Phân tích hành vi người dùng, đây là hướng dẫn thực tế nhất mà tôi từng thấy!

Phân tích hành vi người dùng là một phần quan trọng của phân tích dữ liệu, nhưng nhiều người thường cảm thấy bối rối khi phải đối mặt với lượng dữ liệu khổng lồ. Bài viết này sẽ cung cấp cho bạn hướng dẫn thực tế về phân tích hành vi người dùng, từ định nghĩa về hành vi người dùng, phương pháp thu thập dữ liệu đến các chiến lược phân tích trong các tình huống kinh doanh khác nhau, để giúp bạn hiểu và áp dụng dữ liệu hành vi người dùng một cách có hệ thống.

"Chúng tôi có rất nhiều dữ liệu người dùng, nhưng làm thế nào để phân tích chúng?" Nhiều người có câu hỏi tương tự. Nếu chúng ta chỉ đếm có bao nhiêu người dùng đang hoạt động và bao nhiêu người dùng trả phí, chúng ta sẽ không thấy được giá trị của những con số này.

Hôm nay tôi sẽ giới thiệu cho các bạn một cách có hệ thống.

Bài viết khá dài, vì vậy hãy nhớ nhấp vào nút "thích" trước rồi mới đọc chậm nhé.

1. Hành vi của người dùng là gì?

ID người dùng và mọi hành động có thể ghi lại được tạo ra trong hệ thống nội bộ của doanh nghiệp có thể được gọi là hành vi của người dùng.

Hành vi người dùng hoàn chỉnh bao gồm 6 yếu tố:

1. Thời gian: Khi nào nó xảy ra
2. Vị trí: Xảy ra trên kênh/nền tảng/hệ thống XX
3. Nhân vật: Ai đã xảy ra
4. Nguyên nhân: Hành động đầu tiên
5. Pass: Chuỗi bao gồm tất cả các hành động
6. Kết quả: Kết quả của hành vi. Các yếu tố này được thể hiện khác nhau trên các nền tảng khác nhau (xem hình bên dưới):

Phương pháp thu thập hành vi của người dùng khác nhau trên các nền tảng hệ thống khác nhau.

Có ba loại phổ biến:

1. Hồ sơ lý lịch: biểu mẫu đăng ký người dùng, biểu mẫu yêu cầu dịch vụ, lệnh giao dịch, v.v.
2. Theo dõi hồ sơ: lịch sử duyệt web của người dùng trong APP, chương trình nhỏ và H5
3. Phản hồi của nhân viên kinh doanh: thông tin được cung cấp bởi bộ phận bán hàng, dịch vụ khách hàng và nhân viên sau bán hàng

Đây là lý do tại sao có nhiều chỉ số về hành vi của người dùng và không dễ để đưa ra kết luận.

Có hàng triệu hành vi của người dùng. Chỉ bằng cách hiểu lý do tại sao doanh nghiệp cần dữ liệu về hành vi của người dùng, chúng ta mới có thể biết dữ liệu nào thực sự hữu ích.

2. Yêu cầu của các doanh nghiệp khác nhau

Phía doanh nghiệp quan tâm đến hành vi của người dùng trong bốn tình huống:

Tình huống 1: Tôi không biết gì cả, chúng ta hãy chờ xem.

Những loại phổ biến như:

• Cán bộ mới nhậm chức, tình hình chưa rõ ràng
• Ngành kinh doanh mới, không cần đánh giá
• Vào đầu năm mới, chúng ta cần lập kế hoạch mới

Trong trường hợp này, dữ liệu nên sơ bộ thay vì chi tiết và đầy đủ thay vì chính xác. Trước tiên, hãy đưa ra cái nhìn tổng quan để các nhà lãnh đạo/đồng nghiệp có thể nắm bắt được tình hình, sau đó khi có các chủ đề cụ thể, hãy tiến hành phân tích chuyên sâu (như minh họa bên dưới). Ngược lại, nếu bạn bắt đầu bằng một loạt những điều tầm thường, rất có thể mọi người sẽ choáng váng và tự hỏi "Tất cả những điều này đang nói về cái gì vậy?"

Tình huống 2: Có ý tưởng trong đầu và tập trung vào kết quả.

Trong trường hợp này, nhìn chung cần phải quan sát tác động của các quy trình kinh doanh, chức năng sản phẩm và nội dung phát hành. Mục tiêu kinh doanh rất rõ ràng: xem thứ này hoạt động tốt như thế nào.

Những loại phổ biến như:

• Phần nội dung: nhấp chuột của người dùng, tham gia thảo luận và chuyển tiếp hành động
• Điểm chức năng: số lượng người dùng, tần suất sử dụng và thời gian sử dụng
• Hàng hóa: Người dùng duyệt, mua hàng, mua hàng lặp lại, mua hàng một lần với số lượng lớn

Đến thời điểm này, chúng ta không thể nói thêm nữa mà hãy tập trung vào những điểm chức năng mà doanh nghiệp quan tâm (như hình bên dưới)

Để ý! Hành vi của người dùng nhiều hơn không có nghĩa là hiệu suất tốt. Ví dụ, trong lĩnh vực thương mại điện tử, nhà điều hành đã nhiệt tình triển khai hoạt động cho phép người dùng được giảm giá khi tưới nước và trồng cây, nhằm mục đích tăng số lượng người dùng tích cực. Tuy nhiên, người ta phát hiện ra rằng tất cả người dùng đều đang chơi trò chơi và chờ giảm giá, và số lượng người đặt hàng đang giảm dần!

Lúc này, bạn có thể sử dụng phương pháp ma trận, phương pháp so sánh trước-sau, phân tích mối quan hệ hành vi và các phương pháp khác để xem xét cụ thể tác động của hành vi này đến hiệu suất (như thể hiện trong hình bên dưới).

Tình huống thứ ba: Áp lực về hiệu suất, quá tải.

Tình huống này thường liên quan đến việc đánh giá hiệu suất của quy trình cốt lõi. Ví dụ: đăng ký người dùng mới, tham gia các sự kiện quy mô lớn, quy trình giao dịch, khiếu nại về các vấn đề chính, v.v.

Vào thời điểm này, mục tiêu phân tích rất cụ thể:

• Tỷ lệ chuyển đổi đăng ký phải cao!
• Tỷ lệ tham gia các hoạt động cần phải được tăng lên!
• Tỷ lệ giao dịch phải cao!
• Những khiếu nại quan trọng đã được giải quyết dứt điểm!

Loại phân tích hành vi người dùng có mục tiêu rõ ràng này có thể được coi là đơn giản và dễ dàng nhất. Ý tưởng cốt lõi là bốn mô-đun sau

Để ý! Khi xem dữ liệu, nhiều sinh viên thích nhìn trực tiếp vào những chi tiết nhỏ nhất và cố gắng tìm ra vấn đề từ mọi hành động của người dùng. Thật dễ dàng để bị choáng ngợp bởi lượng dữ liệu khổng lồ.

Khi đánh giá quy trình cốt lõi, trước tiên bạn nên tập trung vào hiệu ứng tổng thể (chẳng hạn như lưu lượng truy cập tổng thể + tỷ lệ chuyển đổi tổng thể). Sau khi đã đưa ra phán đoán, hãy xem xét các chi tiết.

Một điểm khác là xem xét dữ liệu người dùng kết hợp với các biện pháp khắc phục.

Hành vi của người dùng là kết quả của nhiều yếu tố. Trong thực tế kinh doanh, không thể tiến hành nghiên cứu biến số được kiểm soát trên mọi dự án như trong phòng thí nghiệm. Ngay cả khi thử nghiệm AB được thực hiện trước, vẫn sẽ có nhiều khác biệt khi thực sự triển khai do thời gian và địa điểm.

Khi đối mặt với những vấn đề phức tạp, chúng ta không cần phải lo lắng về việc người dùng có thích bản sao hay sản phẩm hay không, mà thay vào đó là phải lo lắng xem chúng ta có thể làm gì để cứu vãn mối quan hệ.

Phân tích các biện pháp khắc phục có giá trị hơn nhiều so với việc chỉ hét lên "Quy trình này không hiệu quả!"

Trong ngắn hạn, có thể chỉ có 2 hoặc 3 biện pháp khắc phục tình hình kinh doanh. Phân tích xem phương pháp nào có khả năng hiệu quả và thúc đẩy trực tiếp các hoạt động kinh doanh, giúp phân tích dữ liệu hiệu quả.

Tình huống 4: Tình hình không rõ ràng và mọi người đều nghi ngờ.

Tình huống này thường xảy ra khi một doanh nghiệp nào đó hoạt động không tốt và bên kinh doanh không có giả định rõ ràng. Tôi nghĩ: "Chúng ta có thể đào sâu hơn vào hành vi của người dùng không? Tìm ra lý do?" Còn về việc nên đào sâu vào điều gì và lý do gì để đào sâu, có thể chính họ cũng không biết...

Đây là tình huống khó khăn nhất. Bởi vì mục tiêu phân tích hoàn toàn không rõ ràng.

Có hai ý tưởng cơ bản ở đây:

Ý tưởng 1: Phía doanh nghiệp trước tiên khoanh tròn khách hàng mục tiêu của họ, sau đó xem khách hàng mục tiêu đang làm gì

Ý tưởng 2: Đầu tiên hãy tìm những khách hàng lớn có hành vi như vậy, sau đó hỏi phía doanh nghiệp: Đây có phải là điều bạn muốn không? Nói tóm lại, sẽ dễ dàng hơn để tìm cảm hứng giải quyết vấn đề từ những tình huống khắc nghiệt.

Ví dụ, liên quan đến việc đổi điểm, phía doanh nghiệp chỉ cảm thấy rằng hoạt động kinh doanh này không tốt, nhưng họ không thể biết chính xác vấn đề nằm ở đâu.

Tại thời điểm này, bạn có thể xem dữ liệu theo hai cách như được hiển thị bên dưới (như hình dưới đây):

Nếu bạn thấy rằng người dùng có giá trị cao có sở thích rõ ràng đối với một số hình thức đổi quà nhất định, bạn có thể thiết kế các gói quà tặng tương ứng để thu hút người dùng có giá trị cao.

Nếu phát hiện người dùng nhiều có hành vi rõ ràng lợi dụng hệ thống, các quy tắc khen thưởng có thể được sửa đổi cho phù hợp.

Tóm lại, chỉ cần sự khác biệt về hành vi giữa các nhóm người dùng đủ lớn thì có thể tạo ra được chiến lược.

IV. Bản tóm tắt

Từ bốn tình huống trên, chúng ta có thể thấy rằng ngay cả cùng một dữ liệu cũng có thể được trình bày theo nhiều cách khác nhau trong những tình huống khác nhau.

Điều này đòi hỏi sinh viên phải hiểu rõ nhu cầu kinh doanh trong công việc của mình.

Nhiều sinh viên sẽ nói: Tại sao không hỏi trực tiếp doanh nghiệp?

Vấn đề là trong bốn tình huống, ngoại trừ tình huống thứ ba rõ ràng có áp lực về KPI, ba tình huống còn lại rất mơ hồ và yêu cầu cuối cùng được diễn đạt bằng lời là: "Phân tích hành vi người dùng". Điều này đòi hỏi sinh viên khi làm việc với dữ liệu phải có một mức độ phán đoán nhất định.

Bốn tình huống trên là tình huống tiến triển và mối quan hệ logic của chúng được thể hiện ở hình bên dưới. Sinh viên có thể điều hành doanh nghiệp như cách bóc vỏ hành tây, tìm ra những vấn đề mà họ thực sự quan tâm và đưa ra những phân tích có giá trị.