用户在产品中的行为其实是个黑盒子，全行为途径是用全局视野看用户的行为轨迹，很多时分你会有意想不到的播种，在可视化的进程中有两个模型，一个是树形图、一个是太阳图，明天我们将持续解读八大数据剖析模型之——全行为途径剖析，让你疾速直观看到用户如何在运用你的产品。

一、行为途径剖析

单体洞察、用户分群、行为途径剖析是用户行为数据剖析的三大利器。单体洞察满足了我们对单个用户的特征洞察，用户分群满足了我们对全量用户或某一特征人群的洞察，而行为途径剖析是对用户发生的行为数据的可视化剖析模型，某一人群穿插行为途径剖析模型，可以疾速洞察到这一群体的行为特征。常用的行为途径剖析模型有漏斗剖析模型和全行为途径剖析模型。

在剖析既定的行为途径转化时，我们会采用漏斗剖析模型，你会看到用户在我们设定的途径中的每一步转化，比方从检查商品概况到最终领取成功每一步的转化率，从而对既定途径不时调优。

图1：注册转化漏斗

但是，用户在产品内的行为途径可以说是个黑盒子，界面内的每一个按钮、信息都会影响用户的下一行为。为此，我们需求拥有一个更高的视野去仰望用户的行为，翻开这个黑盒子，而这一剖析模型就是全行为途径剖析模型。

二、全行为途径剖析模型

全行为途径剖析是互联网产品特有的一类数据剖析办法，它次要依据每位用户在App或网站中的行为事情，剖析用户在App或网站中各个模块的流转规律与特点，发掘用户的拜访或阅读形式，进而完成一些特定的业务用处，如对App中心模块的抵达率提升、特定用户群体的主流途径提取与阅读特征描写，App产品设计的优化等。

常用的全行为途径剖析模型有两种：

1、树形图

图2：树形图

如上图所示，从会话开端，每一行代表用户的一步。树形图最多展现五步。第一步是会话开端，第二步，用户通常会停止搜索课程、检查课程概况、注册、登录、开端付款。从上图可以看出，在用户的运用中，绝大局部的用户翻开app后会停止课程搜索。你能够会问横向相加为什么不等于100%？

如图示，转化率计算的是用户的每一次会话，同一个用户，能够上午进入app后停止了搜索，下午能够进入app后直接在首页停止了检查课程概况，同一团体在不同会话能够会有不同的行为。分母是一切运用的用户，那计算每一步的时分分子会呈现同一团体。所以百分比相加大于1。

2、太阳图

树状图经过用户行为的步骤纵向停止了展现并基于每一步的比例停止了从高究竟的排序，相较于树状图，太阳图的全局视野更明晰，你可以用一个立体的视角看用户的运用状况。

图3：太阳图

如上图所示，每一环代表用户的一步，不同的颜色代表不同的行为，同一环颜色占比越大代表在以后步骤中用户行为越一致，环越长阐明用户的行为途径越长。

你可以把途径设计进程中我们疏忽的步骤添加到漏斗停止监控，并对用户的这一途径做用户动机剖析，并不时停止优化。

三、场景举例

图4：树形图

我们以上图中的树形图为例，这是一个教育培训类产品，我们发现75.2%的用户都是从“搜索课程”这一行为开端的，阐明“搜索”是这一产品的重要功用之一，搜索优化得越好，购置下单的能够性就越大，同时有助于理解用户的真实需求。

但是我们还发现，从第二步之后的数据来看，一次的搜索行为显然没有帮用户找到他所需求的课程，由于，他并没有直接进入“检查课程概况”。

关于用户来说最理想的体验是，在输出关键词后，疾速找到其所需求的商品/课程/效劳，关于产品来说，就是在用户还没有得到耐烦前完成搜索转化，那么针对上图的场景，我们该如何提升一次搜索转化率呢？

除了辨认不利于转化的关键词，经过放置搜索后果顶端或许底部来晋级或升级产品外，你还可经过洞察用户行为数据来优化：

比方：凡搜索“数据剖析”、“数据驱动”、“数据思想”等关键词的用户最终都点开检查了A课程，那么我们即可依据数据相关性将搜索词“数据”与A课程关联到一同。

比方：将近期用户高频搜索的关键词同步到前端页面，设置成可点击元素，进步搜索效率。

比方：经过剖析用户的搜索行为，为用户补充商品/课程/效劳、优化搜索后果页构造、优化搜索引荐等提供数据支持。

总之，透过用户行为数据深挖用户外表行为面前真实、实质的需求，唯有经过数据看透实质需求，才干真正触达用户的“心”。

用户运营的实质是精密化运营，而精密化运营的前提是，对可真实复原用户与产品交互进程的用户行为的洞察，全行为途径剖析让你更直观的看到用户运用产品的情况，理解用户的来龙去脉，找到用户最有能够完成中心转化的行为，经过产品上以及运营战略上的引导，继续发掘更多用户的价值。

大众号：诸葛io / zhugeio1