什麼是用戶的行為數據？理論上來講，用戶的每一次點擊、每一次頁面瀏覽都是用戶的行為信息，這些數據也許有價值也許沒有。有沒有價值取決於我們需要分析的具體業務問題是什麼，取決於我們看問題的角度是什麼。從傳統的網站分析實踐的角度來講，只有那些對於我們分析業務問題有幫助的用戶交互行為信息，才是我們在數據實施時需要關注的，通過對這些數據的採集、整理、分析幫助我們思考業務問題，幫助我們做出相對正確的決策，從而幫助我們優化產品讓用戶獲得更好的使用體驗。

近些年來有一些用戶行為分析工具廠商推出一個稱為「無埋點」（有些廠商叫做「可視化埋點」）的功能，並且在市場上進行持續的宣傳和推廣。這些功能會在數據收集時先不考慮要分析的具體業務問題是什麼，先簡單的將用戶的每一次交互、每一次操作的數據都收集上來。對於這種方式的優缺點及其具體原理我們也先按下不表，後面有相關文章來詳細展開討論。在這裡我們只需要知道，這些「無埋點」功能收集的數據就是用戶行為數據就可以了。

最後，必須要提一下的是，從廣義的角度來講，一些和業務相關的數據也在用戶行為數據的範疇之內。比如用戶下單購買商品、註冊賬號、填寫信息留下銷售線索等等。以用戶完成電子商務的購買為例，在真實場景中，用戶往往是通過一系列交互動作最終來到了下單頁面，點擊了購買按鈕完成了購買行為。如果從狹義的純交互行為數據的角度來看，那麼可以認為用戶只是點擊了某一個按鈕而已，但是如果從業務的角度進行分析的話，這一個按鈕的點擊動作是一個購買行為，這個按鈕的點擊動作對電子商務企業來講是及其重要的關鍵性轉化。這個行為裡面還包含了大量的業務數據，例如：購買商品的ID、商品名稱、購買件數、商品單價、總價、折扣等等。從數據的本身源頭來講，所謂行為數據和業務數據其實都是結合在一起的，一定是由於某些技術原因，或者某些工具具體的產品設計方式的原因導致了行為數據和業務數據的相對分離。比如，Adobe Analytics產品的早期就有「流量流」和「業務流」的概念，當然在Adobe Analytics產品已經如此成熟的今天，這兩種數據流通過一定的自定義數據實施已經可以完美的融合在了一起。比如某一些工具的「無埋點」或者「可視化埋點」的功能，因為產品設計理念和技術的局限性導致獲取的都是純粹的行為數據，像商品ID，商品價格這類的業務數據都是不能夠通過「無埋點」、「可視化埋點」技術直接收集到的。

用戶行為數據可以做什麼

每一個網站和移動應用都有它存在的目的和意義，這些目的和意義的背後是網站和移動應用所屬公司的商業目標。以我們平時所使用的打車應用為例，顯然，對於消費者使用的打車應用而言，最主要的目標是讓用戶能夠順利的使用各種各樣的打車功能，具體包括：計程車、順風車、專車、代駕等。其次，打車軟體為了配合用戶完成這些主要目標，還需要提供：付款、充值、領優惠券、綁定信用卡等功能。這些次要功能和主要功能將作為一個整體給消費者帶來愉快流暢的打車體驗。那麼，如何知道消費者在使用這些主要和次要功能的時候有獲得愉快和流暢的體驗呢？如何判斷當前版本應用中提供的操作流程是符合客戶習慣和預期的呢？這些問題的答案就隱藏在包含用戶行為數據在內的不同類型的數據中（包括，CRM數據、交易數據等等）。而這些不同類型的數據又以用戶行為數據最為關鍵，因為很多場景下只需要用戶行為數據就可以單獨得出一些問題的結論，做出一些用戶體驗設計上的決策；而其他數據在大部分情況下都需要用戶行為數據作為補充。當然，對於開發打車應用的公司而言，他們的商業目標並不只局限在服務消費者上面。因為打車軟體公司的商業模式本質上是一個如何匹配和如何更好的匹配乘客和司機的遊戲。所以，司機端，甚至是內部調度系統的用戶體驗也非常重要，雖然司機端的用戶並不是消費者，雖然內部調度系統的用戶只是公司內部員工，但是這些應用和系統仍然需要不斷的優化迭代以避免出現短板而影響到公司整體的發展，而這些應用和系統的使用者留下的交互行為數據也可以作為不斷優化迭代這些應用和系統的重要決策依據。

結論

這篇文章討論了什麼是用戶行為數據，討論了用戶行為數據中存在著的價值。企業認可了用戶行為數據的價值，產生了對這部分數據的分析需求，於是用戶行為分析工具的市場就逐漸形成了。

在過去的10多年裡資本和創業公司不斷湧入這個市場，誕生了許多優秀的企業和產品來滿足企業對於用戶行為數據分析的需求。接下來的文章會開始進入用戶行為分析工具和產品的內部，來探討這些工具和產品具體解決什麼問題，怎樣解決這些問題。

作者： @周純 @Tiffany1961

編輯： @Tiffany1961

插圖設計： @Tiffany1961

《用戶行為分析產品探秘》欄目原創作品 侵權必究

本文圖片內容來自網路，版權歸原作者所有

推薦閱讀：