如何通过用户行为分析帮助App产品优化

大多数产品进行更新的时候，靠的是pm的经验或者是少量的调研问卷，这样的迭代方式缺乏数据佐证，通过数据分析的方式驱动产品优化，可以知道用户在哪些功能上有更多的驻足，或者知道哪些功能是用户不喜欢的，这种方式的产品优化会更有依据，效果也比较明显易见。

我会分两部分来介绍基于用户行为分析的数据驱动App产品优化，分别是优化思路和实操案例。

优化思路：

产品没有基础对比数据的时候，我们会通过几个方面进行产品的数据分析得到基础数据，之后可以基于基础数据设定增长目标，一款App要优先关注哪些数据？

1.了解用户对产品功能的使用情况

通过智能路径了解用户从打开App到在App上的发生的事件触发，了解用户所有交互行为，用智能路径刻画出用户的每一步行为；

2.关注核心漏斗的转化

通过漏斗分析关注核心漏斗的转化率，比如用户从打开app到加入购物车，到提交订单的漏斗流失情况；

3.关注产品单个功能的使用情况

可以通过事件分析，单独跟踪某一个新上功能；

4.关注用户完成核心目标的共性行为

5.版本更新后的用户体检差异

6.通过细分维度进行交叉数据分析，洞察有益结果，驱动迭代。

基于当前数据的增长计划设定可以使目标更清晰，比如提高加入购物车到支付订单的转化率，可以通过以下几步完成。

1.通过漏斗分析了解加入购物车到支付订单的转化率

2.洞察不同版本，不同省份，不同系统（安卓、IOS）下的转化率差异

3.制定转化率优化试验

4.App迭代

5.通过数据验证迭代效果，胜出者保留

案例：

拆解某在线购买咖啡的App，进行用户行为分析，以用户购买咖啡为核心目标

首页结构，分为几大功能区，最重要的是现在下单，之后是咖啡钱包，能看出这两个部分是最重要功能，所以放在最优先的位置，而外送比较直接的表明可以支持外卖服务。

我的思维走向图：

我是此App的用户，通过对此App的了解，我会有如下思考，抛砖引玉，希望给更多App优化提供一些思路。

1.我期望用户在我的App上完成什么？

下单和购买优惠券，下单反而成为了次要行为，一旦购买优惠券，下单就变成了为了实现优惠券而进行的附属动作。

我需要通过智能路径知道用户在App上的体验情况，了解用户都会通过哪些路径进行产品体验

从这个路径我们可以知道，用户会在下单和购买优惠券之间频繁穿梭，而且使用频率可能在80%以上（按照总事件量）

2.构建核心漏斗

在漏斗分析里面选几个路径

漏斗1：打开app，下单，加入购物车，支付。

漏斗2：打开app，购买优惠券，加入购物车，支付。

漏斗3：打开app，下单，加入购物车，使用优惠券，支付。

漏斗4：打开app，点击广告，确认登陆，分享，返回。（这有逻辑问题， 没说清楚如何得到优惠，体检较混乱）

通过这样的漏斗分析，我们就知道App上的用户行为，知道用户的使用情况和流失情况，也许某一个优惠券的广告位，阻碍了用户购买优惠券或者下单，或者我们的某一个流程可以简化，大幅度提高转化率。

3.找到优化点

此次优化战役，以提高用户优惠券购买转化率为核心目标，优先梳理清楚用户的路径以及当前路径的数据情况，之后从分散用户注意力入手，从增长试验假设开始进行产品优化。

常规增长点：

（1）咖啡钱包内页

您的咖啡钱包有点寂寞，增加直接购买按钮

（2）充增优惠

更换成购买咖啡券，测试CTA的点击率效果

（3）广告位切换太快

可能会引起点击率不高

（4）按钮优先选中外送

会减少操作流程，提供转化率

裂变增长点：

（1）开屏广告位增加CTA

目前没有CTA，CTR有待提高

（2）免费送给好友咖啡，各自得一杯

测试功能，优先给予逻辑说明，是否可以增加送给的几率

……

易观方舟Argo的十大分析模型，可以在产品优化的时候不同阶段起到相应作用，详细了解可以到易观方舟官网。

总结：

基于用户行为分析，数据分析驱动产品优化，分几步走

首先，了解自身数据情况

其次，找到用户关心的功能和不喜欢功能

然后，找到核心漏斗

最后，围绕数据增长目标，提出假设，上线验证。

End.

作者：易观方舟

来源：简书

本文均已和作者授权，如转载请与作者联系。