---
title: "用户行为跟踪与分析"
author: "Perrin Yong"
author_profile: https://www.pystone.net/profile/
published_by: "Perrin Yong"
canonical: https://www.pystone.net/notes/user-behavior-tracking-analysis/
type: note
content_role: unspecified
visibility: public
id_stability: rename-stable
source_path: "50-商业、产品、创业与组织/产品设计与用户分析/用户行为跟踪与分析.md"
content_hash: d5b18d80fca7eb42477a744ceff0007bcd36b9bc9bd38fee996c9b0de4d7c37a
knowledge_version: 224c990773de.5fa8af6e39fa
site_commit: 224c990773de166d23a886306577dd90379529ce
notes_commit: 5fa8af6e39fa3891d1b9b4832bfa6c4e0ecaaf0a
---
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。

# 用户行为跟踪与分析
## 用户参与和行为分析
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。

### **用户参与度**
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。
- **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。
- **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。
- **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。
- **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。

### **功能使用情况**
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。
- **功能访问频率**：统计每个功能的使用次数和使用用户数。
- **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。
- **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。
- **A/B 测试**：对不同功能变体进行测试，看哪些更受用户欢迎。

### **用户留存**
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。
- **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。
- **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。
- **留存曲线**：通过绘制留存曲线，分析用户流失的快慢和时点。

### **转化率**
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。
- **定义转化目标**：明确何为转化（如注册、购买、订阅等）。
- **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。
- **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。

### **用户流失分析**
识别在何种情况下用户停止使用产品，分析流失的原因。
- **流失率计算**：定期计算流失率，监测流失趋势。
- **退出访问**：通过发送退出调查问卷了解用户离开的原因。
- **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。
- **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。

## 量化的业务成果指标
用于衡量产品的整体业务表现和市场表现。
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。

关键性能指标（KPIs）
1. **日活跃用户数（DAU）**：
    - **定义**：一天内至少使用一次产品的独立用户数。
    - **计算公式**：计算一天内使用产品的独立用户总数。
2. **月活跃用户数（MAU）**：
    - **定义**：一个月内至少使用一次产品的独立用户数。
    - **计算公式**：计算一个月内使用产品的独立用户总数。
3. **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。
    - **定义**：用户平均每天在应用上的使用时长。
    - **计算公式**：(某天内所有会话的总时长) / (该天的DAU)
4. **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。
    - **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。
    - **计算公式**：
        - 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%
5. **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。
    - **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。
    - **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%
6. **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。
    - **定义**：获得每个新增用户所需的平均成本。
    - **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)
7. **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。
    - **定义**：每个用户平均贡献的收入。
    - **计算公式**：(特定时期内的总收入) / (同期的平均用户数)
8. **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
    - **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。
    - **计算公式**：平均收入每用户（ARPU） × 平均客户关系期限


## Google Analytics

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。

Analytics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。

账户 - 属性 - 数据流
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。
![assets/image-20240415160517707.png](/media/6ad332487ede88a18ade.png)

自动收集的事件：
https://support.google.com/analytics/answer/9234069
推荐的事件：
https://support.google.com/analytics/answer/9267735


发送事件的文档：
https://developers.google.com/analytics/devguides/collection/protocol/ga4


```yaml
POST /mp/collect HTTP/1.1
HOST: www.google-analytics.com
Content-Type: application/json

```


例如：
POST

https://www.google-analytics.com/mp/collect?api_secret=u0MOSy0xSAW3Hdum5dJdZw&measurement_id=G-E3HBR57W4H

```json
{
    "client_id": "117958",
    "non_personalized_ads": true,
    "events":[
        {
            "name":"login",
            "params":{
                "version":"1.0.0",
                "time":"2024/4/15"
            }
        }
    ]
}
```