用户行为分析系列（一）-需求场景

        大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据是时下较为热门的一个话题，本人最近一两年一直参与一款BI（商业智能）产品的前端开发工作，准备写一个系列的文章来阐述产品的需求场景以及与前端有关的技术实现方案，也算是对开发过程所做的一个总结。

        首先要谈的就是需求，所有的产品策划方案、技术实现细节，最终都是为了满足需求，抛开需求，一切的夸夸其谈都只是纸上谈兵。那么一款BI（商业智能）有哪些需求，它是如何服务业务方产品更好的成长的呢。

        假设我是业务方淘宝网，在web、iPhone、Android三个端都有相应的产品。

        需求场景一：日活用户量UV

        我想看最近一周，我产品的日活用户量的变化趋势；我想看我的用户在各个国家、省份、城市的分布情况；我想看用户在web、iPhone、Android三个端的分布情况；如果发现某个城市的UV很高的话，就可以在选择在这个城市做线下活动推广等等；

        为此，我们推出了事件分析功能：

 

需求场景二：转化率

我想看最近3天，所有用户从“搜索->商品详情页->加入购物车->付款”这一个流程下来，各个环节的转化率情况；如果前三步都很合理，但是最后一步的转化率却很低，就可以去分析是否在加入购物车->付款这一步的交互流程上除了什么问题。这个需求的要点是只关注几个关键的事件结点，而忽略结点之间的其他步骤。

为此，我们推出了横向的漏斗模型，其实我觉得用传统的纵向漏斗，表达的意思会更清晰一些。当初考虑所选步骤太多的话，纵向不好展示，但是实际使用情况说明，通常用户只会关注2~4步之内的关键结点之间的转化率。

        需求场景三：用户路径分析

        策划，交互，运营往往在产品设计之前就对用户的使用心里有个预期，但是用户真实的使用场景是跟预期的使用情况也许并不相符，这种不相符也许是我们没有把握住用户核心需求，也许是产品设计上存在致命的错误等等，我们只有真正观察用户的使用轨迹才能体察到用户的真实情况。针对这种需求，我们一般有两种分析需求：

• 统计意义上用户路径或者行为轨迹，通过大量的用户行为可以发现普适性的规律，这样的分析方式将一方面可以发现用户整体的用户行为，另一方面通过整体情况也可以找到异常。
• 单个用户的行为轨迹，对用产品方理解用户的行为也非常重要。

       需求场景四：网页热力图

        热力图的特色功能就是能够统计页面上用户鼠标点击的行为，从而了解网站各个区域的用户点击情况，将产品的卖点或者具有吸引力的内容放在“高热区”，增加用户体验，从而达成订单。

        

        需求场景五：构建用户画像

        男，31岁，已婚，收入1万以上，爱美食，团购达人，喜欢红酒配香烟。这样一串描述即为用户画像的典型案例。如果用一句话来描述，即：用户信息标签化。

        用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？

        也可以做数据挖掘工作：利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析，喜欢红酒的人年龄段分布情况？

        大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。

        为此，我们提供了用户分群功能：例如我现在想找出月消费大于5万的女性高端消费人群，又发现她们时常购买童装和玩具，就可以精准的给她们推送儿童用品相关的广告。

       需求场景六：AB测试

        由于自身理解能力有限，需求场景就先说到这里，后面如果对产品又更深的理解的话，还会继续丰富这篇文章。从下一篇文章开始阐述功能的实现。

        大数据的基础是什么？当然是数据，所以首先要说的，也是实现这些功能的基础就是SDK，SDK这个项目我们是基于mixpanel的开源项目所做的扩展与二次开发。该系列接下来的文章也是主要介绍SDK个功能模块的实现思路。