2016年1月8日，在由思路网主办的思路汇(北京站)——《电商场景化的用户体验》中，GrowingIO联合创始人吴继业发表了题为：《如何通过用户行为分析优化体验、提高购买转化》的公开演讲。并对在场观众的疑问作出了解答。
其实我觉得在座的都是电商领域的做运营好多年的，我这边对电商经验也不够丰富，也是班门弄斧，抛砖引玉的一个案例。
首先可以简单介绍一下自己。之前我在硅谷做了8年的数据分析工作，主要做了两家公司，一个是LinkedIn做了五年，再之前的三年是在eBay，我做的是互联网的网上营销。在讲的过程当中可能会穿插一些当时做的东西，那也是2008年—2011年的事，可能现在都过时了。再之前，我在中国工作了五年，也可能是做数据仓库，做数据分析之类的事情，在宝信软件工作两年，在惠普工作三年多。一直从头到尾都是做数据相关的工作。一开始做一些ETL的工作，后来是分析。在LinkedIn的五年当中接触到如何用数据推动销售、市场、运营部门获得一些商业价值。
现在我回国在做创业。做了一个用户行为分析。我觉得用户行为很简单是五个元素：时间、地点、人物、交互、交互的内容，以前说的是事件。你要对一个用户行为进行分析的话，你要把用户行为定义成各种事件。比如说刚才说的搜索是一个事件。搜索是在什么时间，哪一个ID做了搜索，交互内容是什么，比如或者是波司登羽绒服。这是一个完整的事件，这是用户行为实践的一个定义。我们可以在网站或者是APP当中定义千千万万这样的事件。有了这样的事件以后可以把用户行为连起来看，看这个用户从进了这个网站之后，是一个新用户，可能要注册，那么注册行为是一个事件。注册完了之后要填写自己的个人信息，他可能通过别的方法有一个别的ID去填的，我用微信直接注册一个帐号，之后他可能开始进入搜索买东西。所有的这个都是用户行为的事件。如果说我们用一种很传统的方式去定义这个事件的话，用户行为的分析很早就有了，谷歌、LINUX，在中国有百度等有用户级别的网站的分析。到了用户事件的定义分析之后，我们要写代码，加一段事件的标准。把这个代码加在哪里?网站，会有很多的地方，这个网页上面注册的按钮上面加一段代码，比如说下订单的地方需要加一段代码，我才知道用户下的什么样的定单。有很多的事件和属性，所有的这些都通过详细的表述和写代码的方式，中国叫“埋点”来把数据采集上来。
为什么要做用户行为分析?大家都是专家，这才能知道千人千面，做了分析才知道这个人的画像是20岁的年轻女子，那个是40岁的女士等等。所以这就是为什么要用户分析。
如何进行用户行为分析?这里面我只能从一个宏观角度去讲。因为电子商务的水还是很深的，里面有很多的各种各样的分析场景。从简单的来说，我们说分析特别是要求转化的网站，分析的主要方式就是关注流失，希望用户不要流失，上来之后不要走，像O2O这种的补贴，一上来给你很多的补贴，用户来了，钱烧完了，用户都走了。这不是很好的软件或者是服务，我们希望用户在这个平台上真正找到这个平台的价值，不停的来，不要流失。用户行为分析帮助你看用户是怎么流失的，为什么流失。还有帮你看用户在哪里流失。比如说最简单的一个搜索行为，用户搜了，你给了他很多的结果，在这些结果里面，他在第一页上面有没有找到结果，他有没有点第一页的任意结果，还有没有去别的页面点结果，点了结果之后接下来的事情，有没有进入到搜索结果页，下一个页就是叫商品详情页，然后之后是有一个操作是加入购物车。所有的行为从搜索的一件羽绒服一开始，我们就开始猜测用户的行为了，这个ID在什么时间搜索了关键词，看了一页的结果，哪几个结果，后来又看了第二页的结果，他下单购买了。整个行为是非常重要的。那么这个行为当中，如果他对搜索的结果不满意，他肯定会再搜一次，把关键词换成别的关键词，然后之后才能够搜索到结果。
用户的行为分析还能做哪些事情?当你有了很多的用户行为分析之后，你定义事件之后，你可以把他的数据做成一个按小时或者是按天的一个用户级别的，一个事件级别的，一个非常大的一个表。这个表用来做什么?你每天算这个表，一个是知道用户的最简单的事件，就是登录事件或者是购买事件，你可以知道哪些是优质用户，哪些是不来的。我们定义完之后有一个用户级别的表。有了这个表之后，我是每天或者是每个小时的。有了这个有什么用呢?当然现在的网站，每一家都在出新的功能。现在不像以前了，我们都是用敏捷开发的手段，两个星期要上线一次，做调整。两个星期做产品的调整的话，这个产品的变化非常快，工程师的时间非常少，某工程师的时间都做这个产品的功能了，还有修新的产品的BUG，所有的时间用在这儿，业务人员说这个不行，你还要帮我买点，把定义也做进去。工程师说，不好意思，我没有时间帮你把这些埋点点的数据加进去，这时候就会有问题。
我们现在做的产品是想打破这一块，有一个突破点。比如说我们做了用户行为的新的尝试。我们采集所有的用行为，不需要写任何的代码，直接在这个网站上加了三行的代码之后，所有的用户行为就已经默认被采集了。既然关于这个采集的格式或者是采集的是什么样的数据结构。这个就电子商务的用户不需要关心，我们在后面做很多的数据清理和整合，再把这个数据行为能展现出来。比如说展现出来搜索的什么，点第几个搜索结果的，有了这个结果之后，他到底有没有加入购物车，加入购物车之后有没有下订单买单。等等这些全量的数据的采集，我们做了这样一个尝试。这个产品也在去年的年底上线了，8月底有一个BATA版，12月底有一个正式版。
我现在分享一下应用场景。有了用户的行为数据以后，我们有哪些应用场景。一共有四个应用场景特别和业务紧密联系。
第一个，获取用户。我们怎么样来拉新。
第二个，产品的互动。我们要来盘活，要让用户经常来用。
第三个，转化。我们要去分析，在eBay的话就是特别分析从下订单和购买的事件往前倒推，所有的环节哪个环节用户不转化，流失在哪个点。
第四个，业务拓展。这个例子和电商的关系不太大，是讲销售的一个例子。
增加新用户。这个东西还是三年前的东西，我不知道现在是不是还是这样的。我2008年在eBay工作的时候，我做的工作是分析eBay的SEM和SEO的每个关键词的ROI。eBay每天要向谷歌买400万个关键词。它要拍卖，很多公司在买，当然是价高者得。这个时候我们要去分析一个渠道。这个渠道而且是多渠道的，一个是SEM渠道，一个是SEO渠道，还有eBay还有合作伙伴的渠道。比如说我是一家小的电商网站。我在电商网站上放了一个eBay的链接，用户在我的电商网站上没有买东西，但是他点了eBay的电商网站上没有买东西，在eBay买东西。这个时候eBay会算钱给这个。这叫eBay的合作伙伴的。对于渠道的分析很重要，我们当时的算法就挺有意思的。如果是30天之内，先是看用户30天进来的，从外面进来是怎么进来的，比如说是通过谷歌付钱的关键词进。我们看中的是最早的关键词是什么，之后也可能有付钱的关键词，我们不在意后面的关键词，在意第一个关键词。如果跟付钱没关系的，一个是eBay合作伙伴带来的一个购买承担，还有同样的用户在30天之内又有一个SEM的购买，这两个我会看后者。两个都是付钱的，我会看最后一个，就是把这个ROI算在后面的。如果一个付费的，一个免费的，我们算在付费的上面。如果两个都是免费的，我们会把ROI放在最后一个。这是三年前的算法，我今天挺想跟大家求证一下，中国百度也有付费搜索的情况下，不知道大家在市场营销是怎么算的?OK，反正我们可以线下交流，我可以继续讲。
我在之前三年有做过这一块，所以在做我们这个产品的时候就特别注重说，首先要分清楚是哪个搜索引擎带来的流量。第二，哪个关键词带来的流量。第三，关键词是付费还是免费的。现在百度不能从URL上拿到免费关键词，但是付费关键词是肯定拿到了。
eBay当初做的时候，我们要购买整个付费的。你能从谷歌那边拿到你的搜索引擎的关键词，你买的是什么。有了这个数据以后，我是不知道这个用户到底有没有在eBay上承担。所以你从谷歌拿来的数据，还要和eBay本身的这个数据进行区别，然后还要做渠道的分配，到底承担是分配到哪一个，整个数据链是要从头到尾打通的，是两边的数据整合之后才能做到的。
我们现在想做这件事情，就把它做得简单化了。怎么样的简单化?我知道这个用户从他建立一个购买的时候，是从哪个网站来的，关键词是什么。这个网站加载了我们的代码，每一个行为都是被收集的。当你定义了最终的定单完成页的时候，这个页面的这个事件，这个事件是应该有一个会话期的概念。这个会话期里面第一个的源头，这个Cookie我是知道的，我能知道他30天里面到底是怎么进来的。这个列表里面我们可以分清他是自然搜索还是付费搜索进来的。
还有一个场景是提高用户体验。有了用户的具体行为之后，我们对转化进行追踪，做一个转化漏斗。我想做注册的转化漏斗，第一步就是我们知道网页上面有哪些注册入口。很多网站的注册入口不只一个，你要定义这个事件。我们还要知道下一步他点击了注册按钮之后，有百分之多少的人点击了这个按钮，有这个手机验证或者是邮件验证，也没有打开验证页。再之后就是登录，登录之后这算一个完整的注册。其实每一步都会有用户流失的。在这个漏斗做完之后，你就可以非常个直观地看到，哪一个环节的流失非常多。这个就能去帮你找到转化漏斗的一个用户流失的点。
还有一个是使用的流畅度。这一块还是用来分析，把用户的行为拿来以后，我们可以看一下用户的具体的一些行为，他的访问时长，在哪个页面上停留的时间特别多。当然在APP上面，这个会比较显著，在网页上面不那么显著，因为网页上面用户经常打开的页面时长会特别长。
这一块是完善用户画像。拿用户的行为分析做用户画像是比较准的。在美国我经常用一个相当于乐视TV，这个上面一上来问你你最喜欢的三部电影是什么。你就开始选，这是你自己的输出，你看的越多，他就能发现你的口味。他之后的推荐就越来精准了。包括我的小孩也一样，Netflix非常有意思，你把一家人定义，你们一家人有多少人，是大人还是小孩。你最喜欢看的是哪三个电影?你们家有几个小孩?名字是什么?它的推荐就会越来越精准。所有这些是通过用户行为的数据来做出来的，不是通过拍脑门或者是第三方数据。其实用的最多的还是第一方的数据。
这一块的追踪核心KPI非常简单。大家都在追踪。
假设检验，我遇到了问题之后，这个环节的流失率特别高，有经验的业务人员会做一些假设。这方面我们是要大胆做假设。因为你对业务熟，你做了大胆的假设之后，只要你有数据分析工具，能辅助你做一些检验。就是大胆假设，小心检验。整个用户行为的分析可以帮你做这些事情。
下一个场景，可以说是在LinkedInLinkedIn的时候我们做了一些用户行为分析，这跟电商的场景不是那么贴切，我可以快速讲一下。在LinkedInLinkedIn的时候，我们是一个2B的公司，其实LinkedInLinkedIn是一家2C又2B的公司。上面有400万的用户，全球4亿的用户，有很多的真实用户的简历信息都在里面。2B的业务是LinkedInLinkedIn在为每一个企业的HR做，我们做的就是销售就是帮助美国的企业去找中国中高端的人才。这一块有很多的不同的产品线。这一块我们可以利用LinkedIn的数据，它本身是一个社交网络，我们可以在LinkedIn在里面的所有的公司做一个数据的聚合。比如说谷歌在LinkedIn上有多少简历，有多少人在LinkedIn上，这很简单吧。谷歌的人跟LinkedIn上其他的公司有哪些关联。比如说Facebook里面，有80%的人跟谷歌有关联，而谷歌呢只有30%的人跟脸谱上面的人有关联。还有是LinkedIn的简历的增长按时间去排，增长的速度，全世界的全球的分布，还有各种各样的。比如说他是经理、VP还是总监，还有它做的是业务类的，市场的、销售的，等等这些数据在LinkedIn上都聚合成一个公司的纬度。有了这个公司的纬度之后，我们就能够很快让销售拿着这个，比如他要跟星巴克谈业务，就可以把星巴克的数据都在上面，最有利的数据是什么，最能震撼到星巴克的HR的数据是人才流失率的一个列表。星巴克的员工在最近一年有哪些是从别的公司加入进来，颜色是绿的，我星巴克新进的员工，上一家公司是谁，做了一个分布。左边做的是星巴克的员工流失了，他跳槽去了哪家公司。这个分布很简单，我可以迅速看出来绿的多还是红的多。如果是绿的多，说明这家公司的人才吸引方面是强的，如果是红色的多，说明这家公司人才储备和招聘方面是比较退势的。当时看到脸谱很厉害，雅虎就不行，微软也很厉害。这样的数据跟我们最终客户一展示，这个单子基本就拿到了。我们还可以找到对方公司的决策人，最终决策人还有中间决策人，还有接洽的人的权重是不一样的。非常有意思。
最后，我们可以通过数据来讲故事。我们一开始做了很多的报告，销售可以拿去讲故事，可以促进很快的成单。
最后想分享的场景是用户留存。其实跟用户转化也是有相当关系的。我们需要知道用户在什么时候会流失，就是用户的流失不是说一下子就流失了，是有一些细微的、小的一些行为，这些行为能预示他将来会流失。这就是为什么说，我们要能提前的预测用户的流失。在LinkedIn的时候，我们有这个2B的服务，2B的网站，我们要去追踪用户的使用行为。比如说他有没有登录，登录之后有没有搜简历，有没有上传，也没有开工作，有没有进行搜索。所有的这些用户的点点滴滴的行为，都很重要。当用户的行为，这一周的，最近几天的行为，和上一个周期的行为去比较，看他有没有一个明显的下降。如果说是最近的比如说从1月1号到1月7号，和上一个七天去比的话，肯定是下降的，因为有1月1号到1月7号的假期。这样我们能分析出来这些下降是真下降还是假下降。有了这些数据支撑的话，我们的销售，一块是外销，还有一块是内销，他是在家里去看已经成为LinkedIn用户的，得维护用户的关系。他们这些人每天去看用户流报告，看报告最简单的就是看用户的使用行为有没有下降，有下降就去深挖，看一下哪些行为下降。还有是可以看到哪些用户用的特别好，有一些用户平均每个人的使用行为非常高，这也是可以做一些事情的。我们发现其中有一个公司在LinkedIn上使用的频率非常高。LinkedIn是按照帐号来卖的。一个帐号我们发现这个帐号的使用频率非常高，为什么?后来发现他有多个HR，共用一个帐号，我们马上通过这样的数据就能发现。发现这个问题我们就跟销售跟对方公司谈了，我们发现你们多个人用一个帐号，其实我们可以谈更好的价格，给你们更多的价格。用户行为分析最重要的是你能够通过的行为还有这些数据来证明你提供的产品的服务对他是有价值的，你通过数据证明你的价值，他就会买单。在LinkedIn的时候我们最重要的是搜集用户，有没有搜这个公司的职位，有没有申请这家公司的职位，有没有成为这家公司的粉丝，还有是有没有看过这家公司的简历。所有的这些数据，我们做一个表，到时候比如说每个季度，我们跟他们去谈的时候，我们就说，你们公司最近一个月进来了三个人，这三个人有没有被LinkedInTouch过，有了这个的话，他们就会幸福，说我们有详细的数据支撑，这样我就买单。
有机会，我可以线下跟大家交流，可以介绍一下我的埋点采集的方式，是一个非常简单易用的，可视化的帮你定义。你打开你的网站，只要点击注册按钮按钮，点击保存就形成了。不需要你写代码。业务人员一天能创建一百个事件，不用的话可以删。比如说网站改版以后，就是比如说你的注册按钮按钮本来是在网站的左边，现在移到了右边，你之前定义的按钮和之后定义的按钮是可以把它串联起来的。这样子，你的数据是不会丢的，我还保证你的网页改版，你的事件还是可以进去的。
我现在来演示一下。这个可以看到我们这个网站加载了我们的代码，这是我们自己的网站，然后我把它定义整页，我想知道这个页面的PV，只要一点击可以了。你可以看到这里应该有一个图，这个图是有数字的，我采集的是过去8天和今天的PV量，直接会显示出来。
另外一个，我们能圈选页面上面的任意一个元素。比如说这个按钮进入到定义模式，我把这个“高亮”关闭。我想知道这个按钮过去8天和今天有哪些人使用了，这个图马上就出来了。浏览量708，点击量38。上面的绿线是浏览量、黄线是点击量。我们做到的网站上面的任意一个元素，任意一个按钮，任意一个文字或者是链接，只要你点击就立马告诉你过去的数，不需要埋代码。比如说“加入我们”，这个数字也就出来了。你点击做一个保存的事件。这个会生成标签，你定义了以后，这个是标签。我们保存了之后会产生各种各样的标签。有了标签之后会自动生成指标。比如说页面的全站的UV或者是刚才我说的登录全站的点击量，这个是什么意思?你只要找到你想要的页面元素，你点击就定义了标签，就等于是一个事件。这个事件我做了两个指标：一个是浏览量;一个是点击量。这个指标自动生成，有了这个指标之后可以创建新的指标。比如我说觉得要做一个什么转化率，我可以很快把这个指标拖拽过来，进行相加或者是还除以一个指标，我可以简单说一下这是什么转化率。这里还可以改，我关心的是用户的数量，我可以把两个用户的数量加起来，除以另外一个数量，这就是一个转化率了。
有了这个工具以后，比如我说之前有一个注册的按钮，在右边，改版之后在左边，我可以实现改版前和改版后的数据的统一。还有是我可以提供自己做图表。我们GrowingIO提供了一个做图表的非常简单的图。比如说我申请使用，我有8种不同的图，简单拖拽形成一个图，还有是我可以看这个申请试用的分布，这边的文字比如说我想看一下访问来源的分布，我把它拖过来，立马就看到，这个数据是百度来的，还有没有找到从哪儿来的。我可以看到从搜狗、谷歌来的，这个数据到TOP100就很简单。时间范围也很简单，可以看过去30天。这是单纬度的，我想看多维度的怎么办。这个投影仪的确是有点的问题，我可以做多维度的分析。比如说这里有两个纬度，这里有两个指标，我刚才说的市场营销的分析，很快能做。业务人员说访问来源是一个纬度，关键词是一个纬度，我的下载定单购买是一个指标，因为我找到下载订单的页，我找到那个定单页点击保存一个事件，所有的这个从数据的采集到数据的清洗，到数据的整理，到最后数据出结果，一个业务人员从头到尾可以做，能不需要工程师去参与。
提问者1：咱们这个能实现说注册用户，是什么人吗?
吴继业：只能看到一个UVID。比如说我这边有纬度，有页面、城市、地区、国家代码、国家名称，这些都是一些纬度，代表这个用户是一个什么样的人，但仅仅这些是不够的，因为这些东西都是非常普通的纬度，不能够去支持我这个电商的运营。电商的运营，我想知道这个人是有什么样的特征。我们提供了一个API接口，在数据采集的时候，把数据发到我们的云的时候，你可以增加10个纬度，这个纬度跟你的产品有关系，你自定义10个纬度发给我，这10个纬度会列在这里，这10个纬度和刚才我演示的所见即所得的生成的指标有一个关联关系。这样子有一个从端到端的解决方案来进行网站的用户行为的数据采集和数据分析。谢谢大家。
提问者2：这是WEB?
吴继业：我们现在支持WEB，支持H5，也支持安卓，也支持IOS。比如说你又有网站，又有安卓和IOS，这三者的数据指标可以放在同一张图上。
我这儿做一个概览，有全部的，也也网站的，也有APP的，你可以放在一起看。当然，你可以把这个所有的比如说你在H5上面创建的一个指标，你又在网页上创建了一个指标，你又在安卓上创建一个指标，这三个指标可以在同一个图上看。真正打通是需要你传一些数据上来的。因为我在拿手机的用户的COOKIE的时候，这个和网站上的Cookie是通不了的，你把用户的ID传给我，这个就好办了。这个用户在手机上有一个ID，在网页上有一个ID，这两个ID是一个用户，我们在后端平台允许你把这个传过来，那传过来以后，这个Use ID是一个纬度，我通过这个纬度把他在APP上的行为和WEB上的行为连起来。