玩转用户行为路径分析，3种方法就够了

发布时间：2024-12-17 14:29

本文将介绍在用户行为路径分析中常用的3种分析方法：转化漏斗、智能路径和用户路径，并剖析3种方法的相同和差异之处，推荐在合适的分析场景下使用合适的方法。

在产品的运营过程中，无论是产品、运营还是市场团队都希望能够清晰的了解其用户行为路径，从纷繁的用户行为中，寻找以下问题的答案：

1.用户从进入产品到离开都发生了什么？主要遵循什么样的行为模式？

2.用户是否按照产品设计引导的路径在行进？哪些步骤上发生了流失？

3.用户离开预想的路径后，实际走向是什么？

4.不同渠道的带来的用户，不同特征的用户行为差异在哪里？哪类用户更有价值？

最终通过这些问题的答案来验证运营思路、指导产品迭代优化，达到用户增长、转化的最终目的。那么如何通过海量的用户行为数据来解答这些问题？常见的分析方法有：转化漏斗、智能路径、用户路径。

三者相通之处在于都是基于用户行为，以上下环节的转化率为计算核心，三者的关系就像是洋葱，一层比一层更接近核心，更聚焦。

转化漏斗、智能路径、用户路径与用户行为的关系

转化漏斗是预先设定好的路径；智能路径是设定了目标行为之后发现更多漏斗；用户路径是完整再现用户整个转化过程。在实际应用中，三者有各自适用的分析场景，通常也需要互相结合，相辅相成。以下对三种分析方法逐一解析。

▌转化漏斗：以用户引导提升转化效果

转化漏斗适用于对产品运营中的关键环节进行分析、监控，找到其中薄弱的环节，通过用户引导或者产品迭代来优化，提升转化效果。

无论是新用户的引导、某个业务流程还是某一次运营活动，涉及到有流程转化的都可以建立漏斗来分析。举例来说：

● 对一款社交APP，可以建立漏斗：打开APP--注册--登录--添加好友，来分析新用户从开始使用到参与到社交的过程；

● 对于电商APP，可以建立漏斗：浏览详情页--加入购物车--提交订单--成功支付订单，来分析用户从看到商品到最后支付成功的过程，各个环节的流失；

● 对于某次大促前的EDM，也可以建立漏斗：发送邮件--邮件到达--邮件打开--点击邮件中的商品--购买商品--支付订单。

转化漏斗

在分析的过程中，可以观察整体的转化率是否符合行业水准，哪些步骤转化率还有优化空间？可以通过细分维度发现导致转化率低的因素是哪些，也可以通过查看流失环节的其他使用路径，进而针对性的做引导等等。

流失率对比

▌智能路径：探索转化路径多样性

当有明确的转化路径时，通过预先建立漏斗来监测转化率会比较容易。但是很多情况下，虽然有最终的转化目标，但是用户到达该目标却有多条路径，无法确定哪条路径是用户走的最多的路径，哪条转化路径最短，这时候就需要智能路径分析模型的帮助。

智能路径桑基图

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。可以将其设置为起始事件，分析发生该行为后续的行为路径；或者设置为结束事件，分析来源路径。举例来说：

在电商APP中，加入购物车是支付成功这个最终转化目标的前一步，但很多用户在加入购物车之后，并不会提交订单直接支付，这时选择目标事件为"加入购物车"，并设置为起始事件，分析用户在加入购物车后的行为路径，是被页面上的其他推荐吸引了目光还是走向他处。

在某知识付费APP中，有多个入口，通过banner、搜索列表、专列列表、专题文章等引导到专栏详情页，进而引导到专栏的订阅，若想分析用户最终订阅的转化路径，可以选择目标事件为 "订阅专栏"，并设置为结束事件即可。

总之，智能路径可以用来探索性的发现更多的转化路径，当聚焦到某一条路径时，其实就是一个转化漏斗，可以将其保存下来，来进行日常监测，发现问题时，也可以在漏斗中进一步细分。

▌用户路径：步步追踪，路径识别分析用户类型

区别于转化漏斗和智能路径，用户路径不需要预先设置漏斗或者圈定要分析哪个页面事件或点击事件，而是计算用户使用网站或APP时的每个第一步，然后依次计算每一步的流向和转化，通过数据，真实的再现用户从打开APP到离开的整个过程，进一步识别用户频繁路径模式，即哪条路径是用户最多访问的；走到哪一步时，用户最容易流失；甚至呈现出产品经理在设计产品时都未曾预料到的路径，找到分析用户行为最基础、最原始的数据；也可以通过路径识别用户行为特征，分析用户是用完即走的目标导向型？还是无目的浏览型。总之用户路径的分析对产品运营过程都有非常重要的启发作用。

用户路径桑基图