域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過

作者簡(jiǎn)介：謝榮生，數(shù)極客 創(chuàng)始人 & CEO，前國(guó)美金融產(chǎn)品總監(jiān)、淘寶網(wǎng)高級(jí)產(chǎn)品經(jīng)理。

筆者在中國(guó)互聯(lián)網(wǎng)行業(yè)從業(yè) 16 年，經(jīng)歷了多個(gè)互聯(lián)網(wǎng)發(fā)展階段，也先后負(fù)責(zé)過產(chǎn)品、運(yùn)營(yíng)、營(yíng)銷等工作，發(fā)現(xiàn)最近幾年來因?yàn)榱髁砍杀炯ぴ龊透?jìng)爭(zhēng)壓力的原因，互聯(lián)網(wǎng)公司對(duì)數(shù)據(jù)分析的依賴越來越大，但對(duì)于如何做好數(shù)據(jù)分析卻倍受困擾。

如何讓企業(yè)更好的應(yīng)用好數(shù)據(jù)分析?數(shù)極客由此應(yīng)運(yùn)而生，成立 2 年來服務(wù)了 3 百多家企業(yè)客戶，累計(jì)擁有 5000 多家試用用戶，在此給大家分享一些用戶行為分析的應(yīng)用方面心得體會(huì)。

近幾年大家頻繁的在各類媒體上看到企業(yè)精細(xì)化運(yùn)營(yíng)、數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)、增長(zhǎng)黑客這樣的字眼，這背后的核心就是數(shù)據(jù)分析，但是很多人并不理解用戶行為和業(yè)務(wù)增長(zhǎng)有什么因果關(guān)系，只是因?yàn)閯e的企業(yè)通過用戶行為分析獲得了成功，因此跟風(fēng)學(xué)習(xí)，但只學(xué)到皮毛，這就導(dǎo)致了在應(yīng)用層面存在以下幾個(gè)極端：

1).購買了用戶行為分析系統(tǒng)，因?yàn)槿狈?shù)據(jù)分析方法而處于閑置狀態(tài);

2).低估了用戶行為分析的難度，因堅(jiān)持內(nèi)部自建而導(dǎo)致業(yè)務(wù)部門一直都在等待可用的系統(tǒng)，浪費(fèi)了大量資源和發(fā)展良機(jī)。

3).不了解用戶行為分析的價(jià)值，只關(guān)注常規(guī)的PV、UV指標(biāo)。

如何破解以上困局，讓我們先從了解用戶行為分析開始。

一、什么是用戶行為分析?

用戶行為可以用5W2H來總結(jié)：

Who(誰)、What(做了什么行為)、When(什么時(shí)間)、Where(在哪里)、Why(目的是什么)、How(通過什么方式)，How much (用了多長(zhǎng)時(shí)間、花了多少錢)。

用戶行為分析就是通過對(duì)這些數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析，從中發(fā)現(xiàn)用戶使用產(chǎn)品的規(guī)律，并將這些規(guī)律與網(wǎng)站的營(yíng)銷策略、產(chǎn)品功能、運(yùn)營(yíng)策略相結(jié)合，發(fā)現(xiàn)營(yíng)銷、產(chǎn)品和運(yùn)營(yíng)中可能存在的問題，解決這些問題就能優(yōu)化用戶體驗(yàn)、實(shí)現(xiàn)更精細(xì)和精準(zhǔn)的運(yùn)營(yíng)與營(yíng)銷，讓產(chǎn)品獲得更好的增長(zhǎng)。

二、為什么需要用戶行為分析?

在PC互聯(lián)網(wǎng)時(shí)代，網(wǎng)民的年增長(zhǎng)率達(dá)到50%，隨便建個(gè)網(wǎng)站就能得到大量流量; 在移動(dòng)互聯(lián)網(wǎng)早期，APP也經(jīng)歷了一波流量紅利，獲取一個(gè)客戶的成本不到 1 元; 而近幾年隨著流量增長(zhǎng)的紅利消退，競(jìng)爭(zhēng)越來越激烈，每個(gè)領(lǐng)域均有成百上千的同行競(jìng)爭(zhēng)，獲客成本也飆升到難以承受的水平，業(yè)務(wù)增長(zhǎng)越來越慢甚至倒退。

圖：互聯(lián)網(wǎng)行業(yè)競(jìng)爭(zhēng)越來越激烈

在如此高成本、高競(jìng)爭(zhēng)的環(huán)境下，如果企業(yè)內(nèi)部不能利用數(shù)據(jù)分析做好精細(xì)化運(yùn)營(yíng)，將產(chǎn)生巨大的資源浪費(fèi)，勢(shì)必會(huì)讓企業(yè)的運(yùn)營(yíng)成本高漲，缺乏競(jìng)爭(zhēng)力。 對(duì)于互聯(lián)網(wǎng)平臺(tái)來說，傳統(tǒng)的數(shù)據(jù)分析主要針對(duì)結(jié)果類的數(shù)據(jù)進(jìn)行分析，而缺乏對(duì)產(chǎn)生結(jié)果的用戶行為過程的分析，因此數(shù)據(jù)分析的價(jià)值相對(duì)較局限，這也是為什么近幾年很多企業(yè)感覺做了充分的數(shù)據(jù)分析，但卻沒有太大效果的原因。通過對(duì)用戶行為的5W2H進(jìn)行分析可以掌握用戶從哪里來，進(jìn)行了哪些操作，為什么流失，從哪里流失等等。從而提升提升用戶體驗(yàn)，平臺(tái)的轉(zhuǎn)化率，用精細(xì)化運(yùn)營(yíng)使企業(yè)獲得業(yè)務(wù)增長(zhǎng)。

三、如何采集用戶行為數(shù)據(jù)?

用戶行為分析如此重要，為什么互聯(lián)網(wǎng)公司中能做好用戶行為分析的鳳毛麟角?主要是原因是數(shù)據(jù)采集不全面和分析模型不完善。

1.如何高效采集用戶行為數(shù)據(jù)

傳統(tǒng)的數(shù)據(jù)分析因?yàn)閿?shù)據(jù)精細(xì)度不夠和分析模型不完善等原因，導(dǎo)致分析過于粗放，分析結(jié)果的應(yīng)用價(jià)值低。而我們要想做好分析，首先必須要有豐富的數(shù)據(jù)，因此要從數(shù)據(jù)采集說起，傳統(tǒng)的用戶行為數(shù)據(jù)采集方法比較低效，例如：我們獲取用戶的某個(gè)行為數(shù)據(jù)時(shí)，需要在相應(yīng)的按鈕、鏈接、或頁面等加入監(jiān)測(cè)代碼，才能知道有多少人點(diǎn)擊了這個(gè)按鈕，點(diǎn)擊了這個(gè)頁面。這種方式被稱為“埋點(diǎn)”，埋點(diǎn)需要耗費(fèi)大量的人力，精力，過程繁瑣，導(dǎo)致人力物力投入成本過高。

在移動(dòng)互聯(lián)網(wǎng)時(shí)代，埋點(diǎn)成了更痛苦的一件工作，因?yàn)槊看温顸c(diǎn)后都需要發(fā)布到應(yīng)用商店，蘋果應(yīng)用商店的審核周期又是硬傷，這使得數(shù)據(jù)獲取的時(shí)效性更加大打折扣。由于數(shù)據(jù)分析是業(yè)務(wù)發(fā)展中極其重要的一個(gè)環(huán)節(jié)，即便人力物力成本過高，這項(xiàng)工作仍然無法省掉。

因此，我們也看到國(guó)內(nèi)外有一些優(yōu)秀的用戶行為分析工具，實(shí)現(xiàn)了無埋點(diǎn)采集的功能，例如：國(guó)外有Mixpanel，國(guó)內(nèi)的數(shù)極客在WEB、H5、Android、iOS四端都可以無埋點(diǎn)采集數(shù)據(jù)。通過無埋點(diǎn)的采集，可以極大的增強(qiáng)數(shù)據(jù)的完善性和及時(shí)性。

2.如何精準(zhǔn)采集用戶行為數(shù)據(jù)

有些核心業(yè)務(wù)數(shù)據(jù)，我們希望確保100%準(zhǔn)確，因此還可以通過后端埋點(diǎn)的方式作為補(bǔ)充，這樣既可以體驗(yàn)到無埋點(diǎn)帶來的高效便捷，又能保障核心業(yè)務(wù)數(shù)據(jù)的精準(zhǔn)性。數(shù)極客在數(shù)據(jù)采集方面支持無埋點(diǎn)、前端埋點(diǎn)、后端埋點(diǎn)以及數(shù)極客BI導(dǎo)入數(shù)據(jù)這四種方式的數(shù)據(jù)整合。

四、如何做好用戶行為分析?

首先要明確業(yè)務(wù)目標(biāo)，深刻理解業(yè)務(wù)流程，根據(jù)目標(biāo)，找出需要監(jiān)測(cè)的關(guān)鍵數(shù)據(jù)節(jié)點(diǎn)，做好基礎(chǔ)的數(shù)據(jù)的收集和整理工作，有了足夠的數(shù)據(jù)，還要有科學(xué)的模型，才能更有效的支持分析結(jié)果。

上一代的用戶行為分析(更確切的說法應(yīng)該是：網(wǎng)站統(tǒng)計(jì)或APP統(tǒng)計(jì))工具，主要功能還是局限于瀏覽行為的分析，而沒有針對(duì)用戶的深度交互行為進(jìn)行分析，因此分析價(jià)值相對(duì)有限，目前大部份互聯(lián)網(wǎng)從業(yè)人員對(duì)用戶行為分析的印象還停留在這個(gè)階段。

我認(rèn)為要做好用戶行為分析，應(yīng)該掌握以下的分析模型：

1.用戶行為全程追蹤，支持AARRR模型

500 Startups 投資人Dave McClure提出了一套分析不同階段用戶獲取的“海盜指標(biāo)”這套分析模型，在硅谷得到了廣泛應(yīng)用。

AARRR是Acquisition、Activation、Retention、Revenue、Refer這個(gè)五個(gè)單詞的縮寫，分別對(duì)應(yīng)用戶生命周期中的 5 個(gè)重要環(huán)節(jié)，首先要基于用戶的完整生命周期來做用戶行為分析。

1).獲取用戶

在營(yíng)銷推廣中，什么渠道帶來的流量最高，渠道的ROI如何?不同廣告內(nèi)容的轉(zhuǎn)化率如何，都是在這一步進(jìn)行分析的數(shù)據(jù)。

來源渠道是獲客的第一步，通過系統(tǒng)自動(dòng)識(shí)別和自定義渠道相結(jié)合，分析每一個(gè)來源渠道的留存、轉(zhuǎn)化效果。網(wǎng)站的訪問來源，App 的下載渠道，以及各搜索引擎的搜索關(guān)鍵詞，通過數(shù)據(jù)分析平臺(tái)都可以很方便的進(jìn)行統(tǒng)計(jì)和分析，利用UTM推廣參數(shù)的多維分析、通過推廣渠道、活動(dòng)名稱、展示媒介、廣告內(nèi)容、關(guān)鍵詞和著陸頁進(jìn)行交叉分析，可以甄別優(yōu)質(zhì)渠道和劣質(zhì)渠道，精細(xì)化追蹤，提高渠道 ROI。

通過渠道質(zhì)量模型，制定相應(yīng)的獲客推廣策略：

圖：渠道質(zhì)量模型

以上圖形中的所示渠道為示例，渠道質(zhì)量也會(huì)動(dòng)態(tài)的變化。 第一象限，渠道質(zhì)量又高流量又大，應(yīng)該繼續(xù)保持渠道的投放策略和投放力度; 第二象限 渠道的質(zhì)量比較高但流量比較小。應(yīng)該加大渠道的投放，并持續(xù)關(guān)注渠道質(zhì)量變化; 第三象限 這個(gè)象限里渠道質(zhì)量又差，帶來流量又小，應(yīng)該謹(jǐn)慎調(diào)整逐步優(yōu)化掉這個(gè)渠道; 第四象限 渠道質(zhì)量比較差，但是流量較大，應(yīng)該分析渠道數(shù)據(jù)做更精準(zhǔn)的投放，提高渠道質(zhì)量。

2).激活用戶

激活用戶是實(shí)現(xiàn)商業(yè)目標(biāo)最關(guān)鍵的第一步，如果每天有大量用戶來使用你的產(chǎn)品，但沒有用戶和你建立強(qiáng)聯(lián)系，你就無法進(jìn)行后續(xù)的運(yùn)營(yíng)行為。

3).用戶留存

如今一款產(chǎn)品要獲得成功的關(guān)鍵因素不是病毒性機(jī)制或大筆營(yíng)銷資金，而是用戶留存率。開發(fā)出吸引用戶回頭的產(chǎn)品至關(guān)重要。 Facebook平臺(tái)存在“40 – 20 – 10”留存法則。數(shù)字表示的是日留存率、周留存率和月留存率，如果你想讓產(chǎn)品的DAU超過 100 萬，那么日留存率應(yīng)該大于40%，周留存率和月留存率分別大于20%和10%。

留存是 AARRR 模型中重要的環(huán)節(jié)之一，只有做好了留存，才能保障新用戶在注冊(cè)后不會(huì)白白流失。這就好像一個(gè)不斷漏水的籃子，如果不去修補(bǔ)底下的裂縫，而只顧著往里倒水，是很難獲得持續(xù)的增長(zhǎng)的。

4).獲取收入

實(shí)現(xiàn)收入是每個(gè)平臺(tái)生存的根本，因此找到適合自己的商業(yè)模式至關(guān)重要。根據(jù)不同的業(yè)務(wù)模式，獲取收入的方式也不同：媒體類平臺(tái)依靠廣告變現(xiàn)，游戲類依靠用戶付費(fèi)，電商類通過收取傭金或賣家付費(fèi)的方式等，而在企業(yè)服務(wù)領(lǐng)域LTV: CAC大于3，才能有效良性增長(zhǎng)。

5).病毒傳播

通過模型前四個(gè)階段的優(yōu)化分析，從不穩(wěn)定用戶、活躍用戶再到最終的忠實(shí)用戶，將獲客做最大的留存和轉(zhuǎn)化，培養(yǎng)為企業(yè)的忠實(shí)用戶，通過社交口碑傳播可以給企業(yè)帶來高效的收益。

在獲客成本高昂的今天，社交傳播可以為企業(yè)帶來更優(yōu)質(zhì)的用戶群，更低的獲客成本。

2.轉(zhuǎn)化分析模型

轉(zhuǎn)化率是持續(xù)經(jīng)營(yíng)的核心，因此我也用較大篇幅來詳細(xì)解讀。轉(zhuǎn)化分析常用的工具是轉(zhuǎn)化漏斗，簡(jiǎn)稱漏斗(funnel)。新用戶在注冊(cè)流程中不斷流失，最終形成一個(gè)類似漏斗的形狀。用戶行為數(shù)據(jù)分析的過程中，我們不僅看最終的轉(zhuǎn)化率，也關(guān)心轉(zhuǎn)化的每一步的轉(zhuǎn)化率。

1).如何科學(xué)的構(gòu)建漏斗

以往我們會(huì)通過產(chǎn)品和運(yùn)營(yíng)的經(jīng)驗(yàn)去構(gòu)建漏斗，但這個(gè)漏斗是否具有代表性，優(yōu)化這個(gè)漏斗對(duì)于整體轉(zhuǎn)化率的提升有多大作用，心里沒有底氣，這時(shí)我們可以通過用戶流向分析去了解用戶的主流路徑。

圖：用戶流向分析

用戶流向分析，非常直觀，但需要分析人員有一定的經(jīng)驗(yàn)和判斷能力。為了解決這個(gè)問題，數(shù)極客研發(fā)了智能路徑分析功能，只需要選擇轉(zhuǎn)化目標(biāo)后，一鍵就能分析出用戶轉(zhuǎn)化的主流路徑。將創(chuàng)建漏斗的效率縮短到了幾秒鐘。

圖：智能轉(zhuǎn)化分析

2).漏斗對(duì)比分析法

轉(zhuǎn)化分析僅用普通的漏斗是不夠的，需要分析影響轉(zhuǎn)化的細(xì)節(jié)因素，能否進(jìn)行細(xì)分和對(duì)比分析非常關(guān)鍵。例如：轉(zhuǎn)化漏斗按用戶來源渠道對(duì)比，可以掌握不同渠道的轉(zhuǎn)化差異用于優(yōu)化渠道; 而按用戶設(shè)備對(duì)比，則可以了解不同設(shè)備的用戶的轉(zhuǎn)化差異(例如：一款價(jià)格較高的產(chǎn)品，從下單到支付轉(zhuǎn)化率，使用iphone的用戶比android的用戶明顯要高)。

圖：漏斗對(duì)比分析

3).漏斗與用戶流向結(jié)合分析法

一般的轉(zhuǎn)化漏斗只有主干流程，而沒有每個(gè)步驟流入流出的詳細(xì)信息，當(dāng)我們?cè)诜治鲇脩糇?cè)轉(zhuǎn)化時(shí)，如果能知道沒有轉(zhuǎn)化到下一步的用戶去了哪，我們就能更有效的規(guī)劃好用戶的轉(zhuǎn)化路徑。例如下圖中的轉(zhuǎn)化路徑，沒有進(jìn)入第二步的用戶，有88%是直接離開了，而還有10%的用戶是注冊(cè)用戶選擇直接登錄，只有2%的用戶繞過了落地頁去網(wǎng)站首頁了; 而沒有從第二步轉(zhuǎn)化至第三步的用戶100%都離開了。這是比較典型的封閉式落地頁，因此只需要優(yōu)化第三步的轉(zhuǎn)化率即可提升整體轉(zhuǎn)化率。

4).微轉(zhuǎn)化行為分析法

很多行為分析產(chǎn)品只能分析到功能層級(jí)和事件層級(jí)的轉(zhuǎn)化，但在用戶交互細(xì)節(jié)分析方面存在嚴(yán)重的缺失， 比如：在上圖的漏斗中我們分析出最后一步是影響轉(zhuǎn)化的關(guān)鍵，但最后一步是注冊(cè)表單，因此對(duì)于填寫表單的細(xì)節(jié)行為分析就至關(guān)重要， 這種行為我們稱為微轉(zhuǎn)化。

例如：填寫表單所花費(fèi)的時(shí)長(zhǎng)，填寫但沒有提交表單的用戶在填哪個(gè)字段時(shí)流失，表單字段空白率等表單填寫行為。

圖：表單填寫轉(zhuǎn)化漏斗

圖：表單填寫時(shí)長(zhǎng)

通過上述表單填寫的微轉(zhuǎn)化分析，用戶從開始填寫到注冊(cè)成功轉(zhuǎn)化率達(dá)85%，而流量到填寫只有8%，可以得出影響轉(zhuǎn)化的最大泄漏點(diǎn)就是填寫率，那么如何提高填寫率就是我們提升注冊(cè)轉(zhuǎn)化的核心。有效的內(nèi)容和精準(zhǔn)的渠道是影響填寫的核心因素，渠道因素我們?cè)讷@客分析中已經(jīng)講過，這就引出我們微轉(zhuǎn)化分析的第 4 種工具：用戶注意力分析。

5).用戶注意力分析法

用戶在頁面上的點(diǎn)擊、瀏覽、在頁面元素上的停留時(shí)長(zhǎng)、滾動(dòng)屏幕等用戶與頁面內(nèi)容的交互行為，這些都代表用戶對(duì)產(chǎn)品要展示的信息的關(guān)注程度，是否能吸引用戶的眼球。

業(yè)務(wù)數(shù)據(jù)可以可視化，那么行為數(shù)據(jù)如何可視化呢? 數(shù)極客把上述行為轉(zhuǎn)化成了分屏觸達(dá)率熱圖、鏈接點(diǎn)擊圖、頁面點(diǎn)擊圖、瀏覽熱圖、注意力熱圖這 5 種熱圖，通過 5 種熱圖的交叉分析，可以有效的分析出用戶最關(guān)注的內(nèi)容。

圖：注意力熱圖

只有能掌握微轉(zhuǎn)化的交互行為分析，才能更有效的提高轉(zhuǎn)化率。而一切不能有效提高平臺(tái)轉(zhuǎn)化率的分析工具都在浪費(fèi)企業(yè)的人力和時(shí)間資源，這也是眾多企業(yè)沒有從用戶行為分析中獲益的根本原因。

3.精細(xì)化運(yùn)營(yíng)模型

以前做運(yùn)營(yíng)只能針對(duì)全體用戶，如果要針對(duì)部分目標(biāo)客戶做精準(zhǔn)運(yùn)營(yíng)行為。

圖：用戶分群畫像

例如：當(dāng)我們希望對(duì)某個(gè)地區(qū)使用iphone的注冊(cè)但三天不活躍或未形成交易轉(zhuǎn)化的用戶進(jìn)行精準(zhǔn)營(yíng)銷時(shí)，需要運(yùn)營(yíng)人員、產(chǎn)品人員、技術(shù)人員 全體配合去調(diào)取數(shù)據(jù)、制定運(yùn)營(yíng)規(guī)則，其中涉及到大量人力和時(shí)間投入。而新一代的用戶行為分析可以采用用戶分群、用戶畫像、自定義用戶活躍和留存行為，精準(zhǔn)的定位用戶，從而實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)。

圖：創(chuàng)建用戶分群

4.定性分析模型

用戶體驗(yàn)是企業(yè)的頭等大事，在產(chǎn)品設(shè)計(jì)、用戶研究、研發(fā)、運(yùn)營(yíng)、營(yíng)銷、客戶服務(wù)等眾多環(huán)節(jié)，都需要掌握用戶的真實(shí)體驗(yàn)過程。但如何優(yōu)化用戶體驗(yàn)向來是內(nèi)部爭(zhēng)議較多，主要原因還是難以具體和形象的描述。通過行為分析分現(xiàn)異常用戶行為時(shí)，能否重現(xiàn)用戶使用你的產(chǎn)品時(shí)的具體場(chǎng)景，這對(duì)于優(yōu)化產(chǎn)品的體驗(yàn)至關(guān)重要。

以前我在淘寶時(shí)，用戶體驗(yàn)部門會(huì)通過邀請(qǐng)用戶到公司進(jìn)行訪談，做可用性實(shí)驗(yàn)的方式來進(jìn)行體驗(yàn)優(yōu)化，但這種方式需要化費(fèi)比較多的時(shí)間和費(fèi)用投入，樣本不一定具有代表性。為了解決這個(gè)難題，數(shù)極客研發(fā)了用戶行為錄屏工具，無需邀請(qǐng)用戶到公司實(shí)地錄制節(jié)省成本，直觀高效的以視頻形式還原用戶的真實(shí)操作，使得企業(yè)各崗位均能掌握用戶體驗(yàn)一手信息，幫助產(chǎn)品研發(fā)提高用戶體驗(yàn)。

圖：用戶行為錄屏播放界面

總結(jié)：通過AAARRR模型分析用戶生命周期全程; 通過轉(zhuǎn)化率分析模型 提高產(chǎn)品轉(zhuǎn)化率; 通過精細(xì)化運(yùn)營(yíng) 提高運(yùn)營(yíng)有效性; 通過定性分析方法 優(yōu)化用戶體驗(yàn); 如果以上 4 方面都做好了，就一定可以通過用戶行為分析實(shí)現(xiàn)業(yè)務(wù)增長(zhǎng)。

五、用戶行為分析的未來方向是什么?

有很多人問我，為什么已經(jīng)有幾家做用戶行為分析的公司了，你還要?jiǎng)?chuàng)辦數(shù)極客? 我認(rèn)為數(shù)據(jù)分析的目標(biāo)是應(yīng)用分析結(jié)果優(yōu)化經(jīng)營(yíng)效率，而國(guó)內(nèi)外主要的分析工具，還只停留在分析層面，對(duì)于如何高效的應(yīng)用還有很大的空間。因此數(shù)極客除了要在分析層面做得更專業(yè)和更有效，還要在應(yīng)用層面實(shí)現(xiàn)新的突破。數(shù)據(jù)分析結(jié)果反映的問題主要是兩類：運(yùn)營(yíng)(含營(yíng)銷)和產(chǎn)品。所以需要針對(duì)這兩類問題提供針對(duì)性的解決方案。

1.運(yùn)營(yíng)的自動(dòng)化

我們前面講了，通過用戶行為分析可以實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，但具體應(yīng)用還需要人工制定運(yùn)營(yíng)策略，通過產(chǎn)品、研發(fā)開發(fā)才能應(yīng)用，而且當(dāng)策略改變時(shí)，需要重新開發(fā)相應(yīng)的工具，這也占用了很多時(shí)間，影響運(yùn)營(yíng)效率。數(shù)極客研發(fā)了自動(dòng)化運(yùn)營(yíng)工具，運(yùn)營(yíng)人員直接設(shè)置規(guī)則，系統(tǒng)根據(jù)規(guī)則自動(dòng)將精準(zhǔn)的活動(dòng)信息推送給符合條件的用戶，直接提高運(yùn)營(yíng)人員工作效率，運(yùn)營(yíng)人員可以將工作重心轉(zhuǎn)移到策劃而不是浪費(fèi)太量時(shí)間在重復(fù)執(zhí)行，自動(dòng)化運(yùn)營(yíng)可為企業(yè)節(jié)約大量運(yùn)營(yíng)成本。

圖：創(chuàng)建自動(dòng)化運(yùn)營(yíng)規(guī)則

2.產(chǎn)品、運(yùn)營(yíng)(營(yíng)銷)方面的科學(xué)決策

用戶行為數(shù)據(jù)分析，往往是在行為發(fā)生之后進(jìn)行分析，而產(chǎn)品、運(yùn)營(yíng)都是通過經(jīng)驗(yàn)，拍腦袋進(jìn)行決策，一旦決策失誤就會(huì)造成難以挽回的結(jié)果。因此如果能在產(chǎn)品、運(yùn)營(yíng)方案上線前，通過用戶分流A/B測(cè)試進(jìn)行小范圍驗(yàn)證，選擇其中最優(yōu)的方案發(fā)布，這樣就可以大大提高決策的科學(xué)性。

Google每年通過運(yùn)行數(shù)萬次A/B測(cè)試優(yōu)化產(chǎn)品、運(yùn)營(yíng)，為公司帶來了 100 億美元的收益。

A/B測(cè)試的方法非常有效，但國(guó)內(nèi)互聯(lián)網(wǎng)公司應(yīng)用不普遍，主要和應(yīng)用A/B測(cè)試的復(fù)雜性有關(guān)，

數(shù)極客擁有完整的A/B測(cè)試工具，業(yè)務(wù)人員可以在網(wǎng)站和APP上自助使用可視化試驗(yàn)編輯工具，創(chuàng)建并運(yùn)行試驗(yàn)，通過自動(dòng)解讀測(cè)試報(bào)告，使得A/B測(cè)試門檻大大降低。

圖：網(wǎng)站端可視化編輯試驗(yàn)工具

3.分析的自動(dòng)化

數(shù)據(jù)分析有一定專業(yè)性，不僅需要掌握不同的分析方法，還要熟悉業(yè)務(wù)，結(jié)合業(yè)務(wù)才能給出有價(jià)值的分析結(jié)果。 如果能像 360 安全衛(wèi)士一樣，只需要加載SDK，就能自動(dòng)診斷和分析，并給出解決方案，這是數(shù)據(jù)分析的未來方向，數(shù)極客在這方面也有積極的嘗試，并有了初步成果，目前擁有數(shù)據(jù)自動(dòng)預(yù)警、自動(dòng)報(bào)表等功能。

用戶行為分析是一門科學(xué)，善于獲取數(shù)據(jù)、分析數(shù)據(jù)、應(yīng)用數(shù)據(jù)，是每個(gè)人做好工作的基本功，每家企業(yè)都應(yīng)該加強(qiáng)對(duì)用戶行為分析大數(shù)據(jù)的應(yīng)用，從數(shù)據(jù)中找出規(guī)律，用數(shù)據(jù)驅(qū)動(dòng)企業(yè)增長(zhǎng)。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！