引言：

洞察能力的高低会带来多大的区别？电影《教父》中有一句经典台词很好地回答了这个问题：“花一秒钟就看透事物本质的人，和花一辈子都看不清的人，注定是截然不同的命运。”

作为整日和数据打交道的人，你是否真正洞悉数据分析的本质？

01 数据分析的本质究竟是什么？

表面上看，数据分析，是关于数据、统计、归因、分析、策略的一整套框架。究其本质、数据分析的内核是什么？当我问ChatGPT“用户分析，究竟是在分析什么？”它的回答是：

• • 用户行为维度：包括用户访问量、停留时间、点击率、转化率等，通过对这些行为的分析，可以了解用户的兴趣、偏好、购买行为等。
• • 用户属性维度：包括年龄、性别、地域、职业等，通过对这些属性的分析，可以了解用户的基本情况和消费能力。
• • 用户来源维度：包括搜索引擎、社交媒体、广告等，通过对这些来源的分析，可以了解哪些渠道对用户的吸引力更大。
• • 用户画像分析：通过对用户的行为、属性、来源等多维度数据进行深度分析，构建用户画像，更准确地洞察用户需求，提升用户体验。
• • 用户价值分析：通过对用户的消费行为、购买力、留存率等数据进行分析，识别高价值用户和低价值用户，制定差异化营销策略，提高用户留存和复购率。
• • 事件分析：通过对用户在产品或网站上的行为进行分析，识别关键事件和行为路径，了解用户的行为习惯和需求，提升用户体验和转化率。
• • A/B测试：通过对不同版本或不同策略的比较，分析用户的反应和行为，确定最优的运营方案，提高用户转化率和满意度。

看了它的回答， 你是不是更加迷惑了？接下来我们回归主题，从心法、套路和招式三个角度来详细解读。

02 心法：真正的用户分析是什么？

心法，就是要帮你明确目标——数据分析，究竟在分析什么？

数据分析，最本质的任务就是要无限接近用户在具体购买决策过程中的影响因子的真实状态，并将整个决策过程进行解构，从而找到极具针对性的部分，推动用户更快完成购买。站在用户的角度，即不论以什么形态，最终我的需求要被满足。

可能理解起来会稍显复杂，这是正常的。因为，数据分析通常有三个视角：

• • 业务视角：转化率、GMV、人效比、成单率、退单率、下单数、转化数、退单数等。
• • 用户视角：在线数、完播数、分享数、停留时间、跳转率等。
• • 数据视角：留存率、留存数、高意向用户数等。

知道为什么我们总是做不好数据分析了吗？

作为负责人和老板，我们嘴上说『以用户为中心』，但是满脑子想的却是转化率、GMV、ROI、成本等，可悲的是，你不知道用户视角、数据视角的数据如何跟业务视角相关联，更可悲的是，你自己不想去思考而总是寄希望于有一个专业的人来帮你想明白。做生意，如果我们自己都不愿意将底层逻辑梳理清楚，就是上帝来了也拯救不了。

做好数据分析的难点也在于此，不仅需要一套数据分析模型，更重要的是具备自己搭建数据分析模型的能力，理清数据分析模型如何从何而来。要做好这部分工作，需要做好以下两个方面：

1、用户需求洞察

首先要分析的是用户主动暴露的需求，即对用户的反馈、评论和投诉等信息进行分析，直接提炼出的实际需求和痛点。

在这个过程中，你需要广泛搜集用户的反馈，接着过滤、整合用户反馈的信息，并从中分析提炼用户需求，初步达成对需求优先级、满足方式、成本方面的规划，接着通过测试、调研等方式验证判断和解决方案的合理性，最终得出用户需求分析的阶段性结论和对策。

洞察重点是结合目的、提炼用户需求的同时探索出判断和解决方案的合理性，最后做出决策。

2、用户偏好捕捉

基于用户需求的分析可以得出用户偏好。用户偏好可以概括为两大方向——用户行为和用户习惯。

用户行为：通过分析用户的点击、浏览、搜索、购买等行为，可以了解用户的喜好、偏好和购买意向，为其提供精准的产品推荐和服务。

用户习惯：通过分析用户的使用习惯和使用场景，可以了解用户的行为规律和消费习惯，更好地设计和推出相关产品和服务。

03 套路：有哪些常见的数据分析模型

用户分析中最重要的框架是什么？分析模型。

设计一套完整的用户数据分析体系，需要考虑整个用户旅程阶段。所谓用户旅程，是将用户行为按时间序列进行排序，描绘产品、企业、品牌与用户之间的各种交互。

在数据维度下使用用户旅程，我们提炼的分析体系，包括以下五个阶段：

1、意识阶段：

• 用户行为分析：通过分析用户的搜索、访问、浏览行为，了解用户在网站、应用或社交媒体上的行为模式和习惯。

• 关键词分析：分析用户搜索的关键词，了解他们的需求和兴趣点。

• 参与度模型：通过分析用户的参与度，了解用户在不同平台、场景下的行为特征。

2、探索阶段：

• 任务及情境分析模型：通过分析用户在使用产品或服务时的任务和情境，深入了解他们的需求和痛点。

• 需求分解模型：通过分析用户需求，将其拆分成更加具体、可操作的任务和功能点。

• 驱动力模型：通过分析用户的驱动力和动机，了解他们为什么要使用你的产品或服务。

3、决策阶段：

• 场景化思考模型：通过分析用户在特定场景下的使用情况，了解他们的需求和问题。

• 需求地图模型：将用户需求转化成一张需求地图，展示用户在使用过程中的需求结构和关联关系。

• Jobs-to-be-Done模型：通过分析用户使用产品或服务的目的，了解他们在完成具体任务时的需求。

4、使用阶段：

• 用户心智模型：通过分析用户的期望和体验，了解他们在使用过程中的满意点和不满意点。

• 情境分析模型：通过分析用户在特定情境下的反馈和意见，了解他们的意见和建议。

• 文化人类学模型：通过分析用户所处的文化和社会背景，了解他们的价值观和行为方式。

5、忠诚阶段：

• 用户偏好捕捉模型：通过分析用户偏好和行为数据，了解他们的购买习惯和兴趣点。

• 用户生命周期价值模型：通过分析用户在产品或服务使用周期中的行为，了解他们对品牌的价值和忠诚度。

• 用户调研和反馈：通过定期的用户调研和反馈收集用户意见和建议，为产品优化提供参考。

-订阅-

确定了分析模型之后，下一步就是平时大家最关心但没有做好的用户数据分析体系搭建了。

04 招式：如何搭建数据分析体系

确定了用户洞察的方向、用户分析的模型之后，接下来就开始着手做分析了。

需要说明的是，每个阶段，每个环节的模型众多，我们必须要明确每个模型下究竟该看哪些数据指标，才能让分析模型高效发挥效果。这里依旧选用用户旅程概念来分阶段展开讲解。

阶段一：意识阶段

在这个阶段，用户开始意识到你的品牌、产品或服务。他们可能通过社交媒体、广告、推荐或搜索引擎等渠道了解你的品牌。在这个阶段，你需要关注的指标包括：

过程指标：

• ・曝光量：广告或推荐的展示次数
• ・访客数/用户数：公司内部认可的用户数
• ・点击率：页面被点击次数与被显示次数之比
• ・参与度：包括页面停留时间、页面浏览量、社交媒体分享等

结果指标：

• ・注册/订阅用户转化率：（注册/订阅数）/总访问量
• ・注册/订阅用户转化量：所有渠道的注册/订阅数

阶段二：考虑阶段

在这个阶段，用户已经对你的品牌、产品或服务产生了兴趣，他们开始更深入地了解你的品牌或产品。在这个阶段，你需要关注的指标包括：

过程指标：

• ・用户活跃度；用户在各个触点上与品牌互动的频次、规模、偏好、占比等
• ・产品/服务关注度：使用网站分析工具，例如 Google Analytics，统计每个产品/服务页面的浏览量、收藏量、分享量等
• ・用户兴趣度：通过用户行为分析工具，使用用户浏览行为和关注行为，挖掘用户的兴趣偏好

结果指标：

• ・高意向用户转化率：从潜在客户中转化为符合用户画像客户的用户数量与潜在客户的比率
• ・高意向客户转化数：通过用户活跃、用户打分或兴趣、产品、内容等方法确定

阶段三：决策阶段

在购买决策阶段，用户已经完成了信息收集、对比和评估，并且对某个产品或服务产生了购买意愿。这是大多数企业都会关注的阶段，需要注意的是通过下面的梳理进行复盘，判断自己的数据分析体系是否在分析决策阶段。在这个阶段，你需要关注的指标包括：

过程指标：

• ・购物车添加率：即每日活跃的用户中有多少将商品添加到购物车，没有购物车的行业，可能是立即购买、可能是进入最终决策者评估、进入招标环节等
• ・购物车转化率：商品加入购物车的数量/进入支付环节的数量
• ・订单完成率：完成订单数/总订单数
• ・购买决策时间：用户从考虑购买你的产品或服务到做出决策的时间
• ・退货率：购买后退货的用户数量与购买用户数量的比率
• ・价格敏感度：使用调查问卷或者数据分析工具，收集用户对于价格的反应数据，如购买行为、使用优惠码等

结果指标：

• ・下单量；成功提交订单的数量
• ・下单金额：所有订单的总金额
• ・购买转化率：购买人数/访问人数
• ・平均订单价值：总销售额/订单数

阶段四：忠诚和推广阶段

在推广和忠诚阶段，用户已经购买了产品或服务，可以通过推广和粘度运营提高用户的满意度和品牌忠诚度。在这个阶段，你需要关注的指标包括：

过程指标：

• ・用户满意度：可以通过问卷调查等方式获得。
• ・网络推广者得分：通过用户调查来确定用户的忠诚度和满意度
• ・推荐转化率：（新客户数 / 推荐人数） * 100%
• ・售后服务投诉率：投诉数量 / 总售后服务
• ・售后服务响应时间：用户提出问题到响应的时间
• ・售后服务解决时间：问题解决完成时间减去用户提出问题时间
• ・售后服务满意度：（非常满意用户数量 + 满意用户数量）/ 总用户数量 * 100%。

结果指标：

• ・客户终生价值：（每次购买金额 * 购买次数） / 用户流失率。

结语

最后，让我们再回到开始的问题：用户分析，究竟是在分析什么？

用户分析，最本质的任务就是要无限接近用户在具体购买决策过程中的影响因子的真实状态，并将整个决策过程进行解构，从而能够找到针对性的推动用户更快完成购买。