SaaS服务类产品,如何做好用户行为分析?
![](https://image.woshipm.com/wp-files/2020/03/G4BsF2jkTMSaiouIoX2v.jpg!/both/32x32)
![](http://image.woshipm.com/wp-files/img/85.png)
SaaS服务类产品做好用户行为分析,需依据业务需求,对数据采集、数据仓库、分析模型进行设计和创建。
对办公OA、销售营销、人力资源、法务服务、财务税务等SaaS服务类企业而言,如何准确分析不同渠道销售线索效果,产品方案对客户/用户的真实价值,网站/H5界面的客户友好度等, 都将极大的影响到客户的生命周期价值。
下面通过流程图的方式,梳理一下应该如何做好SaaS类产品的渠道评估、用户行为分析,以实现精准营销、精细运营、产品调优。
用户数据分析的目的是驱动业务增长,那么其核心是围绕用户搭建数据流、数据仓库与数据分析模型。
一、抓住用户数据流
也即用户与企业、产品的交互过程中产生的数据,因为交互节点不同,可以通过用户进入的逻辑线,对应出用户数据流。
比如用户点击企业SEM的关键词进入公司官网网站,在网站里浏览博文,最后提交了产品试用的申请,提交的联系信息进入了企业的CRM系统,又由销售联络跟进,并为用户开通了试用账号,用户开始登录产品平台,进行产品试用。
有些用户进入试用后会主动探索各个功能模块,有些用户粗略的查看产品之后就会关闭窗口很长时间不打开。
整个这个环节中,用户完成了“搜索-点击访问-浏览网站-试用申请-登录试用-购买决策”的完整过程,很容易能够看出来,用户的数据流并不是天生会被记录或者能够应用的,而是需要在各个环节进行前期的“数据设计”。
为了比较普适的说明,我们将刚才“搜索-点击访问”的环节统一为“渠道推广吸引用户访问”。
在进行数据设计过程中,可以通过UTM参数,对渠道来源进行标记;对于用户在网站里的浏览行为、申请试用行为,可以通过可视化埋点、前端埋点、后端埋点的方式进行数据采集;试用开通登录后,用户在产品系统里的操作序列,除了埋点方案,还可以通过服务器端数据传输工具的方式,进行数据收集。
做完数据设计和数据采集的部署之后,就能够对用户的来源、试用前行为、试用后在产品里的行为进行细致分析,从而找到最好的推广渠道、网站优化方案、产品优化和用户试用引导方案等。
二、构建统一数据仓库
但是从渠道来源到网站访问数据到产品试用数据,数据的来源与存储都不同,所以在进行数据采集设计之后,还需要规划好数据存储方案,构建统一数据仓库。
最好的方法是,对不同来源的数据进行统一标定,集中存储在同一个基于分布式框架的数据仓库中,以保证分析时对于超大容量数据的实时分析响应。
除了建立统一存储,数据结构方面,可以将所有数据划分为用户属性数据和用户事件数据,分别存在“两张表”中。
- 用户属性数据记为User,比如性别、id、设备号、城市区域、ip号等信息,用于用户区分、用户分群。用户事件数据记为Event,比如进入官网、浏览博客、点击试用、填写信息未提交退出等用户事件。
- 记录事件信息需包含谁(who)在什么时间(when)在哪里(where)以什么方式(how)做了什么事情(what)的完整记录。
在建立好统一的数据仓库与数据模型后,就可以根据业务需要,灵活的创建分析模型调用、分析数据了。
三、根据业务需求创建数据分析模型
数据分析模型有非常多种,但作为市场、运营、产品人员,都不应该忙于学习最全的数据分析模型,而是应该从业务需求出发,灵活创建分析模型。
对于SaaS类公司最基本的业务需求:商机获取、商机转化、客户复购、客户推荐。
对于商机获取,通过渠道转化漏斗对不同渠道转化效率进行分析。
对于商机转化,则需要对用户进行分群,对用户行为事件进行细致分析,寻找用户在签单之前的关键行为,也可单独对每个试用用户的使用行为序列进行分析,并针对性开展用户交流。
复购情况,除了对用户使用产品的行为进行深度下钻分析,进行产品调优、升级外,还需要搭建客户成功团队,做好顾问式服务。
针对这些业务需求,一些常用的分析模型就有漏斗分析、留存分析、用户路径分析、用户行为序列、用户点击热点等。
作者:韩进
题图来自 Unsplash ,基于 CC0 协议