用户行为分析

很多时候企业都是在摸索中前行，或基于自身的判断来寻找和服务用户。但对于用户是谁、用户在哪里、用户喜欢什么、用户会对什么做出反应、用户在商业场景中的什么时间做过什么等问题，很多企业都回答不出来。在当下，对用户信息的了解和应用能力，很大程度上决定了企业在新竞争“食物链”上的排名。当新的生产要素—数据，逐渐进入大家的视野后，企业家们开始隐约意识到数据可能会成为新的发展动力、用户行为数据将是激发企业创新活力的重要资源。但如何能拥有像虎鲸一样的超声波定位系统，即全方位洞察用户需求、满足用户需求的能力呢？

本书为帮助企业能在商业竞争中立于不败之地，能对用户行为数据发挥价值的过程建立系统的认知，并习得快速实践的能力，让企业高效落地数据驱动增长而撰写。本书内容包括从商业进化的角度认识用户行为数据的重要性及如何发挥其价值（第1章），用户行为数据如何通过数据驱动增长金字塔（规划、采集、分析、应用）为企业带来贡献（第2~5章），以及用户行为数据驱动增长的实战案例集（第6章）。

本书适合企业的高层管理者及有一定工作经验的产品经理、数据分析师、互联网运营人员、数据运营人员等阅读。不管您身处互联网企业，还是身处数字化转型和升级的传统企业，只要您拥有或者正在准备拥有自己的线上产品，便能通过本书找到“如何用数据驱动增长”的体系化内容。

张溪梦

GrowingIO创始人，践行数据驱动增长20余年，在创建GrowingIO之前，曾就职于eBay和LinkedIn。在LinkedIn任美国商业分析部高级总监，亲手创建了近百人的商业数据分析和数据科学团队，支撑LinkedIn所有与营收相关业务的高速增长。2013年，Data Science Central评选其为“世界前十位前沿数据科学家”。2015年5月，回国创立GrowingIO，致力于帮助企业提升数据驱动能力，实现更好的增长。与此同时，张溪梦也是畅销书《首席增长官》的作者和《增长黑客》的译者。

邢昊

GrowingIO咨询服务副总裁，毕业于清华大学自动化系和经管学院，拥有16年的企业数字战略转型、互联网营销和信息化管理咨询经验。加入GrowingIO后，带领咨询服务团队为如家、安踏、方太、招商仁和人寿、猎聘、站酷、陌陌等上百家传统企业和互联网企业提供增长咨询服务，协助企业打造增长型组织，执行增长策略，实现数字化业务占比增加、用户生命价值增长和互联网营销效率提升等实战成果，广受业内认可与好评。

“世界前十位前沿数据科学家”张溪梦倾情创作，助你洞察用户行为，全面引爆增长！

良品铺子杨银芬、自如王迪、硅谷增长黑客曲卉、猎聘网戴科彬、安盛余健光、安踏杨博境、汉光百货董有良、开课吧刘旭、起源资本邱越峰--联袂推荐！

本书为你揭秘：

1个数据驱动增长金字塔

1条系统的指标体系规划思路

1套完整的埋点团队协作流程

10大常用的数据分析模型

4家企业增长案例全面拆解

3大数据驱动增长前瞻

前言　做“商海”中的虎鲸

前不久，我学到一个有意思的冷知识：谁是海洋中最厉害的生物，大白鲨还是虎鲸？大白鲨，就是那个多部惊悚电影里的反派主角；虎鲸，就是那个黑白相间长得萌萌的“大号海豚”。

我想很多人凭直觉会说是“凶神恶煞”的大白鲨，但现实版答案却是“呆萌可爱”的虎鲸。虎鲸不但“吊打”大白鲨，还酷爱以鲨鱼身体里营养极丰富的肝脏为食。作为海洋生物学的外行人，我带着好
奇心研究了一下原因：大白鲨凭借几千米外就可以闻到血腥味道的超强嗅觉、能识别水压变化的身体侧线，成为海洋中极具效率的捕食者。但虎鲸拥有更强大、精准的超声波定位系统，不仅能远距离识别海洋生物的具体位置，还能识别海洋生物的大小和游动的方向，甚至能使用超声波来引诱和攻击猎物。
在深海世界里海水的能见度很低，可以说是“漆黑一片”，两种生物在海水介质中获取信息的特殊能力，奠定了它们在食物链顶端的位置。虎鲸虽然没有锋利的牙齿和超快的速度，但其超声波定位能力更胜一筹，因此成为真正的海洋霸主，基本上没有天敌，傲视群雄。

回到现代商业环境，它也犹如被“迷雾”所笼罩的“大海”。很多时候企业都是在摸索中前行，或基于自身的判断来寻找和服务用户。对于用户是谁、用户在哪里、用户喜欢什么、用户会对什么做出反应、用户在商业场景中的什么时间做过什么等问题，不同企业回答的水平是不一样的，颗粒度也是不一样的。当稀缺资源和规模化生产已经不是最重要的竞争要素时，对用户信息的了解和应用能力，则在很大程度上决定了企业在新竞争“食物链”上的排名。

在过去的很多年里，企业的生产要素围绕着土地、人力、资本、信息技术逐渐展开。每个新要素的出现都会孕育一批新的迅猛发展的“时代企业”。最近五年，新的生产要素—数据，逐渐进入大家的视野，企业家们开始隐约意识到数据可能会成为新的发展动力，但却不十分确定这点，或不知如何入手。这主要是因为过去几十年的信息技术发展主要聚焦在企业内部，企业内部生产了大量的经营数据，但企业家看到的都是报表中的统计数字，所以比较难想象和理解“大数据”的价值。传统的对经营数据的分析，主要用于“降成本提效率”，这是降低企业经营收入的成本线（Bottom-line）。如何提升企业的营收上线（Top-line） ？这需要利用数据加强对用户的理解并强化营销效果。这方面的成功实践，受限于数据采集手段、处理能力甚至是文化意识的发展水平，直到最近三年才出现突飞猛进的发展，而且主要集中在拥有互联网属性的新品牌公司身上。

在这种大环境下，企业要想在商业竞争中立于不败之地，拥有像虎鲸一样的超声波定位系统，即全方位洞察用户需求、满足用户需求的能力，未来可能将成为必然。在数字化时代，用户行为数据将是激发企业创新活力的重要资源。也就是说，对用户行为数据进行系统的规划、采集、分析和应用的能力，将决定了企业是“虎鲸”还是“鲨鱼”，抑或是“芸芸众鱼虾”。

本书的主要内容
《用户行为分析：如何用数据驱动增长》这本书就是为了帮助企业成为“商海”中的虎鲸而撰写的。我希望读者看完这本书以后，能够对用户行为数据发挥价值的过程建立系统的认知，并习得快速实践的能力，帮助所在的企业高效落地数据驱动增长。

《用户行为分析：如何用数据驱动增长》全书共分为6章：
第1章我们将带领大家从商业进化的角度认识用户行为数据的重要性，帮助大家更全面地了解什么是用户行为数据，以及用户行为数据怎样发挥价值。
第2章~第5章将围绕我们提出的数据驱动增长金字塔——数据规划、数据采集、数据分析、数据应用，为大家详细介绍用户行为数据是如何通过这四个步骤最终为企业带来巨大贡献的。
第6章我们将为大家呈现用户行为数据驱动增长的实战案例。本章收录了欧冶云商、好好住、中原地产、酷开网络四家企业的增长案例，他们是使用我们产品的上千家客户、500多个咨询项目中的典型代表，他们授权我们将落地数据驱动增长过程中的宝贵经验分享给大家，在此表示感谢。

本书适合什么人阅读
《用户行为分析：如何用数据驱动增长》适合企业的高层管理者及有一定工作经验的产品经理、数据分析师、互联网运营人员、数据运营人员等阅读，可以帮助读者建立系统的用户行为数据的规划、采集、分析和应用的知识体系。不管您身处互联网企业，还是身处数字化转型和升级的传统企业，只要您拥有或者正在准备拥有自己的线上产品，便能通过本书找到“如何用数据驱动增长”的体系化内容。对于高层管理者，您能够通过本书提前感受工业4.0智能时代即将带来的商业变革；对于数据分析相关从业者，您能够通过本书从更高的视野全面了解用户行为数据驱动增长的整个体系。

希望这本既有趋势、理论，又有案例、实战的书籍，能够帮助处于不同发展阶段的企业，以及处于不同职业阶段的读者收获启发，收获信心！

张溪梦　邢昊　
2021年3月22日

推荐语
前　言　做“商海”中的虎鲸
致　谢
第1章　走进用户行为数据分析
1.1　用户行为数据登场 // 1
1.1.1　没有用户行为数据的困境 // 2
1.1.2　商业进化：一切向用户靠拢 // 3
1.2　什么是用户行为数据 // 7
1.2.1　狭义的用户行为数据 // 7
1.2.2　广义的用户行为数据 // 9
1.2.3　用户行为数据的“5+1”要素 // 12
1.2.4　用户行为数据的隐私与权限 // 14
1.3　用户行为数据的一个趋势和两个价值 // 15
1.3.1　一个趋势：在数字孪生世界下，用户行为数据的迁移 // 15
1.3.2　价值一：理解用户需求，指导业务升级 // 17
1.3.3　价值二：预测用户行为，引导业务创新 // 21
1.4　如何让用户行为数据发挥价值 // 26
1.4.1　用户行为数据驱动增长常见的困难 // 26
1.4.2　数据驱动增长金字塔：规划—采集—分析—应用 // 27

第2章　数据规划
2.1　数据驱动增长的“总设计师” // 29
2.1.1　数据规划常见的问题 // 29
2.1.2　如何进行数据规划 // 31
2.2　指标体系规划的三大思路 // 32
2.2.1　OSM模型 // 32
2.2.2　UJM模型 // 36
2.2.3　场景化 // 40
2.3　指标分级 // 42
2.4　数据看板 // 44
2.4.1　数据看板的意义 // 44
2.4.2　数据看板的分类：战略看板、分析看板、实时看板 // 46
2.4.3　如何搭建数据看板 // 51
2.4.4　搭建数据看板常见的六大问题 // 58

第3章　数据采集
3.1　数据采集常见的问题 // 62
3.2　用户行为数据采集方法：埋点和无埋点 // 64
3.2.1　埋点和无埋点的定义 // 64
3.2.2　埋点采集和无埋点采集的适用场景 // 68
3.2.3　不同场景如何选择采集方式：以App注册为例 // 70
3.2.4　客户端埋点或服务端埋点 // 72
3.3　如何高效落地数据采集 // 74
3.3.1　埋点方案四要素 // 74
3.3.2　埋点的团队协作流程 // 80
3.3.3　数据指标管理 // 84
3.4　数据集成，搭建客户数据平台（CDP） // 87
3.4.1　从用户行为数据到客户数据平台 // 88
3.4.2　客户数据平台的三种类型 // 91
3.4.3　实现客户数据平台的四大原则 // 93
3.4.4　案例：电商如何搭建客户数据平台 // 97

第4章　数据分析
4.1　业务导向的数据分析整体思路 // 104
4.2　用户流转地图 // 106
4.2.1　全域—全局—局部 // 106
4.2.2　绘制用户流转地图 // 107
4.2.3　案例：B2B企业官网的用户流转地图 // 112
4.3　十大数据分析模型 // 116
4.3.1　事件分析 // 116
4.3.2　漏斗分析 // 118
4.3.3　热图分析 // 119
4.3.4　留存分析 // 122
4.3.5　留存魔法师 // 123
4.3.6　事件流分析 // 125
4.3.7　用户分群分析 // 127
4.3.8　用户细查 // 129
4.3.9　分布分析 // 130
4.3.10　归因分析 // 131
4.4　渠道分析 // 133
4.4.1　找到最优投放渠道 // 133
4.4.2　打造黄金落地页 // 138
4.5　运营分析 // 144
4.5.1　被低估的搜索框 // 144
4.5.2　活动迭代分析 // 148
4.6　产品健康度分析 // 151
4.6.1　产品健康度是“用户体验的体检” // 151
4.6.2　关键行为矩阵与功能留存矩阵 // 153
4.6.3　案例：内容型App的产品健康度分析 // 155

第5章　数据应用
5.1　数据应用无处不在 // 159
5.2　A/B测试 // 160
5.2.1　广泛应用的A/B 测试 // 160
5.2.2　七个步骤建立A/B测试的闭环 // 162
5.2.3　案例：A/B测试提升影视会员产品的付费转化率 // 172
5.3　产品迭代 // 174
5.3.1　产品迭代全流程 // 174
5.3.2　六大要素量化、评估产品迭代效果 // 177
5.3.3　案例：数据驱动App首页迭代 // 181
5.4　精细化运营 // 189
5.4.1　精细化运营的关键 // 189
5.4.2　用户标签与用户画像 // 193
5.4.3　用户分层运营 // 198
5.4.4　案例：盟大集团（产业互联网）如何进行用户全生命周期运营 // 206
5.5　机器学习 // 212
5.5.1　机器学习与数据挖掘 // 212
5.5.2　用户行为数据提升推荐算法效率 // 215
5.5.3　案例：预测客户购买行为 // 220

第6章　用户行为数据驱动增长实战
6.1　欧冶云商：数据驱动B2B增长 // 226
6.1.1　B2B增长的挑战和机遇 // 226
6.1.2　探索产品的核心价值主张 // 228
6.1.3　优化用户转化路径 // 232
6.1.4　精细化的会员运营体系 // 242
6.2　推荐获客量增长500%：好好住的增长团队实践 // 247
6.2.1　为什么好好住要搭建增长团队 // 247
6.2.2　从0到1搭建增长团队的三个步骤 // 248
6.2.3　闭环式的工作流程 // 251
6.2.4　好好住的推送迭代 // 256
6.3　月活跃用户数从0到8万：地产行业如何打造小程序私域流量池 // 259
6.3.1　“公盘私客”发展过程中的问题与机遇 // 260
6.3.2　创新产品“中原C管家”的思考和孵化 // 261
6.3.3　0元推广费用，“中原C管家”的增长效果 // 265
6.3.4　用户行为数据赋能经纪人营销 // 268
6.4　酷开网络：增长无处不在，OTT领航家庭经济的数字化转型 // 273
6.4.1　酷开网络的增长框架 // 273
6.4.2　明道：洞察家庭用户与精细化场景流程 // 276
6.4.3　取势：指标管理体系建设，挖掘精细化流量的价值 // 277
6.4.4　优术：分析引擎体系建设，提升转化率 // 282
6.4.5　践行：关注用户全生命周期，用增长实验实现流量再生 // 287
6.4.6　案例：洞察流量—大转盘抽奖活动的用户旅程 // 287
后记 // 295