银行用户行为分析要使用的6种分析模型

来源：天气早知道发布时间：2023-03-22 17:11

在产品的运营过程中，无论是产品、运营仍是市场团队，都希望能清晰地了解用户的行为路径，通过用户行为分析，优化用户体验，实现更精准的运营和营销。本文作者分享了银行用户行为分析要使用的6种分析模型，一起来看一下吧。

用户行为分析就是通过对这些数据进行统计、分析，从中发现用户使用产品的规律，并将这些规律与网站的营销策略、产品功能、运营策略相结合，发现营销、产品和运营中可能存在的问题，解决这些问题就能优化用户体验、实现更精细和精准的运营与营销，让产品获得更好的增长。

用户行为将用户做的每一件事都定义为一个事件，事件的串联便构成了用户的行为链。比如用户贷款、存款，这都是一个事件，在什么时间、什么平台上、哪一个用户ID、点击了什么产品、为什么点击购买按钮。这是一个完整的事件，也是对用户行为的一个定义，我们可以在网站或者是 APP 中定义千千万万个这样的事件。

在产品的运营过程中，无论是产品、运营仍是市场团队都希望能够清晰地了解其用户行为路径，从纷繁的用户行为中，寻找以下问题的答案：

用户从进入产品到离开都发生了什么？主要遵循什么样的行为模式？
用户是否按照产品设计引导的路径在行进？哪些步骤上发生了流失？
用户离开预想的路径后，实际走向是什么？
不同渠道的带来的用户，不同特征的用户行为差异在哪里？哪类用户更有价值？

有了这样的事件以后，就可以把用户行为连起来观察。用户首次使用手机银行后就是一个新用户，他可能要注册，那么注册行为就是一个事件。注册要填写个人信息，之后他可能开始搜索买东西，所有这些都是用户行为的事件。

用户行为可以用5W2H来总结：

一、用户行为数据的获取

用户的行为数据并不是收集越多越好，而是有针对性地从用户的需求角度出发，哪些行为数据对于我们分析用户有帮助，便于我们更快的解决用户需求问题，我们就收集哪种用户行为数据。这些数据可以帮助我们更好的了解用户，从而提升产品的设计与体验，优化自己的产品，提升产品与用户的交互效率。

用户所有的渠道做了些什么，在什么时间操作的，做了哪些操作，用户的基础信息等，不管仍是运营或是产品，我们需要掌握以下用户数据：

用户的基本信息：用户性别、用户年龄、用户职业、联系方式、爱好等。
用户常访问的页面、产品，用户的访问轨迹。
用户经常使用功能或者工具。
用户搜索的关键词汇。
用户长期集中在哪些时间使用。
用户从什么渠道来访问银行的产品。
用户购买了什么产品。
用户的消费情况。
用户长期浏览的内容哪种较多。
用户的使用时长。

用户行为数据的采集方式，一般采用埋点方式，分为无埋点和代码埋点。

无埋点是前端的一种埋点方式，在产品中嵌入SDK，最统一的埋点，通过界面配置的方式对关键的行为进行定义，完成埋点采集，这种是前端埋点方式之一。

代码埋点，这个也是目前使用的最多埋点方式，代码埋点分为前端代码埋点和后

端代码埋点，前端埋点类似于全埋点，也需要嵌入SDK，不同的是对于每个事件行为都需要调用SDK代码，传入必要的事件名，属性参数等等，然后发到后台数据服务器。

代码埋点是非常传统、非常普遍的方式，通过写代码去定义这个事件。在手机银行里监测用户行为数据的地方加载一段代码，比如说注册、滑动、填写信息等。

二、用户行为分析应用场景

有了用户行为数据之后，可以应用在哪些场景呢？

拉新：渠道分析、SEM分析、用户质量分析。
转化：新增用户注册转化、Push推送、产品使用过程转化（如产品推荐、贷款、理财）。
促活：用户停留时长、用户行为分布，比如活跃度分析可根据月活跃天数分为低中高活。
留存：用户留存分析。

三、用户行为分析模型

用户行为分析包括：行为事件分析、用户留存分析、漏斗模型分析、用户路径分析、分布分析、归因分析。

1. 行为事件分析

行为事件分析方法主要用于深度研究某行为事件，以及对产品的影响以及影响程度。

行为事件分析法具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，已被广泛应用。行为事件分析法一般经过事件定义与选择、下钻分析、解释与结论等环节。

事件定义与选择。事件描述的是，一个用户在某个时间点、某个地方、以某种方式完成了某个具体的事情。Who、When、Where、What、How是定义一个事件的关键因素。

针对某一具体行为，全面的描述、对比，针对其异常表象深度下钻分析各维度、确认导致该行为数据表现的原因。如贷款产品申请：同期对比分析，确认上个月是否有发生过，对比去年/上个季度/上月/上周/昨日的数据的相对表现。

多事件对比分析。对比登陆、点击产品、申请事件的数据是否存在徒增。通过对比多个事件，确认徒增现象发生的范围。

所以在三个方面分析：

监控程序是否异常？
在哪个产品的点击增加呢？-> 对应页面做了哪些调整？
是否增加了渠道引流；哪一部分用户群的播放量增加了？

交叉分析，用户自然属性（平台、性别、年龄、地域、教育学历、机型、消费能力）、行为属性（新增、回流、常活跃用户；）。

行为事件分析法来研究用户的具体操作行为对银行业务的影响，银行的运营团队可以追踪或记录用户的行为或业务过程，如用户注册、浏览理财产品页、转帐、存款等行为，通过研究与事件发生联系关系的所有因素来挖掘用户行为事件背后的原因、交互影响等因素。在用户行为数据分析中，事件是指用户操作产品的某个行为，即用户在产品内做了什么事情，转为描述性语言就是“操作+对象”。事件类型包括：注册、登陆、绑卡、实名认证、交易等。

通过事件分析我们可以准确了解产品内发生的事件量，根据产品特性合理配置追踪，轻松回答关于变化趋势、分纬度对比等问题，

例如：

某个时间段用户信用卡开户的数据、用户数？对比昨日提升了多少？
某个渠道的开户数是多少？第一季度排名前十的开户渠道是哪些？
信用卡绑卡的安卓和ios的占比分别是多少？

2. 留存分析

留存是衡量用户是否再次使用产品的指标，也是每一个app赖以生存的指标，能够反映任何一款产品健康度，是产品、运营、推荐效果的整体表现。如果一个app从来没有留存用户，那DAU将永远是新增用户，那么产品将无法运行下去，更别说新用户成本付诸东流。

留存用户：如果用户登陆后产生的交易行为，过了一个月又产生的相应的行为，即认定该用户为留存用户。

留存行为：某个目标用户完成了起始行为之后，在后续日期完成了特定的留存行为，则留存人数+1。留存行为一般与我们的目标有强相关性，我们在进行留存分析时，一定要根据自身业务的实际需要，确定高价值的留存行为，才能对产品的优化提供指导性建议。

保存率：是指“留存行为用户”占“起始行为用户”的比例，常见指标有越日保存率、7日保存率、次月保存率等。

贴合业务属性、精细化留存过程将对留存数据更有价值和指导意义。通过留存分析，能够剖析用户留在产品的原因，从而优化产品核心功能提升留存。

3. 漏斗分析

漏斗分析实质是转化分析，是通过衡量每一个转化步骤的转化率，通过转化率的异常数据找出有问题的环节并解决，进而实现优化整个流程的完成率。

漏斗分析是一套流程式的数据分析模型，通过将用户行为为起始的各个行为节点作为分析模型节点，来衡量每个节点的转化效果，一般通过横线柱状图呈现。漏斗分析能帮助我们清晰的地了解在一个多步骤的过程中，展示各个阶段的转化率，通过漏斗各环节相关数据的比较，能够直观的发现和说明问题所在，找出流失原因，提升转化表现。对于业务流程相对规范、周期较长、环节较多的流程分析，能够直观的发现问题。漏斗分析中我们需要清晰以下3个基本概念：