数据演进之路：从用户行为分析到数据体系搭建

  ↑点击关注↑开启精益成长

• 用户行为分析为什么会火？

• 用户行为分析就只是分析用户行为吗？还需要分析什么？

• 用户行为分析和数据体系是什么关系？

• 企业数据体系的搭建都需要包含哪些数据......

为了解答以上疑惑，本文将从用户行为分析展开，引出企业除了用户行为分析外，还需要进行的供应端分析和营销端分析，并最终给出企业数据体系搭建的三个基本原则。期望对正在进行用户行为分析和数据体系搭建的你，有所帮助。

谈及用户行为分析，首先要搞清楚用户行为分析的定义和边界。用户行为分析不是窥探用户隐私，更不是盗卖用户数据，而是根据企业与用户之间的互动行为数据进行分析，进而从这些行为中推测用户需求、改善产品及流程。

如图所示，热力图高亮区域即用户点击次数最多的区域。例如，用户在访问网站、APP时被记录下来的相关数据就是用户行为分析的数据源之一。

众所周知，广告主经常感叹：“我知道有一半的广告费被浪费了，但我不知道浪费的是哪一半”。传统渠道监测环境下，无法有效收集用户行为数据，导致营销费用占到企业支出成本的40%-60%，而且这其中还有大量投入被浪费了。

用户行为分析就能解决以上问题。如图所示，通过用户行为分析，我们能够清晰直观地了解营销费用浪费在哪里，并据此节省企业营销费用支出。例如，A渠道投入了10000元但最终的付费用户只有10个，而D渠道有250个付费用户，哪个渠道的转化效果好一目了然。

总而言之，2021年，用户行为分析是整个移动互联网时代的焦点。2021年谈用户行为分析就像2009年谈门店动线分析一样。2009年，要提高企业利润收入就必须研究线下传统门店渠道；2021年，我们研究的重心已经从线下传统门店转移至线上APP小程序和H5页面。不管是2009年的线下传统门店渠道还是2021的线上APP渠道，渠道都是最大的成本投入和利润来源，可以说2021年的渠道分析就是用户行为分析。

首先，需要打通用户ID采集用户行为数据。因为用户ID背后是一个个鲜活的用户，从用户ID中我们可以了解用户是从何种渠道进来的，以及用户后续是否有完成购买过程等信息。

其次，通过用户ID，我们还可以获取用户从站外到站内的行为数据，这样就可以支持渠道分析，由此可以大幅提升营销效率，节省广告成本。除了渠道分析，还支持行为路径分析、RFM/购物分析、内容偏好分析、促销敏感度分析等。

• 行为路径分析。用户在APP、小程序的页面浏览和跳转行为可以做行为路径分析，据此可以优化用户的产品体验。这在电商类APP里使用较为广泛，因为这类APP需要通过追踪用户下单流程来更好地了解用户，避免用户在某个页面流失，从而进一步促进完成购买。

• RFM/购物分析。简单来说，就是在打通用户ID的基础上结合用户的交易行为来进行分析。通过购物分析，可以了解用户购买的产品类型、购买频次等信息，由此来针对性地提升复购/交叉销售率，增加收入。

• 内容偏好分析。在打通用户ID的基础上，结合用户的内容浏览/互动行为来进行分析，由此可以清晰地了解用户喜欢什么样的内容并做进一步推荐，从而提升访问时间，增加用户粘性。

• 促销敏感度分析。在打通用户ID的基础上结合活动参与/礼品兑换行为来进行分析，通过这一分析可以帮助寻找更有效的用户激励手段，并且还能识别羊毛党，把优惠给到企业的潜在顾客。

总结一下，从内容到广告到销售策略再到产品优化策略的营销全流程来看，用户行为分析是至关重要的。

需要注意的是，用户行为分析也有其不足之处。以转化漏斗为例，如果转化流程问题出现在前端，还比较容易判断，例如，曝光不足可能是内容或者渠道的问题；如果出现在后端，则越难判断到底是什么原因造成的，是内容？是产品？是价格？还是这个渠道本身的问题，我们很难去做判断。

在实际运营过程中，有时候甚至还会出现负责转化流程前端的部门会故意给后端挖坑，例如负责投放的可以通过很多手段提升点击量，但最终如果用户没有完成购买就可以把责任推到产品身上，正所谓“死道友不死贫道”。

从更深层次来看，用户行为分析需要其他方面的支持。用户行为是品牌、营销、产品、供应、服务、大环境、对手共同影响的结果。只有所有人一起发力，才能最终解决用户问题。

在业务流程前期，可以通过修改标题、优化注册方式、改进邀约话术等来提升用户点击率和落地页到达率。但越往后，尤其是买单环节，越需要产品、服务、品牌、营销等多方面的配合支持。

总而言之，用户行为分析更多的是注重结果层面的分析。

首先，我们来看一下完整的商业链路包括哪些环节，这里可以分为前端的营销和后端的供应两大方面。

• 营销：注册-互动-消费-订单；

• 供应：商品-售后-核算；

所谓互联网或者数字化，我们会发现其实更多的是在营销端发力，而非供应端。当然，在互联网时代所谓的“创新”模式也更多的是营销端创新。互联网模式把线下实体门店挪到了线上，但后端供应链（如工厂、生产线、售后等）该踩的坑一个都不会少。

因此，我们用户行为分析需要更多的集中在后端做深入。

先来看看权益分析。权益往往是跟订单挂钩的，常见的权益形式有积分、会员等级、生命周期和生日等。但并非所有企业都像互联网企业一样资金雄厚，能够长期支持减免等营销手段。更多的企业使用的权益形式一般为体验装、现场服务、小礼品等。

下面，我们从权益产生、权益管理和权益使用三部分来具体展开。

• 在权益产生层面，分为流水式（积分）、累进式（VIP等级）和触发式（特定行为或节点）这3种。

• 在权益管理层面，可从权益种类、数量、有效期、派发者权限和使用者权限5个方面去进行管理。

• 在权益使用层面，分为身份核实、权益核实、权益使用和权益核销4个方面。

可以看到，整个权益体系就是一套小商品体系，会产生大量数据，但需注意这些数据全部是企业内部数据，与用户行为无关。

因此，权益分析很适用于有服务窗口和线下体验流程的行业，例如银行、航空公司、美容、健身、学校，体检、餐厅等。其中，权益管理尤其重要。管理得好，能够有效形成差异化体验，打造除价格以外的竞争优势；管理得不好，就是单纯的成本浪费，收不到应有的效益。

供应包括原料、生产、仓储和配送4个部分。

现在的互联网企业基本都是收费站角色，他们不负责供应链，也不负责生产产品，因此对这一块的关注较少。但如果是传统企业或者是服务性行业，那么这些都是我们需要考虑的。例如，需关注不同形式的供应商、产品、生产线、型号、规格、自检、仓库管理、物流运力、时间供应等。

可以看到，供应链涉及角色非常复杂，有大量过程数据，且都与用户行为无关，因为这不是用户生产的，而是企业内部行为。

但这一企业内部行为在互联网时代有特别重要的意义，我们打价格战的底气就是从供应链来的。如果供应链特别强大，我们就可以把成本压得很低，也就有足够的底气打价格战，也可以锁定优质供应商提供稀缺性产品。如果公用周转速度和创新速度很快，还可以打时间差上新款。

因此，供应分析非常适用于以下3类行业：

• 第一类是有大规模生产线的行业，如汽车、家装、家具和零售等；

• 第二类是需要大量人力的行业，如服务业、O2O、网约车等；

• 第三类是库存标准要求高的行业，如生鲜、医药等严重依赖冷链运输的；

站在消费者角度，售后履约非常简单，即七天无理由退货。但站在企业角度非常复杂，为什么？

因为七天无理由退货不仅成本很高，而且无法给用户提供差异化体验，也就无法形成竞争优势。

那么，就需要对不同用户采取不同的履约方式。以大型车辆等耐用品的售后为例，涉及到就是一整套复杂的管理流程，需要了解用户身份、订单情况、服务条款、商品属性、配件调度、预约上门和服务评价等信息。

尤其对于体验多、配件多的行业来说，售后履约非常重要，例如家装、家居、家电、汽车、美容、餐饮、教育等行业需特别关注用户是否有其他配件的需求。

为了对抗互联网平台的流量剥削，通过履约过程来提升顾客体验，转化顾客进入私域，有助于转介绍和提升复购。

作为最传统、历史最悠久的财务分析，在企业内部占据重要位置。但需注意的是，财务分析经常伴随着财务相关操作，因而财务数据是人为做出来的，和实际会有一定差距，由此也演化出了经营分析。

换句话说，不能够纯粹地做账面分析，而是要看账面所对应的具体经营动作和环节。

只有在打通财务数据和经营数据之后，才能够把财务管理落实到企业经营管理。但也要明白，财务类数据不等同于经营数据，因此打通二者联系，将财务关联到经营数据才是关键。

在营销端的不同场景也有不同的分析特点。

首先需要明白用户行为是从哪来的？并不是所有的用户行为都可以像淘宝、抖音等平台一样可以因用户行为自发产生的。

其实，很多用户行为是由业务影响产生的，例如保险、美容、健康、汽车等行业的导购服务。

这里，给大家介绍四种经典方式，分别是私域式 、导购式、代理人式和店铺式。

因为服务人员的服务及其带给用户的体验也能极大地影响用户行为，所以单纯用户行为分析不足以满足有渠道引导的场景，也就无法改善业务。这种情况下，就需要渠道信息、渠道策略、渠道行为和用户行为等四大方面的综合分析。只有这样，才能更好地提升自有渠道效率，对抗互联网平台的剥削。

那么，具体要怎么做呢？其实也就是我们常说的引流、运营再到促成，即通过引流至自身私域池，再精细化运营，最后收割获益。下面我们以经典场景为例，来帮助大家理解。

• 私域式：主要针对有重复消费的快消品，例如餐厅、服装和母婴等；

• 导购式：主要针对需要教育用户的行业，例如教育培训、家具家装、汽车等；

• 店铺式：主要针对有实体店及配套的行业，例如美容、健身和休闲等；

• 代理人式：主要依赖代理人渠道，最典型的就是保险行业；

在引流、运营再到促成的过程，少不了引流工具与引流效率数据分析、运营工具与运营SOP数据分析、促成工具与促成方式数据分析这三大部分的有机配合。

• 引流工具与引流效率数据分析。除了记录用户行为，还需要掌握渠道本身数据特点，特别针对门店/代理人模式，其个人执行行为的数据收集，个人执行力的考核，才是制胜关键。

• 运营工具与运营SOP数据分析。我们常用的运营工具主要包括有社群管理、机器人问答等，这些工具的使用不但能有效提高运营效率，而且这些运营规范和运营动作也是用户行为分析的关键。很多公司私域运营比较混乱本质上还是缺乏工具所致，因此在进行用户行为分析时需将工具使用、SOP执行与用户行为三者相结合。

• 促成工具与促成方式数据分析。常见的促成工具有顾客个人信息提醒、个性化话术、问答Q&A、顾客跟进提升、优惠手段等，通过这些促成工具能够极大提升导购/代理人执行力，从而促成顾客消费。如果不能改善导购/代理人行为，用户行为分析也就无从谈起。因此，需结合工具使用、跟进行为与用户行为三方面才能进行有效的用户行为分析。

使用工具的多样化已然成为数字化时代的必然趋势，企业经营管理也正在向数字化转型。数字化时代，没有数字化系统就意味着管理空白，薄弱的系统就意味着管理薄弱，而管理薄弱则意味着竞争力脆弱。

而数字化系统则对应着数字化管理与数据分析的巨大需求，即我们前面讲到的供应力数据、执行力数据和营销力数据。

那么数字化时代原生企业的演进路线是怎样的呢？即先抓营销，大量获客时控制成本，再优化执行力，最后控成本上监管。目前有相当多的企业是这样做的，但这并不代表是正确的。过度消耗营销成本，产品缺乏差异化、履约能力差是大多数企业普遍存在的问题。换句说，如果供应能力足够强，或许会有新的竞争方式。

与数字化时代原生企业相对应，传统企业的演进路线是怎样的呢？有相当多的传统企业看似在努力追赶数字化浪潮，但经常在执行时缺乏重点，撒芝麻式投入，对核心竞争力缺少清晰的梳理，对核心能力（营销力、执行力、供应力）缺少强化。这就会导致“零散数据收集了一大堆，发力的却很少”的尴尬局面。

可以看到，从单独的用户行为分析到数据体系，数据范围成倍扩大且更具竞争力。所以，我们需要将用户行为分析与供应端分析和营销端分析相结合，形成企业整体的数据体系。

但企业数据体系的建设是一项长期且艰苦的工作，这里给大家分享三个基本原则：

• 掌握数据是第一位要求。如果数据质量不佳、数据凌乱、数据不统一，那么节省成本和产出价值更无从谈起。因而数据需要做到以下三点：多数据源打通、规范的数据治理和高质量数据清洗。面对多种数据来源、多种数据库、多种业务系统对接的复杂情况，需要我们做好数据管理。

• 想让数据用起来，报表是核心。营销需要看什么数据？销售需要跟什么数据？供应链需要追什么数据？报表必须清晰地显示客户情况、订单履约情况、配件情况、库存情况等基础信息。其次，拖拉拽的报表和信息提醒能够节省90%的工作量。尤其对于一线工作人员来说，信息提醒和移动端报表能够让其清晰地了解自己“做什么”、“用啥做”和“做到没有”。

• 识别问题≥寻找机会。好的业务一定是天时地利人和的结果，而不是数据直接算出来的，但差的业务一般数据表现非常明显。因而减少低级错误也不失为一种好的方法。