电商平台运营如何创建实用的用户行为分析方案

漏斗分析作为最基本的分析模型，可实现对电商运营关键节点转化率、不同渠道效率进行有效分析。

以某母婴电商平台数据分析应用为例，说明漏斗分析在电商数据分析中的应用。

平台发展初期为寻找最有效的推广渠道和产品的障碍点，对2018年5月运营数据分析，分析结果如下： 数据总览

渠道漏斗分析中，总的转化数据可以支持查找转化中的用户流失缺口，即找出用户流失最多的事件节点。

从上图表可以看出：

1. 用户注册比例普遍偏低，很有可能是注册流程繁琐造成，产品团队可以校验后进行优化。

2. 注册后搜索、浏览商品比例非常高，可以考虑先让用户浏览商品，再引导其注册账号。

3. 加入购物车后完成付款比例约30%，而首次购买后再次购买率非常高，说明产品质量过关，得到了绝大多数使用客户认可。可以考虑提供小份试用套装或者提供初次购买优惠，刺激用户快速结单。对于以购买用户，也可以考虑推出“分享获取优惠券、免运费“等激励，刺激用户成为宣传代表。

渠道分析

不同渠道的转化数据，有助于找出不同渠道质量，在平台发展初期，找准最优渠道后，将更多资源集中到最优渠道，以实现新客获取量与活跃用户积累量的最优化。

从图表中数据可以得出：

1. 可能因为平台还在起步阶段，知名度有限，通过搜索引擎关键词投放和头条信息流广告获取的用户转化率很低，可以适当减少投入。也可能是投放的关键词与信息流内容不够精准，吸引到的访客并非潜在客户，可通过A/B测试进行调优。

2. 微信、微博KOL投放后转化效果较优，但需计算单次投放成本、单位获客成本，评估投放数量和频次。

3. 微信、微博等自媒体运营效果良好，用户试用比例很高，但需关注提高加入购物车之后完成支付的比例，这里可以采用用户访谈等形式，寻找用户未完成支付原因。

除了通过漏斗分析寻找最优获客渠道，还可以通过对用户的属性、消费习惯、等级等的分群，分析不同用户对不同商品的喜好程度、高粘性客户的关键行为事件、流失客户在离开前碰到的障碍等，制定相应的市场推广、用户运营与产品调优方案。

比如从关键词搜索情况、细分类目浏览情况，查看用户对不同品类商品的需求热度，及时进行产品范围扩充。

用户数据分析的目的是驱动业务增长，那么其核心是围绕用户搭建数据流、数据存储与数据分析模型。

一、抓住用户行为数据流

即用户与企业、产品的交互过程中产生的数据，因为交互节点不同，可以通过用户进入的逻辑线，对应出用户数据流。

用户与产品的交互，会完成这样的完整环节：“ 点击广告链接-完成下载安装-浏览商品（推广位点击、分类点击、商品搜索、商品对比等）-添加购物车-注册登录（也有可能比较靠前）-提交订单-取消订单或完成支付” 的完整过程，很容易能够看出来，用户的数据流并不是天生会被记录或者能够应用的，而是需要在各个环节进行前期的“数据设计”。

有些用户进入试用后会主动探索各个功能模块，并完成订单支付，成为真正的客户。而有些用户粗略的查看产品之后就会关闭然后很长时间不打开。

在进行数据设计过程中，可以通过UTM参数，对渠道来源进行标记；对于用户在APP里的浏览、搜索、点击分类按钮、添加购物车、提交与取消订单、完成支付、分享等所有细致行为，可以通过可视化埋点、前端埋点、后端埋点的方式进行数据采集，除了埋点方案，还可以通过服务器端数据传输工具的方式，进行数据收集。相比较而言，可视化埋点与前端埋点的方式采集的数据误差大，无法支撑细致准确的分析需求。电商类平台进行细致用户行为分析，推荐后端埋点或服务器端数据传输工具进行数据采集。

做完数据设计和数据采集的部署之后，就能够对用户的来源、购买前行为、购买后使用频率、推荐新客情况的行为进行细致分析，从而找到最好的推广渠道、APP优化方案、商品展示方式和用户分享引导方案等。

二、构建统一存储的数据仓库

但是从渠道来源到电商网站、APP、小程序等的用户使用数据，数据的来源与存储都不同，所以在进行数据采集设计之后，还需要规划好数据存储方案，构建统一数仓。

最好的方法是，对不同来源的数据进行统一标定，集中存储在同一个基于分布式框架的数据仓库中，以保证分析时对于超大容量数据的实时分析响应。

数据存储时，数据规范很重要，不同的表结构的设计会直接影响后续分析的复杂度。这里涉及到的技术点非常多，不一一展开。

三、根据业务需求创建数据分析模型

数据分析模型有非常多种，但作为市场、运营、产品人员，都不应该忙于学习最全的数据分析模型，而是应该从业务需求出发，灵活创建分析模型。

对于电商平台最基本的业务需求：吸引访客/下载、注册留存、购买激活、提高复购率。

可推导出电商平台的增长等式为： 业务增长系数 = 新增有效注册用户 * 平均购物车商品数量 * 完成购物车商品支付比例 * 平均订单价格 * 重复购买次数 。

产品、业务的不同阶段，运营的主要目标会有所不同。所以增长等式中起决定性因素的指标也会随之变化。

可以在起步期通过种子用户行为序列分析，进行产品调优；增长期通过转化漏斗、留存分析、用户分群与行为分析，寻找最高效的运营方案；稳定期通过明星用户、流失用户分析，探索新的增长动力。

结语

数据分析应该贯穿在平台设计、开发、运营的完整周期中。虽然分析的思路很重要，但是前期的数据采集设计是源头，巧妇难为无米之炊，没有数据就无从分析。数据驱动是一种理念，更是一种意识，想要落地，还面临不少挑战。