电商行业的尤其关注用户终身价值（CLV），用户获取本钱的降低、活泼度的降低、留存率减小等，都将影响用户收益率。经过用户分群与深度下钻剖析，有助于从不同群组用户的行为事情中找出规律，制定有针对性的措施。

先来看一下买家（即电商用户）在一个电商平台中的典型行为事情。

以上电商用户的行为事情，涵盖了典型的AARRR海盗目标中获取、激活、留存、营收、引荐的五个重要节点。绝对应的，也反映了电商平台运营应该关注的几个中心目标：即渠道转化率、跳出率、弃购率、用户付费转化率、活泼用户比例、用户终身价值、病毒系数等。

在《精益数据剖析》中，埃里克·莱斯对好的数据目标停止了定义，即：

1.    好的数据目标具有可比拟性

2.    好的数据目标是复杂易懂的

3.    好的数据目标是一个比例

4.    好的数据目标会改动行为

电商用户的行为事情剖析，也需求在好的目标的指引下，停止深度下钻剖析，从而找出“好”行为事情和“坏”行为事情。

以下经过数数科技ThinkingAnalytics零碎来阐明如何做好电商平台用户行为事情剖析。

一、定义明白的用户行为事情

每个电商平台依据产品特性，会有不同的行为事情，在停止后期数据规划中，需求对可剖析事情停止全量数据埋点。前期平台运营进程中，都将依赖于后期的数据采集规划。

TA零碎定义的电商用户事情组（局部）

二、确定行为事情剖析维度

剖析维度的定义次要可以从用户属性、用户分群、事情属性、剖析时段、布尔运算的角度定义。

常用的用户属性有：省份、城市、用户来源、初次拜访工夫、注册工夫、初次购置工夫、最初购物工夫、最初拜访工夫、性别、VIP等级、出生年月等。

针对以上用户属性，可以将用户划分为：广点通来源客户、近期日未登录用户、最近7天领取订单用户、北上广深用户等群组。

常用的事情属性有：商品ID、商品名、商品数量、商品大类、商品细分类目、参加购物车入口、商品订单、运用优惠券、提交订单、领取订单、分享商品、阅读商品、联络客服、点击推行栏、支付优惠券等。

比方我们想找出近30天内、经过不同渠道获取的客户、参加购物车商品数量大于2个的用户状况，以此来检查不同渠道获取客户的购置意向（在此假定购物车商品数量一定水平上代表了购置意向上下）。在TA零碎中选定多维剖析字段后查询后果如下：

选定剖析维度

近30天剖析后果

从剖析后果可以看出，冤家引荐的用户购置意向分明较高，运营进程中可添加用户分享的安慰要素。而经过新浪、软文转化而来的用户购置意向较低，有能够是推行中标定的用户群体精确定不够，可以在这两种推行进程中，增强目前群体的挑选。

三、发现规律后停止下钻剖析，找出缘由

比方从上一步的剖析看到，冤家引荐方式购置意向强，软文推行、新浪推行购置意向低，那么实践上能否购置意向强的用户完成了更多购置？高购置意向的用户和低购置意向用户在平台里的行为有哪些差别？前者可以经过渠道漏斗转化，对不同渠道转化率停止剖析，后续文章再做详细剖析。后者则可经过检查高意向与低意向用户行为序列、用户拜访等方式，寻觅缘由。

选出经过新浪、软文方式获取到的高意向客户停止剖析

两个渠道来源用户的城市散布

经过剖析看到，两个渠道获取的客户多集中在成都、合肥、南京等非超一线城市。

冤家引荐用户的城市散布

而从经过冤家引荐进入的用户剖析可以看到，北京、武汉、上海等城市用户的购置意向分明高于其他城市，其中北京遥遥抢先。

之后的市场推行、平台运营，可以调整软文投放、新浪推行的目的群体，集中到北京、上海等城市。

同时关于其他城市用户购置意向偏低的状况，还可进一步下钻剖析，看看其参加购物车商品的类别、价钱等状况，找出是由于价钱、商品类别、运费过高还是其他缘由形成的购置志愿不强，从而及时停止调整，或许坚决平台的精品道路。

电商平台设计初期，就应该对用户行为事情停止明白定义，做好数据采集布置，在运营阶段灵敏停止多维剖析，以找到疾速增长的要素。

下一期将带来“电商行业的用户留存剖析”。