我們看到了PV/UV這樣的概覽性指標，但是它們沒法指導我們做的更好。在通過這些粗糙的數據得到用戶做了什么后，還要看到他們是怎么做的，明白他們為什么做。我們需要實時、全量的用戶行為數據，通過對用戶行為整體流程的分析，找到轉化的關鍵節點以及用戶流失的核心原因，以此幫助我們對癥下藥，找到可執行的指標，落實為優化行動。今天，我想分享的就是我們在這方面的一些探索與解決方案。
一. 用戶行為分析的巨大需求
純從數據組成的角度來說，一個完善的閉環數據源主要是分成三大塊：第一塊是用戶行為數據，第二塊是服務端日志數據，第三塊是交易 Transaction 數據。其中，除了交易數據會經常被存儲在離線數據庫中，通過ETL 來獲取分析以外，行為數據和日志數據很多時候都是近似的，完備的用戶行為數據基本能覆蓋絕大多數的服務端日志數據，同時里面包含著很多日志數據里面所缺乏的信息。
從技術發展角度來說，最近幾年發展最快的可以說是前端，每個月都會有很多新的東西出現，整體趨勢是往單頁應用發展，追求用戶體驗。同時，還有移動端應用，也產生著大量的行為數據，這些都不會跟服務端有過多交互。
所以，從應用提供商來說，我們需要知道屏幕前的人是怎么使用我們的產品的，洞悉用戶行為背后的價值。
二. 復雜而易錯的傳統分析方法
歸根結底，所有的分析最終都是為了商業服務，而商業是為人服務的。所以，用戶行為分析就是我們需要建立一套基于用戶的行為的分析體系，在了解用戶“誰”做了“什么”，“怎么”做的之外，進而明白是“為什么”做，對癥下藥，轉化成為優化行動。
分析是一個長時間優化的過程，需要我們持續監控數據的變化。而數據指標除了行為數據指標外還有一類，我們稱之為虛榮指標，比如 PV、UV 之類流量概覽性數據，這些指標看到了也就看到了，沒法指導我們做的更好。用戶行為數據指標則是另外一類，比如我們上面介紹的用戶獲取、用戶激活、用戶留存之類，了解這些行為后面都會對應到一個優化流程，所以也叫做 Actionable Metric，可執行指標，這也是用戶行為數據的魅力。
那么接下來，我們要開始跟蹤用戶行為了，我們要怎么開始呢。一般可以分成以下七個步驟：
1.確定分析場景或目標
確定一個場景，或者一個目標。比如，我們發現很多用戶訪問了注冊頁面，但是最終完成注冊的很少，那么我們的目標就是提高注冊轉化率，了解為什么用戶沒有完成注冊，是哪一個步驟擋住用戶了。
2.思考需要了解哪些數據
思考哪些數據我們需要了解，幫助我們實現這個目標。比如對于之前的目標，我們需要拆解從進入注冊頁面到完成注冊的每一個步驟的數據，每一次輸入的數據，同時，完成或者未成為這些步驟的人的特征數據。
3.確定誰來負責收集數據？
誰負責收集這些數據，一般是我們工程師出馬。
4.什么時候評估和分析？
收集上來的數據如何分析，什么時候來評估采集到的數據。
5.如何給出優化解決方案？
發現問題后，怎么來出解決方案。比如，是否在設計上改進，或者是否是工程上的 bug。
6.誰負責實現解決方案。確定方案的實施責任人
7.如何評估解決方案的效果？
下一輪數據采集和分析，回到第一步繼續迭代，用戶行為數據采集的目的是通過了解用戶過去做的行為，用來預測未來發生的事情，無需埋點，隨時回溯數據，讓產品經理一個人就可以搞定用戶行為分析的全部流程。知易行難，基于此優化產品體驗，實現精細化運營，用數據驅動用戶和營收的增長。
