服务类产品的用户行为分析方案

　　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。