常见用户行为分析模型解析（4）——用户行为路径分析模型

用户行为路径分析同样是重要的数据分析模型，它为企业实现理想的数据驱动与布局调整提供科学指导，对精准勾勒用户画像也有重要参考价值。用户访问APP／网络，如同参观画展，观众是感受和传达画展参展方和展品的目的受众体，图画的展现布局不同，每一位观众根据自身喜好形成特有的参观顺序。为让观众沿着最优访问路径前进，需要策展者结合观众需求进行布局调整。这种自主式的数据分析方法，让业务人员都能科学进行数据分析。

什么是用户行为路径？

用户路径分析，顾名思义，用户在APP或网站中的访问行为路径。为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。

以电商为例，买家从登录网站／APP到支付成功要经过首页浏览、搜索商品、加入购物车、提交订单、支付订单等过程。而在用户真实的选购过程是一个交缠反复的过程，例如提交订单后，用户可能会返回首页继续搜索商品，也可能去取消订单，每一个路径背后都有不同的动机。与其他分析模型配合进行深入分析后，能为找到快速用户动机，从而引领用户走向最优路径或者期望中的路径。

用户路径分析模型的价值

用户路径的分析结果通常以桑基图形式展现，以目标事件为起点／终点，详细查看后续／前置路径，可以详细查看某个节点事件的流向，总的来说，科学的用户路径分析能够带来以下价值：

第一，可视化用户流，全面了解用户整体行为路径；

通过用户路径分析，可以将一个事件的上下游进行可视化展示。用户即可查看当前节点事件的相关信息，包括事件名、分组属性值、后续事件统计、流失、后续事件列表等。运营人员可通过用户整体行为路径找到不同行为间的关系，挖掘规律并找到瓶颈。

第二，定位影响转化的主次因素，产品设计的优化与改进有的放矢。

路径分析对产品设计的优化与改进有着很大的帮助，了解用户从登录到购买整体行为的主路径和次路径，根据用户路径中各个环节的转化率，发现用户的行为规律和偏好，也可以用于监测和定位用户路径走向中存在的问题，判断影响转化的主要因素和次要因素，也可以发现某些冷僻的功能点。

用户路径应用场景

谈到用户路径的真实应用场景，许多企业通过第三方数据分析平台来实现，下面结合笔者实际工作中，所接触的企业案例的数据分析场景为例来介绍。

（注：因涉嫌商业机密，以下场景模拟真实应用场景而设，数据均为虚拟。）

中商惠民：启动APP后，为何只有 30 % 商超客户交易成功？

中商惠民是中国最大的社区O2O服务平台。在一次评估客户总体转化率过程中，通过漏斗分析发现，从登录惠配通APP后，提交订单的商超客户仅有 30 %，接下来可以通过用户路径客户流失的原因所在。通过用户路径分析模型，清晰展示了商超客户的动作走向，为判断客户流失原因重要方式之一。

图片来源：神策数据产品

中商惠民运营人员选取若干事件对客户购买路径进行深度分析。图中显示，用户登录APP后，约有40 %的客户会点击Banner，30 %的客户会直接进行商品搜索，约10%的用户会浏览商品列表，约 5 %的客户直接退出APP。

运营人员进一步看4类用户的提交订单的情况，直接进行“搜索商品”的用户进行提交订单比例最高，超过 90 % ；与其形成鲜明对比的是，尽管“点击Banner”是更多客户登录APP后的首选动作（约占总客户的40 %）但是这部分用户群体在浏览商品列表后，仅仅30%的用户提交订单，说明Banner内容布局有着比较糟糕的用户体验，则将此作为首选优化与改进的方向。

某电商：“未支付订单”超过30分钟自动取消，刺激用户支付

除了零售行业以外，用户行为路径在电商行业分析也应用广泛。某电商网站客户通过用户路径分析，看出有两条主要的路径：（图略，与上图效果类似。）

一是启动App-搜索商品-提交订单-支付订单；
二是启动App-未支付订单-搜索相似商品-取消订单。

通过第一条用户路径相关数值显示，客户提交订单后，大约75%的用户会支付，而高达25%的用户没有支付订单；第二条用户路径显然是一条有明确目的——为未最终敲定的商品而来的用户，因为在打开app后直奔“未支付订单”，但是路径中显示此用户再次“搜索相似商品”，这一行为可以判断客户可能存在比价行为，表明价格一定程度上影响了这部分用户的支付欲望，这是一批“价格导向”的客户。

对此，该电商运营人员采取针对性措施：

“未支付订单”超过30分钟则自动取消；
将支付页面附近放置优惠券领取。

当该电商新版本上线后，再次通过用户路径分析模型，发现客户在提交订单后，由于30分钟的时间限制，有更多的客户愿意立即支付订单；同时未支付订单大大降低，说明在支付支付页面附近放置优惠券的方式刺激到对价格敏感的客户。因此这也是一次很成功的改版。

总之，用户真实的选购过程是一个交缠反复的过程，每一个路径背后都有不同的动机。通过用户行为路径能够清晰看到用户行为特点与背后原因。若与其他分析模型配合，会产生更佳效果，通过数据分析能够快速找到用户动机，从而引领用户走向最优路径或者期望中的路径。