使用者研究，是大廠提升產品使用者體驗、提升產品市場競爭力常用的手段。而使用者行為資料分析，作為主要的使用者研究方式之一，具有高效、客觀和即時的特點，它能夠為大廠提供有力的資料支援和決策依據，能準確反映使用者在產品使用過程中的實際行為和偏好，直觀地呈現出使用者行為規律，更有利於決策者及時發現潛在的問題、預測需求變化，從而及時調整產品策略、最佳化使用體驗，保持產品在市場中的競爭力。

今天我們以國內某社交電商平臺為例，一起來看下它是如何利用平臺數據進行使用者分析的：

01 分析使用者瀏覽時長

使用者的瀏覽時長，可以直接反應出使用者對平臺內容的興趣程度和參與度，我們根據使用者的瀏覽時長資料，對使用者進行分層。

1.1 具體操作如下：

資料清洗後，我們對共性資料進行聚類，透過觀察使用者瀏覽時長資料，我們可以將使用者分為三類群體：

a、時長<10分鐘，為輕度使用者；

b、時長在10-30分鐘的，為中度使用者；

c、時長＞30分鐘的，為重度使用者。

1.2 分析資料，並考慮利用“使用者瀏覽時長”可以做什麼：

a、輕度使用者，瀏覽時長較短，問題可能是推薦演算法不精準，沒有找到喜歡的內容。

可以這樣做：

邏輯上進行最佳化演算法，提升輕度使用者停留時長；在介面設計時，應想辦法提高螢幕展示效率，方便更多的內容透出，促進輕度使用者向中度使用者發展。

這裡應該注意：未登入使用者群不屬於輕度使用者。為了促進未登入使用者進行登入，可單獨定製介面，隱藏部分功能、極簡功能流程、篩選熱度內容，提高平臺吸引力。

b、中度使用者，時長不長不短，說明尚未形成使用慣性，不屬於忠誠使用者。

可以這樣做：

透過結合其他資料進行分析，如互動點選率高，可透過反饋資訊去召回使用者，像設計“訊息”功能時，入口要明確、路徑要清晰，方便召回使用者檢視，促進中度使用者向重度使用者發展。

c、重度使用者，瀏覽時長比較多，積累的行為資料就更豐富。

可以這樣做：

系統定期再次分析資料，重新定義使用者標籤，進行個性化推薦，提高內容推薦的準確度，維持重度使用者的使用粘性。

還可以結合其他資料再分析，細分使用者標籤，如“高頻低消學生黨”、“低頻高效商務族”等，便於後續針對性設計活動，設計師可根據這些標籤，明確活動目的，根據使用者心理和行為資料進行設計。

02 分析使用者點選資料

使用者的點選資料，記錄使用者在頁面上的點選位置和頻率，可以瞭解使用者對不同功能或內容的關注程度。

2.1 具體操作如下：

資料清洗後，我們將按平臺功能優先順序，依次統計出各功能的點選率；同時結合使用者年齡、消費、活動時段、瀏覽時長等資訊；我們去分析功能點選率和使用者身份之間的關係，再細分使用者標籤，如：

a、只觀看免費內容的，為白嫖黨；

b、深度學習付費觀看的，為高付費群體；

c、只評論點贊不付費或很少付費的，為高互動低付費使用者群體

2.2 分析資料，並考慮利用“使用者點選資料”可以做什麼：

a、白嫖黨群體，雖然尚未給平臺帶來收入，但其也是平臺的主要流量，他們在平臺內記錄、分享、評論、點贊，都會給平臺帶來新的流量。

可以這樣做:

為他們持續最佳化內容推薦，增加他們對平臺的粘性，挖掘使用者潛力。如以限時優惠、特價商品、低價商品等促銷活動，吸引他們參與購物和互動，促成這部分使用者群體突破首單，逐步對平臺產生信任，養成購物習慣。
再例如：採用運氣券的形式，在使用者瀏覽時適當彈出，限定優惠券使用時間，設計上要突出時間的緊迫性，設計樣式上要體現稀缺性，不常見的券更珍貴，引導使用者突破首次購物，促進白嫖黨群體提升至“高互動低付費使用者群體”。

b、高付費群體，決策快、高效購物目標明確，根據細分標籤，及時探究使用者需求，抓住購買時機促交易增長。

可以這樣做：

如結合“活躍時間”資料，探究到使用者每至寒暑假期，則消費增長20%，判斷使用者群體可能為學生群體；後續可設定專屬活動會場，進行學術交流、分享學習資料、憑藉學生證可獲取平臺優惠券等促活行動（即為高付費使用者群體定製專屬活動、專屬客服等等）。
設計上可利用色彩心理學原理，在學習工具類的產品設計時，可採用藍色和綠色，有助於幫助學生群體提高專注力；在需要提醒注意或烘托緊張氛圍時，如備戰倒計時專場，可採用橙色和紅色，則更能夠引起他們的注意力，促使用者活躍、成單。

c、高互動低付費使用者群體，互動意願高，分享意願強烈，以此為突破口思考如何引導他們產生更高維度的互動，在互動過程中引導付費。

可以這樣做：

設計功能，如發表筆記，提供AI一鍵轉寫功能，高曝光，高瀏覽量和點贊量，收穫個人成就感和群體認同感，激勵再次創作；

如透過調整規則獲取收益：AI一鍵轉寫功能為每日免費1次，超過1次需要付費，靠優質的功能引導使用者群體解鎖更多付費功能。注意功能性簡潔，一鍵轉寫相似文章，要一鍵出結果；設計上保持克制，避免增加冗餘設計元素，徒增使用者心理負擔。

03 分析使用者交易鏈路上的操作資料

常規購物流程是“搜尋/瀏覽內容→商品瀏覽→下單→支付”，我們在這條線路上進行打點，形成對應的使用者行為資料——搜尋資料、商品瀏覽資料、下單資料、最終支付資料，根據資料分析使用者行為動機，進行產品最佳化：

3.1 分析搜尋資料：

查詢使用者近期搜尋關鍵詞、搜尋次數和搜尋結果的點選率，可以分析使用者的需求和興趣。根據分析出的潛在需求，在後續使用者的瀏覽過程中針對性推薦。(注意：“近期”為舉例期限，查詢資料需要明確日期範圍，如果是針對搜尋資料，近1-3月內的檢索資料更加有效，說明使用者仍有購買慾望；而超過1年的資料為無效資料，再次購買的意圖極低，不具備參考價值）

3.2 分析商品瀏覽資料：

查詢商品詳情頁停留時間，檢視使用者點選的商品、點選的次數，分析出使用者對商品的關注程度——點選次數和頻率越高，則購買慾望越強烈。

結合商品收藏資料，待使用者進行搜尋時，重新排序商品推薦順序，最終促成單。

3.3 分析下單資料：

檢視使用者下單到支付這條鏈路上是否存在系統BUG，首先排除系統問題；監測使用者下單但未支付後行為操作，系統分析判斷是否存在平臺內或平臺間的比價行為，判斷需求強烈程度，根據結果判斷是否需要“搶人”，搶人操作如隨機掉落優惠券，再次降價，挽回使用者，促成單。

注意：使用者下單後系統應及時進行支付提醒，避免使用者錯失支付機會。

3.4 分析支付資料：

分析使用者購買產品的種類、數量、金額等，瞭解使用者的購買偏好和消費習慣，對使用者群體再次細分打標，如熟悉平臺規則、單次購買金額大的可劃分為“高價值使用者”，後續平臺可將個人暱稱與身份標籤結合呈現，為其設計身份等級，烘托平臺尊貴感；設計上結合等級特權，為不同等級的使用者設計符合其身份特徵的標識和介面，凸顯身份特色。