分析竞争对手时，知道自己有哪些技术优势，然后确定应对办法。
数据是现实的写照，在大数据时代下，每个人都知道数据分析的重要性。数据分析的强大之处在于，可以进行系统、量化、客观的思考，用这种思考方式去代替零散、臆断、盲目的思考方式。通过数据分析，获取数据背后的价值。
数据分析的作用包括：第一，现状分析，描述当前发生了什么；第二，原因分析，解释相关事件为什么会发生；第三，预测分析，预测未来可能会发生什么；第四，帮助判断，确定需要怎么做。
在进行数据分析之前，需要先搭建数据指标体系，然后通过数据信息记录、埋点统计、第三方获取、爬虫采集等办法收集数据，对数据进行清洗和规范化处理，再通过数据系统、数据平台、数据库、推送数据信息的工具等进行呈现，以便查看和提取数据。关于这些前期数据工作，由于本书篇幅有限，不再展开介绍，我们聚焦于研究与用户运营更相关的事情。
本节主要介绍用户数据分析的方法，对企业内部用户数据进行分析，主要包括这几个方面：用户指标看板、用户画像分析、用户健康度分析、用户行为分析、用户业务数据分析。
用户指标看板是一种查询和分析数据的工具，以看板的形式，展示和分析主要用户指标数据和数值变化。
常用指标信息如下（以交易类产品为例进行说明），根据业务和用户运营的需要，先确定主要指标项目，再确定指标的统计口径和统计周期，接着以某种形式展示数据，并区分主要维度，细分数据可以直接展示，也可以通过进一步细分、查询或者筛选来获取，最终展示出业务关键指标信息，以供业务管理和运营使用。
● 指标项目 ：有访客量（UV）、访问次数（PV）、下单用户数（DAU或MAU）、新增用户数、交易订单量、交易金额、交易商品数量、访问时长等。如何确定关键指标，可以使用北极星指标法，即先找出一个与业务主要目标强相关的核心指标，也就是所谓的北极星指标，然后逐步拆解，找到过程中所有的关键影响指标。比如，把 GMV作为北极星指标，拆解 GMV后就获得了用户数、户均订单量、客单价等，再进行用户数的拆解，从流量角度将其分为访问量、下单转化率等，从新老用户分群角度将其分为新用户数、老用户数等，对 GMV以其构成指标进行层层拆解，确定对 GMV影响较大的有价值的关键指标。
● 统计口径 ：有每日数值、日环比、周/月同比、月累计值等。
● 统计周期 ：有日度、周度、月度等。
● 展示形式 ：有数据项目、数据表、数据图（折线图、饼图等）等。
● 区分维度 ：有用户注册渠道，用户流量来源，用户端类型、地区，用户类型（新用户、老用户、会员等级等），商品类型（品类、商品来源等）等。
【案例】
易观方舟是一个提供企业服务的平台，通过全量实时采集用户属性与行为数据，可以连通内外部数据源，打通用户运营触点，提供从数据采集、分析、应用到智能用户运营的闭环。易观方舟的智能分析看板，以系统预置的银行 Demo 为例，提供的数据信息和工具包括：用户画像分布，区分小程序/Android/iOS/Web/H5用户端、城市、使用机型、时段、频次等维度；核心流程转化，从注册到登录、开户、绑卡的用户数；基金理财分析，购买用户数、次数、金额、产品详情等；基础业务指标，活跃用户数、注册用户数、交易用户数、交易金额、用户留存率、注册购买转化率等。易观方舟智能分析看板工具，可供企业客户选择使用，如图1-6所示。
这里以此为案例，是想让大家了解用户指标看板的功能、指标信息内容及其呈现样式。
图1-6 易观方舟智能分析看板工具
用户画像分析，就是分析用户画像的表现和影响，一方面分析用户的画像是什么样子的，用户具有哪些属性、特点、偏好、行为特征等，另一方面研究不同画像用户间的区别，各种画像用户的行为和需求是什么，画像对业务有哪些影响。
1）分析的作用
用户画像分析非常实用，对业务的提升可以起到重要作用，主要体现在以下几个方面。
首先，可以对用户产生清晰的认知，了解用户的基本情况、结构和分布。分析用户的基本信息，包括用户性别、所在城市、年龄分布、兴趣点等，当收集到足够多的画像数据时，通过用户画像分析，为产品描绘出一个真实可感的用户，进而制定相应的用户策略，比如根据画像确定目标用户后进行针对性的拉新转化。
然后，可以对用户进行分群，针对不同群体的用户进行差异化运营。通过用户画像分析，找出对业务目标影响比较大的画像维度，对用户进行划分。根据不同群体用户的问题和需要提升的目标，对不同群体的用户进行差异化运营。
最后，可以聚焦于重点用户进行重点运营。一个产品不可能满足所有用户的需求，通过用户画像分析，找对核心用户，针对核心用户来设计产品服务，制定运营规则，有方向地推动业务发展，提升企业的经营效率。
2）分析的用户范围
根据目的不同，可对不同范围的用户进行针对性分析，包括：
第一，行业用户画像分析，对整个行业的用户进行概括性描述，对行业中头部品牌的用户进行画像分析，从大局出发，掌握全局态势，做到心中有数。
第二，产品用户画像分析，对企业产品的所有用户进行画像分析，弄清楚自己的用户整体是什么情况。
第三，群体用户画像分析，一个产品通常拥有多种类型的用户，这些用户虽然使用了同一个产品，但是在某些属性或者喜好等方面存在巨大的差异，对用户进行群体细分，重点关注数量比较多的和价值比较大的用户群体，分析每类群体用户的画像，知道该如何做针对性的提升。
第四，典型用户画像分析，挑选出最典型的用户，分析用户的画像情况，从而加深对目标用户的理解，帮助挖掘用户需求和提升用户服务质量，树立用户榜样，指引整体用户运营。
3）分析的画像维度
用户画像有很多维度，具体要分析哪些维度，需要根据分析的目的来确定。比如，对“拉新用户”的分析，一般用户注册渠道来源影响比较大，是分析的主要维度。但很多时候不确定哪些维度会产生比较大的影响，不知道该从哪里下手，常用的办法是，根据用户主要画像维度对目标指标进行细分、下探，然后通过数据统计分析，用相关性分析、回归分析、聚类分析等方法发现哪些维度与指标关联性比较高且维度内部数值间差异比较明显，这些维度就是影响比较大的关键维度。
对业务影响较大且容易找到行业数据参考的比较重要的用户画像维度如下。
● 性别 ：按男性、女性进行划分。
● 年龄 ：按每10岁一个区间进行划分，或者按儿童、少年、青年、中年、老年进行划分。
● 地区 ：按省份进行划分，或者按一线、二线城市进行划分。
● 移动设备 ：按 Android、iOS 等系统进行划分，或者按华为、小米等品牌进行划分。
● 用户端 ：按小程序、App、Web、H5等用户端进行划分。
● 注册渠道来源 ：按用户裂变、付费广告等进行划分。
4）在分群用户运营中的应用
产品中存在用户各种维度的画像标签，如何选择分群维度呢？一些小企业或者初创团队可能不进行用户分群，虽然数据分析和运营都很简单，但其中很多问题和机会无法被发现。而一些大企业采用千人千面的个性化运营方式，这种方式需要大量数据，需要技术和算法的支持，还需要长时间的迭代和沉淀，条件要求和运作成本都比较高，这对普通企业并不适用。一般企业的用户分群，从实际业务问题出发，基于用户画像分析，选择几个关键维度进行精简分群，在用户量达到一定的数量级后，逐渐增加分群维度进行细化，进行多元组合分群。
通过用户画像分析，分群进行用户运营，其操作方法步骤如下。
第一步，确定分群用户运营目标。
第二步，根据目标，进行用户画像分析。
第三步，根据分析结果，确定分群维度，进行用户分群。
第四步，制定分群用户运营策略。
第五步，分析数据效果，修正分群策略。
【举例】
第一步，确定分群目标为实现用户数的增长。
第二步，对用户数指标进行画像分解，按性别、年龄、地域、移动设备、注册渠道来源这几个维度进行划分，分析用户数各是多少及用户留存情况。
第三步，根据用户数和留存率，找到对总用户数影响较大的关键维度，比如性别、注册渠道来源。同维度不同值间，比如男性和女性、用户裂变和付费广告等，用户数和留存率存在明显不同，这时就可以把这两个维度作为分群维度，对用户进行分群。
第四步，对于留存率高但用户数不多的群体，需要加强用户拉新，扩大目标群体用户的触达范围、增加拉新渠道、增加已有渠道费用的投入等；而对于用户数多但留存率不高的群体，提升用户留存率，如果通过分析确定无法满足这群用户的需求，可以考虑放弃这群用户，不再对这群用户进行拉新投入，因为即使拉来了也留不住，没有长期价值。
第五步，分析各个用户群体的运营效果，如用户数是否有所增加、是否出现问题、需要怎么改进等，然后进行优化、调整。比如，如果发现根据性别进行分群运营的结果没什么变化，运营策略也没出现问题，则可以考虑取消按这个维度分群，或者寻找其他更合适的维度来分群。
用户健康度是对用户的整体行为数据进行综合评价得到的量化指标，用来衡量用户的健康状况，为用户运营提供目标和依据。
用户健康度分析通常包括下面三个指标，这三个指标共同构成了用户健康度的评价体系。
● 基础指标，用于评价运行状态，包括访容量、访问次数、使用频次、活跃用户数、新增用户数等。
● 流量指标，用于评价流量质量，包括人均访问时长、人均访问次数、留存率、跳出率等。
● 营收指标，用于评价盈利能力和可持续性，如下单用户数、交易金额、客单价、利润率等。每个产品由于所属行业不同、提供的功能服务不同、业务运营情况不同，用户健康度的指标和标准也不同，需要根据具体情况来确定。
用户健康度一般采取指数方式来计算，对各因素指标按某种规则进行统一处理，然后加权汇总成一个综合数值，或者保留几个细分维度指标的数值，以雷达图的形式呈现，反映用户健康状况。
用户健康度常用于业务内部的横纵向对比分析，横向看用户分群间的差异，纵向看用户健康状况的走势变化。
【举例】
用户健康度考虑五个维度的指标。
● 第一个维度：转化效率，即用户从访问到下单的转化率。
● 第二个维度：用户规模，即下单用户数。
● 第三个维度：增长情况，即用新增率减去流失率得到的净增率。
● 第四个维度：成长情况，即核心会员用户数。
● 第五个维度：价值贡献，即用户GMV。
用这五个维度的指标评价用户健康状况，构成用户健康度评价体系，用户健康度就有了具象的定义和量化的评价标准。
针对这五个维度的指标分别制定目标值，然后每周计算实际数值，并与目标值及上周数值进行对比，可以很清楚地分析用户健康状况，了解各维度的指标达标情况及进展变化，从而进行复盘和制定提升策略，如图1-7所示。
图1-7 用户健康度分析（雷达图）
通过翔实的用户行为数据描述用户在产品中的真实路径和互动情况，对用户的行为数据进行统计、分析，发现用户的行为特点、规律，然后利用这些信息，提升用户运营效率。通过用户行为分析，可以知道用户什么时候来、什么情况下活跃度高、流失前做了什么等，然后分析用户行为的原因，通过产品及各种运营活动引导用户或者优化用户服务。对于有利的方面，加强驱动效用，扩大用户数和影响范围，进一步提升效果；对于不利的方面，改变用户行为的轨迹和模式，解决问题、防止问题再发生，或者优化问题、缩小问题的影响面，从而让用户更好地从产品中获得价值。
对于用户行为数据的收集和统计，如果企业没有研发资源支持，可以使用第三方工具，目前市面上有很多好用的数据统计工具，如百度统计、Google Analytics等。对用户行为数据的分析，也有很工具可以利用，如大数据魔镜、Tableau等。
用户行为分析解决的问题，主要可以归纳为两类：一是转化问题，通过分析用户转化路径，让更多用户执行某种行为，流向有利的转化路径；二是留存问题，通过对周期性行为动作的分析，让用户更多、更持久地执行某种行为，养成良好的行为习惯。所以，用户行为分析一般是分析用户的点击动作、事件行为和转化路径，除此之外，还可以通过行为逻辑进一步分析用户心理。
1）点击动作分析
点击动作是互联网用户使用产品时最基础的互动行为，对点击量、点击率、点击占比、点击用户详情、点击内容、点击反馈信息、停留时长等数据进行分析，可以了解用户都执行了哪些点击操作，获得用户对产品的使用情况和反馈信息，进而优化产品服务、提升用户运营效果。
点击动作分析主要用于分析页面流量去向，比如产品首页、频道页面、活动页面等，分析用户在页面上点击了哪些模块，各个模块的用户转化效果如何。点击动作分析解决的问题主要有三类：分析用户与产品交互背后的深层关系，完成产品页面之间深层关系的挖掘，为事件行为分析和转化路径分析提供基础依据。另外，通过长期追踪点击动作的数据，可以观察页面布局的改变或模块内容、样式、形式的调整对于用户的价值变化。一般而言，点击率越高，说明用户的认可度越高，当然点击率还与点击发生的位置有关，同一页面高度，根据用户视觉和使用习惯，一般左边的点击率优于右边。
点击动作分析的数据可以用固定埋点的方式获取，开发人员对每一个前端模块都进行埋点，然后上报点击动作明细数据，包括日志ID、时间、用户、点击模块、点击内容、跳转地址等字段信息，再汇总统计点击用户数等总数据，就可以进行分析了。点击动作分析的数据，除了通过人工埋点的方式获取，也可以采用无埋点（即系统自动全埋点）的方式统计上报。
点击动作分析的结果可以用热力图的形式呈现，根据页面上各个模块的点击密度判断用户的浏览喜好，这样既简单又直观。
【举例】
分析某个页面的点击热力图，如图1-8所示（数据纯属虚构），发现“搜索”icon的点击率为30%、点击占比为60%，这表示有30%的页面访问用户点击了“搜索”icon，占页面总点击率的60%，页面总点击率为50%，所以“搜索”icon 是页面上所有icon中被点击最多的icon，用户对“搜索”icon提供的服务有强烈的诉求，可以重点挖掘其后续转化价值。而有些点击率较低的icon，价值贡献较少，却在页面上占据了重要位置和较大面积，比如图中的“聚划算”icon，这时就需要考虑进行优化了，调整icon内容、形式来提升点击率，或者调整icon位置、缩小icon面积等，把更多资源留给其他更有价值的内容。
图1-8 页面点击动作分析（点击热力图）
2）事件行为分析
互联网用户的事件行为有访问、注册账号、下单、发帖等，每个事件行为包括一个或一系列点击、滑动、填写信息等动作。通过对事件行为进行分析，追踪用户行为及业务过程，研究与事件发生关联的所有因素，挖掘用户事件行为背后的原因、影响等。
事件行为分析的步骤如下。
第一步，定义事件，包括定义所关注的事件内容及事件窗口的长度。事件的定义可以遵循5W1H原则：什么场景（Where）—哪些用户（Who）—什么时间（When）—什么原因（Why）—以什么方式（How）—做了什么事情（What），通过5W1H原则对事件进行描述。在所有事件中，有一个比较特殊的情况需要关注，即互联网用户的一次访问事件，不是指用户打开App或者访问某个页面的一次操作，而是指用户从访问产品开始到本次使用结束的一系列操作，可以用 Session的方式来定义。Session一般情况下被翻译为时域，在计算机专业术语中，Session指一个终端用户与交互系统进行通信的整个时间段，通常指用户从注册进入系统到注销退出系统之间所经历的时间。具体到互联网产品使用中的Session，指的是用户在浏览使用产品时，从进入产品开始到退出或离开产品所经历的时间，也就是用户连续使用这个产品所花费的时间。基于5W1H 原则和 Session 的定义，用户对产品的一个访问事件就有了清晰的定义，比如“产品所有注册用户今日由于大促活动在 App 用户端的访客量达到了10万人次”，除了访客量，还可以是访问时长、访问次数等。
第二步，深入分析事件，可以激发事件分析的强大潜能，弄清楚事件的过程、前因后果、变化趋势、细分维度对比等各种问题，能更好地定位问题、发现机会点。
第三步，给出分析结论，对分析结果进行合理的解释，判断分析结果是否符合预期，有哪些好的地方和不好的地方，要如何改进。需要注意的是，一个目标事件行为的达成，可以根据一定的规则进行归因分析。比如按照时间衰减规则，越靠近终点的行为，功劳越大，或者以首次触点，即行为序列中的第一个行为，作为事件驱动的根源。
3）转化路径分析
转化路径分析常见的方法有三种：转化漏斗、智能路径、用户路径。三者都将上下环节的转化率作为计算核心，研究用户转化路径。转化漏斗预先设定好了路径；智能路径设定了起始和终点行为，中间过程有很多路径，然后发现最优路径；用户路径完整再现了用户的全部转化过程。在实际应用中，三者有着不同的功能及用处，各有适用的分析场景，也可以结合使用。
（1）转化漏斗。
转化漏斗指有特定行为节点的路径，将整个事件路径拆分成一个个步骤，漏斗的每一个节点都有一定的容量，漏斗越往下，容量越小，节点与节点之间的比例就是转化率，用转化率来衡量每个步骤的表现。
通过转化漏斗，可以抽象出决定漏斗形态的三个要素：节点、时间、流量。节点，漏斗的每一层就是一个节点；时间，即转化周期，完成转化漏斗所需时间的集合，一般漏斗转化周期越短越好；流量，即每个环节的用户数。转化漏斗分析最核心的指标是流量和转化率，即每一层流量有多少，以及到达下一层的转化率。
转化漏斗分析的本质是分解和量化，以漏斗这种简单、直观的方式展示用户关键节点的一步步转化过程，适用于对产品运营中的关键环节进行分析，通过异常数据指标找出有问题的环节，判断哪些步骤的转化还有优化空间，可以通过细分维度分析找出导致转化率低的因素，从而解决问题。通过用户运营引导或者产品优化提升转化效果，最终达到提升整体路径转化率的目的。
转化漏斗分析是业务分析的基本模型，在实际运营中很常见，无论是新用户注册转化、老用户下单，还是某一次运营活动，凡涉及流程转化的，都可以建立转化漏斗来进行分析。针对用户在操作流程中逐步流失的情况，形成一个类似漏斗的形态。比如典型的交易转化漏斗，可以分为六个环节，即访问产品—搜索商品—浏览商品—添加购物车—提交订单—支付订单，通过分析漏斗的整体转化率和环节间的转化率，可以找出转化异常的环节，然后对这一环节中流失的用户进行洞察，发现其共性和流失原因，以便提升转化率。再比如，用户增长 AARRR模型也是转化漏斗的应用。
（2）智能路径。
在现实中，很多时候都是结果导向的，大家最关心最终的转化目标，而用户到达该目标有多条路径，无法确定或者没必要确定哪条路径是最长的、哪条路径是最短的，这时就可以采用智能路径模型来进行分析，探索最优的转化路径。首先确定想要观察的目标行为，通常是业务中需要引导用户完成的某个功能或到达的某个页面，将其设置为最终目标，然后分析该行为的前置路径。
智能路径分析适用于产品初创期，可以用来探索更优质的转化路径，而当聚焦于某条具体路径时，其实就是一个转化漏斗，可以将其固定下来，进行日常分析。
比如，对于电商产品，人们最关心最终的下单用户数，用户下单的路径有多条：访问推荐商品—浏览商品—添加购物车—提交订单—支付订单、搜索商品—浏览商品—立即购买—支付订单等，通过智能路径分析，可以找出通往下单的所有路径，评估每条路径的优势和劣势，然后匹配合适的运营策略。
（3）用户路径。
用户路径分析，不需要预先设置漏斗或者圈定目标事件，而是计算用户使用产品时的所有第一步，然后依次计算后续每一步的流向和转化率，步步追踪，找到分析用户路径行为最原始、最基础的数据，从用户行为出发，进行全方位的路径分析，通过发散性的分析方式确定最优路径。通过全路径数据，真实呈现所有用户从开始使用产品到离开的整个过程，然后分析各种路径模式，评估哪条路径的用户最多、哪条路径用时最短、哪条路径的节点最少，判断用户走到哪一步时最容易流失、从哪里开始偏离了目标路径，也可以通过路径识别用户行为特征，分析用户是直奔目标用完即走型的还是无目的浏览型的等，明确用户现存路径，结合业务场景需求进行路径优化调整，引导用户行为，使用户沿着最优路径前进。总之，用户路径分析对产品和用户运营有着非常重要的启发作用。
用户路径可以用桑基图的形式直观展示，如图1-9所示（示例），用户进入产品后的所有访问路径，以及每一步的流量、转化率、流失率，都能从桑基图中体现出来。通过桑基图，我们能够快速、直观地了解用户主流访问路径的转化情况。
图1-9 用户路径分析（桑基图）
4）行为逻辑分析
黑格尔在《法哲学原理》中有一句至理名言“存在即合理”，意思是说一切真实事物都合乎道理或事理，也就是有原因的或可被归因的。
用户的行为是真实发生的，也都是有原因的。对用户行为背后的逻辑进行分析，可以弄清楚用户为什么产生这样的行为，以及怎样促使用户产生某些行为；然后针对用户的具体问题进行解决和对于用户的需求给予满足，优化产品功能，提供相应的服务，或者引导更多用户朝着理想路径前进，进而提升业务指标。
与互联网大数据相比，某类用户在某个场景下某个路径上的行为数据是可识别的、具体的、有逻辑的，是不可忽视的力量。通过对这种具象的数据进行研究，能找出用户行为背后的驱动因素，也能解释用户行为的前因后果，了解用户的态度、决策过程和使用体验，尤其在产品早期阶段，这样做对于寻找灵感、寻找方向、寻找共创价值点至关重要。
比如，在用户买灯笼时，为什么一般会一次买两个呢？原因可能是中国传统中挂灯笼一次挂两个。知道了这个情况，商家在卖灯笼时，如果把两个灯笼打包，当作一个商品进行售卖，是否会更多地促成交易呢？（这里只提供了一个分析和解决问题的方法或思路，实际效果是否更好，还需要结合实际业务情况和其他更多因素综合考虑，或者进行实验。）再比如，老用户直接在商品列表页点击加购商品，而没有查看商品详情，是因为老用户了解商品情况，不需要再查看详情了吗？如果情况是这样的，是否可以拓展场景，增加商品定期复购、常购清单等功能呢，这样可以更方便地满足相关用户的复购需求。
从用户层面分析业务数据，就是分析用户对产品和业务的使用及贡献情况，是企业日常运营和制定决策时必不可少的环节，是用数据驱动用户运营的基础。用户业务数据分析可以结合用户运营的几个模块来进行，需要分析的数据项目举例如下。
● 用户增长模块
整体：总用户数。
拉新：新用户数、拉新转化率、投入产出率。
留存：留存用户数、留存率。
激活：激活用户数、激活率。
● 用户成长和贡献模块
成长过程：会员用户数、用户的激励数据。
用户质量：户均ARPU、客单价、使用频次、购买频次、购买件数。
用户价值：总收入、户均贡献收入、用户传播 K 因子。
● 用户分层模块
按生命周期：潜客期、新生期、成长期、成熟期、衰退期、沉默期、流失期各阶段的用户数。
按增长漏斗：获取、激活、留存、获得收入、传播各环节的用户数。
按转化漏斗：触达（总用户）、访问、意向、加购、下单、支付各环节的用户数。
用户服务：用户体验、用户客诉等数据。
用户业务数据分析，可以是单一模块分析，也可以是多模块联合分析，还可以结合其他层面一起分析，比如结合用户画像，分析不同画像维度的用户业务数据情况；又如按不同的渠道查看拉新用户数，按性别查看交易用户数。