用户分析

1. 定位用户属性：Who

Who 可以拆解为「描述」和「统计」两层。「描述」从微观层面讲述用户是谁，有「基本标签」和「抽象标签」。「统计」则从宏观层面回答用户的数量和质量问题。

1.1 描述-用户标签

1.2 统计-分析模型

1. RFM
2. Churn
3. CAC，APRU 与 LTV
4. Cohort（同期群分析）
5. Segment（用户分群）

2. 定位用户属性：How，When && Where

漏斗分析和轨迹分析分别适用于目标用户群体有无明显操作顺序的情况。而日志分析适用于针对单个用户的操作分析。

2.1 漏斗分析

漏斗又可以根据周期长短分为长漏斗和短漏斗。

长漏斗涉及周期较长，在新用户归因，用户生命周期研究中多有采用。AARRR 本质上是对用户生命周期的长漏斗分析。

短漏斗在分析过程中，可以根据漏斗行为的每个过程做纵向分析，也可以根据漏斗切分的维度，做横向分析。以 GrowingIO 做的漏斗分析为例：

每个业务都应该设计若干个属于自己的短漏斗，来衡量用户在自己产品里所有核心路径的使用情况。

2.2 轨迹分析

轨迹分析首见于 Google Analytics ，图形名为桑基图。当用户没有明显的操作顺序时，或者当需要研究各个页面间流转情况时，这种图便可派上用场。另外，在表达各种「主体多目的迁移」的场景下，桑基图也适用，如居民在各大城市间的迁移，电商用户在各大品类间的迁移现象等等。

2.3 日志分析

日志分析，又可叫用户细查，是在对某个用户的操作路径分析，以覆盖前两种群体分析方法的盲区。以 GrowingIO 的用户细查功能举例：

3. 调查用户动机：Why

这个目前在搜索产品的应用上，表现为用户的意图识别。不过当前以我所知的分析手段，猜测用户动机还是比较难的事情。如有朋友对这块有研究，还望不吝赐教。