按照用戶操作步驟，根據(jù)時間軸，組合每個功能的使用情況，我們就會需要用到用戶行為路徑分析。

這樣是為了檢測到用戶的流向，其次也有兩個目標：一個目標是統(tǒng)計用戶在產(chǎn)品上的使用深度一個是優(yōu)化產(chǎn)品上的功能流轉 對此，我們可以有兩個共識點：

• 如果更快地達成使用目標，那么留存率會更高;
• 如果更深地使用了產(chǎn)品，那么留存率會更高。

但是這兩個點往往是相互糾纏的。

舉個例子，我們在使用京東購物時，往往會不斷地瀏覽商品、搜索商品、加入購物車、查看推薦商品，然后再次加入購物車，最后可能才是提交訂單和支付訂單。

我們在使用的時候，可能最開始就只想購買了一包紙巾，后來經(jīng)過推薦或者瀏覽，可能我們還買了一些別的生活用品。這個操作的過程，就是一個功能之間相互跳轉的過程。 用戶首次加入購物車后，可能還去瀏覽別的商品頁，也有可能直接取消某個購物車中的東西。

而每個行為的背后可能都代表著某一類用戶目標和動機，如何更好地發(fā)現(xiàn)用戶目標，引導用戶消費，增加購買率的同時增加購買金額，是我們從多個路徑分析中需要得到的東西。 關于路徑分析，一般來說，會有兩種方向。

一種方向是單個的路徑分析，一個是多個路徑分析。不過終歸到底，我們想知道的是用戶在產(chǎn)品中哪些操作路徑需要優(yōu)化提高。

路徑分析的兩個要點

我們先來看看在路徑分析前，我們要關注的兩個要點。

1、產(chǎn)品埋點數(shù)據(jù)。

由于我們的產(chǎn)品是由多個頁面和功能之間不斷疊加構成，那么每個頁面和功能之間的信息，我們就都可以記錄到日志中。

也就是說，我們做路徑分析，最需要依賴的是產(chǎn)品埋點數(shù)據(jù)。每個功能或者產(chǎn)品中的用戶使用信息的記錄，對路徑分析至關重要。如果埋點做得不好，想要的數(shù)據(jù)都沒有，怎么做分析?

2、定義出產(chǎn)品核心路徑。

畢竟這么多的埋點信息，我們不能每個信息都用，我們還需要甄別出最核心的信息，定義出關鍵節(jié)點，這也就是我們之前說過的產(chǎn)品核心路徑。

這樣我們才能知道我們需要記錄哪些信息，怎么使用這些信息。 總結下來，我們需要先梳理出產(chǎn)品的核心節(jié)點，做好核心節(jié)點上的信息收集，之后再針對性地對核心節(jié)點上的細節(jié)進行數(shù)據(jù)信息收集。 通俗來說，就是要有層級化的做好產(chǎn)品埋點和數(shù)據(jù)記錄。

常用的路徑分析的三種方法

一般來說，路徑分析有三種常用的方法：漏斗分析、智能路徑、用戶路徑。

按照關系來說，我們可以用下圖來表示它們的關系：

我們首先明確一個點，路徑分析度量的是功能與功能間的操作行為上的轉化關系。既然度量的數(shù)據(jù)是轉化關系，那么就可以很好地去理解這三個分析方法。

1、漏斗分析：業(yè)務方人為選定的路徑

你可以從條件中就能看出，漏斗就是人為設定好了路徑的節(jié)點。而這些節(jié)點，通常都是我們自己框定的核心轉化路徑。

比如我們框定了一批具體的頁面或者功能，后續(xù)的轉化率數(shù)據(jù)也是根據(jù)這些已選中的功能來的，不會涉及其他功能間的關系。 舉個例子，我們基本每個 App 的頁面都是由頁面→區(qū)域→模塊→按鈕組成的。比如京東首頁這個頁面，就可以分為搜索區(qū)域、Banner區(qū)域、功能性推薦區(qū)域、個性化推薦區(qū)域，而個性推薦區(qū)域又可以分為不同的按鈕，比如我們能看到的“精選”“新品”等。

根據(jù)不同的統(tǒng)計維度，我們可以將漏斗統(tǒng)計到不同粒度上。比如頁面粒度的漏斗，那就是從一個頁面到另一個頁面。比如從京東的首頁到京東的秒殺頁面。 我們還拿京東舉例，在首頁 Banner 處投放了一些新的物料廣告，目標是吸引更多的用戶，從Banner 處點擊購買相關的產(chǎn)品。 于是利用“漏斗分析”，建立了 首頁→Banner點擊→商品瀏覽→加入購物車→訂單支付。這樣一個核心路徑，去觀察整體的用戶使用行為。 結果最后發(fā)現(xiàn)，相比老的 Banner，新物料的 Banner 確實點擊率提高了，但反而購買率下降了。也就是說，從Banner點擊，到商品瀏覽這個漏斗的轉化有明顯提升，但是從商品瀏覽到加入購物車這個環(huán)節(jié)有明顯下降。 通過對比物料和商品簡介發(fā)現(xiàn)，Banner 里的物料十分吸引眼球，用戶會很好奇點擊進來。但進來之后發(fā)現(xiàn)商品其實不如介紹的那么好，導致了一個期望落差，所以很少有人加入購物車。 最后運營人員修改了產(chǎn)品詳情頁的產(chǎn)品介紹內(nèi)容，從而有效地提高了加入購物車這一步的轉化率。 漏斗分析關鍵點是從業(yè)務角度考慮，我們先需要優(yōu)化的是用戶在一個主要操作路徑上的步驟，而這些步驟，是我們在分析前了解清楚，有哪些關鍵步驟，先后順序是什么，對應到埋點上，我們應該怎么獲取對應的數(shù)據(jù)。 漏斗分析的數(shù)據(jù)埋點需要在我們預設的關鍵路徑上都有埋點記錄用戶操作的信息。

如果想我們要有針對性地提高分析某個關鍵路徑上的節(jié)點，最好是當前頁面上的所有功能點都進行埋點，這樣才能從更細粒度的數(shù)據(jù)上找到可以優(yōu)化/提高的點。

2、智能路徑分析：業(yè)務方選定了起始功能或者結束功能

智能路徑分析是業(yè)務方選定了某一個功能點(一般是核心路徑中的某個功能)，從這個功能點往前或者往后，查看用戶的使用路徑。

從條件中可以看出和漏斗分析不同的是，我們只是選定了某一個功能，想要了解和分析的是以這個功能為起始點/結束點，往后/往前的用戶使用路徑。

這個方法，核心的作用是探索出更多的用戶使用路徑。

漏斗分析，讓我們知道了我們預設的路徑上，哪些步驟該優(yōu)化。但是我們并不知道用戶會經(jīng)過哪些步驟和路徑，到達我們最關心的核心功能(或者從核心功能之后的使用過程)。

我們需要知道用戶在使用的過程中的偏好，才能在后期的優(yōu)化和迭代中，有針對性地優(yōu)化某些功能。

比如更常使用的頁面，優(yōu)化的優(yōu)先級高于不太使用的頁面;

比如我們認為某些用戶的轉化路徑過長，那是否可以引導用戶回歸主路徑。

這些都是使用智能路徑分析，通過探索用戶的操作過程，找到核心的使用路徑后，找到用戶轉化的核心過程，有針對性地迭代產(chǎn)品和推動用戶。

而且，當我們聚焦到某一條具體的路徑時，也就回到了我們上文說的漏斗分析。我們也可以將該條路徑記錄下來，不斷地優(yōu)化迭代。

比如，某視頻軟件，為了優(yōu)化產(chǎn)品的使用路徑，想要看看用戶在播放視頻前，都會干些什么。

這里我們就可以用“智能路徑”的方案，以用戶當天第一次播放視頻為節(jié)點，查看用戶在節(jié)點前都會干些什么。梳理用戶在播放視頻之前，都會經(jīng)過什么操作。

結果發(fā)現(xiàn)有一批用戶，在瀏覽很多部電影之后，才會去看某一部電影。而大部分都會看推薦的前10 部電影中的一部。那其實這兩種用戶，一種屬于有明確目的要看某一部電影的，而另一種用戶屬于隨機看哪部都行的。因此，我們在頭部推薦的地方可以做一個搜索功能，幫助用戶查到自己想要的電影。

智能路徑分析，能讓我們更全面的知道用戶如何到達產(chǎn)品的核心功能，從而更有效的從各個路徑上去優(yōu)化，而非單一漏斗。

3、用戶路徑：需關注用戶進來后的每一步

接下來看下用戶路徑分析。

用戶路徑分析只需要關注用戶進來后的每一步都是什么，關注用戶進入 App 之后每一步的路徑和轉化概率。

相比前兩者，用戶路徑關注的點是從整體產(chǎn)品的角度出發(fā)，不會預先圈定任何產(chǎn)品和功能點，而是計算整體用戶流轉的步驟和轉化情況。

目的是為了更好地通過用戶路徑的重現(xiàn)，識別整體的產(chǎn)品使用路徑，發(fā)掘出用戶在哪一步更容易流失，哪一步轉化更好。查看是否有我們在設計產(chǎn)品之初沒有預料到的，從而有針對性地改進產(chǎn)品。

比如，某社交軟件，我們想要查看用戶的使用路徑具體是如何的。那我們就可以利用“用戶路徑”，重新復現(xiàn)用戶的整體操作路徑情況。

我們通過復現(xiàn)用戶的路徑，發(fā)現(xiàn)很多老用戶，反而會去查看之前的一個功能頁面：新用戶列表。后來通過和用戶的訪談和溝通才了解到，其實很多推薦的用戶，之前都有聊過天或者聯(lián)系過，覺得沒有太大的新意或者沒有匹配上，所以導致老用戶們都愿意去發(fā)掘新用戶。

后來產(chǎn)品講該頁面作為一個主頁的 tab，且相比之前，導入了一批沉默回流的用戶，增加了“新用戶”的數(shù)量，從而優(yōu)化了老用戶的產(chǎn)品體驗。

總結

我們來總結下這三個方法的區(qū)別和關鍵點：

1、漏斗分析偏重于某一條核心路徑，更著重優(yōu)化該條路徑上的產(chǎn)品功能;

2、智能路徑偏重于某一個核心行為，著重優(yōu)化以這個核心行為開始或者結束的所有路徑;

3、用戶路徑偏重于發(fā)現(xiàn)用戶的使用路徑，從而能夠找到產(chǎn)品上可優(yōu)化的點。