Theo dõi dữ liệu và phân tích hành vi người dùng: Bắt đầu với mục tiêu cuối cùng và chia nhỏ từng lớp

Những người bạn đang có ý định đọc bài viết này. Bài viết này phù hợp với những người mới làm sản phẩm/vận hành/dữ liệu từ 0-3 tuổi. Bài viết này được viết khi tôi còn là người mới, khoảng 3 tháng sau khi gia nhập công ty. Tôi tin rằng góc nhìn của người mới sẽ giúp bài viết của tôi dễ hiểu hơn và tôi hy vọng nó sẽ giúp ích cho bạn.

Phân tích hành vi người dùng là việc phân tích một loạt các hành vi của người dùng để cải thiện thiết kế sản phẩm và chiến lược vận hành. Khi Internet phát triển từ rộng rãi sang chuyên sâu, phân tích hành vi người dùng có thể giúp thiết kế sản phẩm và xây dựng chiến lược vận hành chuyển từ "dựa trên cảm tính" sang "khoa học và định lượng".

Nói một cách đơn giản, nếu so sánh các sản phẩm C-end của Internet với một công viên giải trí lớn, thì người quản lý sản phẩm cùng bộ phận R&D front-end và back-end lần lượt là kiến ​​trúc sư và kỹ sư của công viên giải trí này, tạo ra khuôn khổ cơ bản của công viên giải trí này. Hoạt động là việc lập kế hoạch hoạt động của công viên giải trí và nhiều hoạt động khác nhau được tổ chức tại công viên giải trí theo thời gian. Phân tích hành vi người dùng có thể phân tích định lượng hành vi của du khách để cải thiện thiết kế kiến ​​trúc và chất lượng hoạt động của công viên giải trí.

1. Ý tưởng cơ bản: bắt đầu từ cuối và chia từng lớp

Theo góc độ kỹ thuật, nếu bạn muốn phân tích hành vi của người dùng, bạn cần thực hiện theo các bước sau:

1. Thu thập dữ liệu hành vi của người dùng (điểm nhúng + lưu trữ dữ liệu)
2. Làm sạch và xử lý dữ liệu này
3. Phân tích dữ liệu

Trong một công ty Internet lớn, dữ liệu thường giống như hàng hóa trên dây chuyền lắp ráp. Từ khâu sản xuất đến khâu chế biến và sử dụng cuối cùng, sản phẩm sẽ trải qua nhiều bước và cuối cùng được chuyển đến các phòng ban ứng dụng khác nhau. Điều này khiến cho các tác nhân khác nhau trên liên kết dữ liệu dễ quên mất tổng thể.

Nhưng dữ liệu cuối cùng vẫn phục vụ cho mục tiêu kinh doanh và việc hiểu phân tích dữ liệu cũng đòi hỏi một ý tưởng hoàn thiện hơn. Ở giai đoạn này, tôi tóm tắt như sau: bắt đầu với mục tiêu trong đầu và chia nhỏ nó thành từng lớp.

1. Bắt đầu với mục tiêu cuối cùng: Một mặt, theo quan điểm sản xuất dữ liệu, phân tích dữ liệu chỉ có thể được thực hiện sau khi các điểm dữ liệu được chôn vùi và cuối cùng có thể đưa ra kết luận. Nhưng trên thực tế, chúng ta thường cần bắt đầu từ cuối: trước tiên là nghĩ về mục tiêu cuối cùng của phân tích dữ liệu, sau đó xác định ý tưởng phân tích dữ liệu và cuối cùng là xác định kế hoạch theo dõi. Mặt khác, trong quá trình phân tích dữ liệu, trước tiên cũng cần phải nghĩ đến chỉ số cuối cùng và sau đó tính ngược lại đến chỉ số quy trình.

2. Chia nhỏ từng lớp: Tôi sẽ giới thiệu chi tiết ở phần dưới rằng quá trình phân tích dữ liệu cũng là quá trình chia nhỏ các mục tiêu lớn thành các mục tiêu nhỏ.

2. Phân tích dữ liệu: Các chỉ số, kích thước và cỡ

Ý tưởng cơ bản của phân tích hành vi người dùng là: xác định các chỉ số định lượng để đo lường sự thành công của sản phẩm -> suy nghĩ xem những chiều nào sẽ ảnh hưởng đến sự thay đổi của các chỉ số -> xác định một cỡ mẫu thống nhất và tính toán sự thay đổi của các chỉ số khác nhau theo các chiều khác nhau.

Sau đây là giải thích chi tiết hơn về các chỉ số, kích thước và cỡ nòng.

1. Các chỉ số

Số liệu là mục tiêu kinh doanh có thể định lượng được. Đối với thương mại điện tử, chỉ số cuối cùng là GMV; đối với quảng cáo, chỉ số cuối cùng là tỷ lệ chuyển đổi và ROI; đối với trò chơi, chỉ số cuối cùng là giá trị DAU và ARPU.

Để đạt được mục tiêu cuối cùng, nó cũng có thể được chia thành nhiều chỉ số quy trình. Ví dụ, đối với thương mại điện tử, quy trình trước khi người dùng thanh toán có thể được chia nhỏ thành: vào ứng dụng->tìm kiếm (đề xuất/phát sóng trực tiếp, v.v.)->vào trang thông tin chi tiết sản phẩm->thêm vào giỏ hàng->thanh toán->thanh toán. Có thể thiết lập chỉ báo cho mỗi liên kết.

2. Kích thước

Kích thước là góc nhìn để phân tích những thay đổi trong các chỉ số và cũng là yếu tố ảnh hưởng đến những thay đổi trong các chỉ số. Trương Tiểu Long, cha đẻ của WeChat, đã từng nói: Thiết kế sản phẩm chính là phân loại. Kích thước cũng có thể được hiểu là góc độ phân loại.

Bạn hiểu thế nào? Nếu DAU tăng thì đó là sự gia tăng của người dùng nam hay người dùng nữ? Giới tính của người dùng là một yếu tố ảnh hưởng đến DAU và cũng là một khía cạnh có thể được sử dụng để phân tích những thay đổi trong DAU. Tương tự như vậy, giá cả và loại hàng hóa cũng là những yếu tố được sử dụng để phân tích GMV.

3. Tầm cỡ

Calibre là tiêu chuẩn để tính toán các chỉ số.

Trên Internet, cùng một chỉ số thường có nhiều cách tính toán. Ví dụ, để tính DAU, bạn có thể sử dụng số thiết bị của người dùng để loại bỏ trùng lặp hoặc sử dụng tài khoản duy nhất của người dùng để loại bỏ trùng lặp. Mỗi phương pháp tính toán (hoặc tiêu chuẩn) là một cỡ nòng.

3. Thu thập dữ liệu: Sự kiện, Thời gian, Tham số

Trên cơ sở mục tiêu phân tích dữ liệu rõ ràng, chúng ta cần xem xét cách thu thập dữ liệu cần thiết để đáp ứng mục tiêu phân tích.

Từ những điều trên, ta có thể biết rằng ý tưởng của phân tích dữ liệu là trước tiên xác định các chỉ số, sau đó xem xét các chiều và cuối cùng là thống nhất cỡ mẫu. Các chỉ số dữ liệu cần được thu thập bằng cách thu thập số liệu thống kê về các sự kiện hành vi tương ứng của người dùng. Kích thước phân tích yêu cầu chúng ta ghi lại các thông số liên quan đến sự kiện trong khi thu thập sự kiện. Một phần quan trọng của cỡ mẫu thống nhất là phải xác định rõ thời điểm diễn ra sự kiện khi thu thập sự kiện.

Dưới đây là giải thích chi tiết hơn về các sự kiện, thời gian và thông số.

1. Sự kiện

Mỗi hành động của người dùng được gọi là một sự kiện. Nhìn chung, hành vi của người dùng trên Internet có thể được chia thành ba loại:

1. Duyệt: Người dùng nhập vào một trang của sản phẩm

2. Phơi bày: Một yếu tố/thông tin trên trang sản phẩm được hiển thị cho người dùng

3. Nhấp: Người dùng chủ động nhấp vào một phần tử tương tác trên trang

Khi nhúng điểm, mỗi sự kiện sẽ có một ID duy nhất (thường gọi là ID sự kiện) - chẳng hạn như nhấp vào hình ảnh tiêu điểm trang chủ (Home_FirstFocus_Click).

2. Thời gian

Thời gian là thời điểm chính xác khi mỗi hành động được ghi lại. Cũng giống như cỡ nòng cần thiết khi tính toán các chỉ số, thời gian cũng là định nghĩa chính xác hơn về sự kiện theo dõi và cỡ nòng của việc theo dõi.

1. Thời gian duyệt: trước khi vào một giao diện trang nào đó và sau khi giao diện trở về

2. Thời gian phơi sáng: Khi một thành phần được phơi sáng xx% và người dùng ở lại trong xx giây

3. Thời gian nhấp: được kích hoạt ngay sau khi người dùng nhấp

3. Các tham số

Với định nghĩa về sự kiện và cơ hội, cần phải làm rõ những thông tin cụ thể nào cần thu thập khi sự kiện này xảy ra.

Thu thập hành vi của người dùng cũng giống như viết một câu chuyện, đòi hỏi phải ghi lại: con người, thời gian, địa điểm và các sự kiện cụ thể. Ngoài ID sự kiện, các thông tin khác cần được ghi lại sẽ được tóm tắt dưới dạng các tham số của sự kiện này. Các tham số của một sự kiện giống như bối cảnh hoặc điều kiện để thực hiện sự kiện. Một số người tóm tắt thông tin cần ghi lại theo mô hình 4W1H:

1. Ai: Người dùng là ai - tức là ID người dùng, số thiết bị, v.v.

2. Khi nào: Khi nào - thời gian cụ thể khi điều này xảy ra

3. Ở đâu: Địa điểm ở đâu? Có hai cấp độ hiểu biết. Một là địa chỉ IP thực tế của người dùng và phần còn lại là trang nơi sự kiện xảy ra.

4. Cái gì: Cái gì đã được thực hiện - loại sự kiện (lượt xem, lượt hiển thị, lượt nhấp, v.v.)

5. How: Cách thực hiện - tức là các thuộc tính doanh nghiệp khi thực hiện việc này, chẳng hạn như thông tin về giá cả và chiết khấu của sản phẩm khi nhấp vào sản phẩm

Đối với mỗi sự kiện (chẳng hạn như nhấp vào hình ảnh tiêu điểm trên trang chủ), những người khác nhau sẽ thực hiện hành vi này vào những thời điểm khác nhau và trong những tình huống khác nhau. Mỗi hành vi cụ thể được ghi lại được gọi là nhật ký. Bằng cách này, mọi hành động của người dùng đều được ghi lại chi tiết.

4. Một trường hợp cụ thể: phân tích dữ liệu thương mại điện tử và theo dõi ý tưởng

Với những khái niệm trên, việc hiểu về thu thập dữ liệu và phân tích hành vi người dùng vẫn còn khá trừu tượng. Chúng ta hãy bắt đầu với một trường hợp thương mại điện tử điển hình để hiểu cách phân tích hành vi của người dùng thương mại điện tử từng bước.

Bước 1. Nghĩ về hành trình của người dùng

Người dùng truy cập vào ứng dụng thương mại điện tử thông qua quảng cáo liên kết có thể có hành trình sử dụng như sau:

Nhấp vào quảng cáo liên kết -> vào ứng dụng -> thẻ sản phẩm được hiển thị -> nhấp vào thẻ sản phẩm -> vào trang chi tiết sản phẩm -> nhấp để thêm vào giỏ hàng -> nhấp vào thanh toán -> vào trang thanh toán -> nhấp để thanh toán -> vào trang hoàn tất thanh toán

Bước 2. Xác định các chỉ số cốt lõi và các chiều quan trọng

Chỉ số quan trọng nhất đánh giá sự thành công của một sản phẩm thương mại điện tử là GMV cuối cùng, nhưng để đạt được mục tiêu GMV, người dùng phải trải qua một loạt hành trình và cuối cùng phải trả tiền cho sản phẩm. Do đó, chúng ta có thể thiết lập các chỉ số quy trình cho từng bước trong hành trình của người dùng.

GMV = PV đã thanh toán * giá trị đơn hàng trung bình

PV thanh toán = PV tiếp xúc * Tỷ lệ nhấp tiếp xúc (PV) * Tỷ lệ nhấp vào giỏ hàng (PV) * Tỷ lệ thanh toán giỏ hàng (PV) * Tỷ lệ thanh toán thanh toán (PV)

Tỷ lệ nhấp chuột phơi sáng (PV) = PV nhấp chuột/PV phơi sáng

…

Sau khi phân tích từng chỉ số một, chúng ta có thể thu thập được tất cả các chỉ số không tổng hợp, tương ứng với các sự kiện cần thu thập.

Ngoài ra, các công ty thương mại điện tử thường tiến hành phân tích đa chiều các chỉ số theo góc độ con người, hàng hóa và địa điểm, điều này cũng tương ứng với các thông số cần thu thập cho từng sự kiện.

Bước 3. Thiết kế điểm nhúng

Xác định các sự kiện và thông số cần theo dõi dựa trên các chỉ số cần tính toán và các chiều cần phân tích, đồng thời xác định thông số kỹ thuật về thời điểm báo cáo. Chúng ta có thể sử dụng bảng để xác định rõ ràng tất cả thông tin cần thu thập.

Bước 4. Thu thập và phân tích dữ liệu

Sau khi hiểu được hành trình của người dùng, xác định các chỉ số cốt lõi và ý tưởng phân tích, thiết kế các điểm nhúng và thu thập dữ liệu, cuối cùng chúng tôi bắt đầu phân tích dữ liệu.

Ở giai đoạn này, chúng tôi sử dụng dữ liệu thu thập được để thực hiện các tính toán dựa trên những ý tưởng vừa xác định và phân tích kết quả.

1. Đầu tiên, hãy tính chỉ số dữ liệu cuối cùng GMV để xem GMV đang tăng hay giảm

2. Quan sát những chỉ số trung gian nào gây ra kết quả cuối cùng

3. Hãy nghĩ về những chiều hướng chính ảnh hưởng đến các chỉ số trung gian này và phân tích xem chiều hướng nào gây ra sự thay đổi trong các chỉ số.

4. Cuối cùng, một kết luận tương đối khoa học đã được đưa ra

Vẫn còn nhiều chi tiết cần lưu ý trong quá trình phân tích dữ liệu. Bài viết này chỉ giới thiệu ý tưởng chung về theo dõi và phân tích dữ liệu.

V. Kết luận

Cái gọi là phương pháp tiếp cận theo định hướng dữ liệu thực chất là một cách suy nghĩ bắt đầu từ điểm cuối. Nó thiết lập mục tiêu cuối cùng và chia nhỏ mục tiêu lớn thành các chỉ số quy trình và các chiều hướng khác nhau, được định lượng và trình bày bằng dữ liệu.

Ngoài ra, mặc dù mỗi danh mục sản phẩm sẽ có một chỉ số Bắc Đẩu tối thượng (như GMV cho thương mại điện tử), nhưng nếu chúng ta muốn thiết lập một hệ sinh thái lành mạnh và hoàn chỉnh, chúng ta cần xây dựng một hệ thống chỉ số tốt để đo lường ưu và nhược điểm của một sản phẩm ở nhiều khía cạnh. Ví dụ, đối với các nền tảng thương mại điện tử, số lượng nhà cung cấp, chân dung người dùng, thời gian lưu trú của người dùng, v.v. đều là những chỉ số phản ánh đầy đủ tình hình hoạt động của một nền tảng.

Điều này cũng đúng với cá nhân. Mục tiêu cuối cùng của chúng ta là gì? Cần có những quy trình nào để đạt được mục tiêu này? Ngoài mục tiêu cuối cùng, chúng ta còn có những mục tiêu nào khác để cuộc sống trở nên thú vị hơn? Đây đều là những vấn đề đáng suy ngẫm. Tất nhiên, cuộc sống linh hoạt hơn, giống như lộ trình sử dụng một loại sản phẩm nhất định có thể bị đảo lộn hoàn toàn do một cải tiến thành công. Chỉ bằng cách suy nghĩ về các sản phẩm bên ngoài khuôn khổ dữ liệu hiện có, chúng ta mới có thể tạo ra nhiều khả năng hơn.