{
  "schemaVersion": "0.11.0",
  "canonical": "https://www.pystone.net/notes/user-behavior-tracking-analysis/",
  "atlas": "https://www.pystone.net/?node=user-behavior-tracking-analysis#knowledge-atlas",
  "markdown": "https://www.pystone.net/notes/user-behavior-tracking-analysis.md",
  "context": "https://www.pystone.net/notes/user-behavior-tracking-analysis.context.json",
  "knowledgeVersion": "224c990773de.5fa8af6e39fa",
  "build": {
    "siteCommit": "224c990773de166d23a886306577dd90379529ce",
    "notesCommit": "5fa8af6e39fa3891d1b9b4832bfa6c4e0ecaaf0a",
    "builtAt": "1970-01-01T00:00:00.000Z",
    "version": "224c990773de.5fa8af6e39fa"
  },
  "id": "note:user-behavior-tracking-analysis",
  "slug": "user-behavior-tracking-analysis",
  "title": "用户行为跟踪与分析",
  "type": "note",
  "visibility": "public",
  "idStability": "rename-stable",
  "author": {
    "name": "Perrin Yong",
    "profile": "https://www.pystone.net/profile/"
  },
  "publisher": {
    "name": "Perrin Yong",
    "profile": "https://www.pystone.net/profile/"
  },
  "aliases": [],
  "summary": "提供用户行为洞察，帮助网站所有者、市场营销人员和产品经理优化他们的产品和营销策略。",
  "contentRole": "unspecified",
  "isMoc": false,
  "mocRecognition": "none",
  "generated": false,
  "attribution": "unspecified",
  "domain": "50-商业、产品、创业与组织",
  "tags": [],
  "mocs": [],
  "contentHash": "d5b18d80fca7eb42477a744ceff0007bcd36b9bc9bd38fee996c9b0de4d7c37a",
  "assets": [
    {
      "reference": "assets/image-20240415160517707.png",
      "url": "/media/6ad332487ede88a18ade.png",
      "mediaType": "image/png",
      "contentHash": "6ad332487ede88a18ade82f58190557112a74898dc869d5a28c88f3cbb7b34b2",
      "byteLength": 107914,
      "width": 1216,
      "height": 526
    }
  ],
  "headings": [
    {
      "depth": 1,
      "text": "用户行为跟踪与分析",
      "anchor": "用户行为跟踪与分析",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E7%94%A8%E6%88%B7%E8%A1%8C%E4%B8%BA%E8%B7%9F%E8%B8%AA%E4%B8%8E%E5%88%86%E6%9E%90"
    },
    {
      "depth": 2,
      "text": "用户参与和行为分析",
      "anchor": "用户参与和行为分析",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E7%94%A8%E6%88%B7%E5%8F%82%E4%B8%8E%E5%92%8C%E8%A1%8C%E4%B8%BA%E5%88%86%E6%9E%90"
    },
    {
      "depth": 3,
      "text": "用户参与度",
      "anchor": "用户参与度",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E7%94%A8%E6%88%B7%E5%8F%82%E4%B8%8E%E5%BA%A6"
    },
    {
      "depth": 3,
      "text": "功能使用情况",
      "anchor": "功能使用情况",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E5%8A%9F%E8%83%BD%E4%BD%BF%E7%94%A8%E6%83%85%E5%86%B5"
    },
    {
      "depth": 3,
      "text": "用户留存",
      "anchor": "用户留存",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E7%94%A8%E6%88%B7%E7%95%99%E5%AD%98"
    },
    {
      "depth": 3,
      "text": "转化率",
      "anchor": "转化率",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E8%BD%AC%E5%8C%96%E7%8E%87"
    },
    {
      "depth": 3,
      "text": "用户流失分析",
      "anchor": "用户流失分析",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E7%94%A8%E6%88%B7%E6%B5%81%E5%A4%B1%E5%88%86%E6%9E%90"
    },
    {
      "depth": 2,
      "text": "量化的业务成果指标",
      "anchor": "量化的业务成果指标",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#%E9%87%8F%E5%8C%96%E7%9A%84%E4%B8%9A%E5%8A%A1%E6%88%90%E6%9E%9C%E6%8C%87%E6%A0%87"
    },
    {
      "depth": 2,
      "text": "Google Analytics",
      "anchor": "google-analytics",
      "citation": "https://www.pystone.net/notes/user-behavior-tracking-analysis/#google-analytics"
    }
  ],
  "claims": [],
  "outgoing": [],
  "incoming": [
    {
      "id": "note:business-product-startup-organization",
      "title": "商业、产品、创业与组织",
      "url": "https://www.pystone.net/notes/business-product-startup-organization/",
      "atlas": "https://www.pystone.net/?node=business-product-startup-organization#knowledge-atlas",
      "label": "商业、产品、创业与组织",
      "origin": "explicit",
      "humanReviewed": true,
      "context": "产品设计与用户分析中的“用户行为跟踪与分析”导航项",
      "citation": "https://www.pystone.net/notes/business-product-startup-organization/#%E4%BA%A7%E5%93%81%E8%AE%BE%E8%AE%A1%E4%B8%8E%E7%94%A8%E6%88%B7%E5%88%86%E6%9E%90"
    }
  ],
  "contentMarkdown": "提供用户行为洞察，帮助网站所有者、市场营销人员和产品经理优化他们的产品和营销策略。\n\n# 用户行为跟踪与分析\n## 用户参与和行为分析\n聚焦于用户如何与产品互动，以及这些互动如何随时间发展。这类分析更注重用户行为的深入细节，以及用户与产品功能之间的互动。\n\n### **用户参与度**\n分析用户如何与产品互动，包括页面访问量、单次访问的页面数、平均会话持续时间等。\n- **会话分析**：跟踪每次用户会话的时长和活动，分析用户平均每次访问的页面数或使用的功能数。\n- **事件跟踪**：设置特定事件（如点击按钮、完成表单、观看视频等）来监控用户的具体行为。\n- **参与度指标**：计算如页面浏览量、单次会话内的互动数、用户生成内容的数量等。\n- **高频活动用户分析**：识别高度活跃的用户群体，分析其行为模式和参与频率。\n\n### **功能使用情况**\n分析哪些功能被频繁使用，哪些不受欢迎，为产品迭代提供数据支持。\n- **功能访问频率**：统计每个功能的使用次数和使用用户数。\n- **用户反馈收集**：通过调查问卷或用户访谈了解用户对各功能的满意度和改进意见。\n- **热图分析**：使用热图工具查看用户在界面上的点击、滚动和停留位置，以识别最受欢迎和最少使用的功能区域。\n- **A/B 测试**：对不同功能变体进行测试，看哪些更受用户欢迎。\n\n### **用户留存**\n观察用户在初次使用后，是否再次返回使用产品，以及他们返回的频率。\n- **留存率计算**：按日、周、月计算留存率，观察用户返回使用产品的频率。\n- **生命周期分群**：按用户的首次使用日期分群，追踪不同群体的留存情况。\n- **留存曲线**：通过绘制留存曲线，分析用户流失的快慢和时点。\n\n### **转化率**\n评估用户完成设定目标（如注册、购买、分享等）的比例，以及这些转化事件与营销活动之间的相关性。\n- **定义转化目标**：明确何为转化（如注册、购买、订阅等）。\n- **转化漏斗分析**：建立用户从进入网站到完成转化的整个路径，分析在每个步骤的用户流失率。\n- **多渠道归因分析**：分析不同营销渠道对转化的贡献，优化营销策略。\n\n### **用户流失分析**\n识别在何种情况下用户停止使用产品，分析流失的原因。\n- **流失率计算**：定期计算流失率，监测流失趋势。\n- **退出访问**：通过发送退出调查问卷了解用户离开的原因。\n- **用户行为分析**：分析流失用户在离开前的行为模式，寻找可能的预警信号。\n- **流失预测模型**：使用机器学习技术根据用户行为预测潜在的流失用户。\n\n## 量化的业务成果指标\n用于衡量产品的整体业务表现和市场表现。\n提供了产品的经济效益和市场表现的宏观视角，帮助管理层制定战略决策，优化资源分配，并改进产品和市场策略。\n\n关键性能指标（KPIs）\n1. **日活跃用户数（DAU）**：\n    - **定义**：一天内至少使用一次产品的独立用户数。\n    - **计算公式**：计算一天内使用产品的独立用户总数。\n2. **月活跃用户数（MAU）**：\n    - **定义**：一个月内至少使用一次产品的独立用户数。\n    - **计算公式**：计算一个月内使用产品的独立用户总数。\n3. **平均每日使用时长**：反映用户每天在产品上花费的时间，是用户参与深度的指标。\n    - **定义**：用户平均每天在应用上的使用时长。\n    - **计算公式**：(某天内所有会话的总时长) / (该天的DAU)\n4. **留存率**：衡量特定时间段后用户仍然活跃的比例，是用户忠诚度和产品吸引力的指标。\n    - **定义**：新用户在首次使用后，在后续的某个时间点仍然继续使用产品的比例。\n    - **计算公式**：\n        - N日留存率 = （第N日仍在使用产品的用户数 / 第1日的新用户总数）* 100%\n5. **用户流失率**：反映用户停止使用产品的比例，是用户不满意或需求未被满足的指标。\n    - **定义**：在一定时间内停止使用产品的用户占先前活跃用户的比例。\n    - **计算公式**：(一定时间内流失的用户数 / 时间开始时的活跃用户总数) * 100%\n6. **用户获取成本（CAC）**：每获得一个新用户所需要的成本，是营销效率的衡量指标。\n    - **定义**：获得每个新增用户所需的平均成本。\n    - **计算公式**：(在特定时期内的营销和销售费用) / (同期内获得的新用户数)\n7. **平均收入每用户（ARPU）**：每个用户平均为产品带来的收入，是产品盈利能力的关键指标。\n    - **定义**：每个用户平均贡献的收入。\n    - **计算公式**：(特定时期内的总收入) / (同期的平均用户数)\n8. **客户终身价值（LTV）**：一个用户预期在其整个使用周期内为产品带来的总收入，是评估用户价值和预测未来收入的重要指标\n    - **定义**：预计一个客户在其与品牌的关系期间所能带来的总利润。\n    - **计算公式**：平均收入每用户（ARPU） × 平均客户关系期限\n\n\n## Google Analytics\n\n可以使用谷歌的登录数据，为登录用户设置标识符，消除不同设备的重复。\n\nAnalytics提供一种持久的方法来衡量客户与您的业务的互动，同时满足用户对隐私的期望。Analytics允许您通过匿名IP地址、禁用数据收集和设置数据保留期限等功能控制流入的数据。\n\n账户 - 属性 - 数据流\n一旦你确定了你想要衡量的用户群，就为这个用户群创建一个属性。然后为这些用户与您的业务交互的每种方式创建一个数据流。\n![](assets/image-20240415160517707.png)\n\n自动收集的事件：\nhttps://support.google.com/analytics/answer/9234069\n推荐的事件：\nhttps://support.google.com/analytics/answer/9267735\n\n\n发送事件的文档：\nhttps://developers.google.com/analytics/devguides/collection/protocol/ga4\n\n\n```yaml\nPOST /mp/collect HTTP/1.1\nHOST: www.google-analytics.com\nContent-Type: application/json\n\n```\n\n\n例如：\nPOST\n\nhttps://www.google-analytics.com/mp/collect?api_secret=u0MOSy0xSAW3Hdum5dJdZw&measurement_id=G-E3HBR57W4H\n\n```json\n{\n    \"client_id\": \"117958\",\n    \"non_personalized_ads\": true,\n    \"events\":[\n        {\n            \"name\":\"login\",\n            \"params\":{\n                \"version\":\"1.0.0\",\n                \"time\":\"2024/4/15\"\n            }\n        }\n    ]\n}\n```\n"
}