为什么你刷抖音会上瘾?全是这个数据分析模型惹的祸

文 | 商业智能BI相关文章 阅读次数:5,006 次浏览
2022-07-25 16:33:57

为什么女人总爱逛街却什么也不买?为什么总有人喜欢晚上看淘宝?为什么有人总会买一些永远用不上的物品?为什么刷抖音总会上瘾,停不下来?

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

这些问题可能很多人都有过疑惑,但是在数据分析人的眼中,这些现象都可以溯源到一个本质上——用户行为事件

你为什么上瘾?

“如果商业是一场战争,那么用户就是这场战争的绝妙武器。”

这句话估计很多人都听过,用户对于商业营销的重要性不言而喻;而对于数据分析而言,用户也是我们最关键和最重要的分析对象,用户就是钱口袋。

那么我们从用户行为模型的角度看一下,为什么你会沉迷抖音不能自拔:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

抖音的用户行为路径其实与其他app和网站都是类似的,但是抖音在进行产品测试时,一定经过了ABtest的数据分析验证,才制定出了下面这几条能让人上瘾的产品策略:

1、促进用户重复行为——15s的视频时长限制

想必你在刷抖音的时候经常会反复观看同一个短视频,这是因为抖音视频将时长限制在 15 秒,通常不能完整的呈现一段配乐和内容;

因此会给人一种戛然而止的感觉,很多人会不由自主地多看几遍,甚至会对这些并不完整的视频记忆深刻。

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

2、提前预知用户感知——自动循环播放

抖音里的视频播放,其中一个重要的交互就是自动循环播放。

因为我们的大脑,会先接收到抖音视频的音乐和图像,接着才会去理性思考:这个视频讲了啥?我接下来要点赞还是要刷走它?

像抖音视频的自动循环播放,微信朋友圈里的小红点,更多 app 使用的那些色彩鲜艳、灵动漂浮的图标,都在人们“猝不及防”的情况下收割了注意力和时间。

3、用户积极反馈机制——红心点赞

在抖音里面,短视频通常会以短平快的积极反馈机制刺激你的大脑,让你在短时间内与视频做出交互反应:

比如红心点赞,这些颜色和出现的形式,可以及时给到点赞者一个积极的反馈,让人感觉点赞也是一件开心的事情。

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

这就是研究用户行为的魅力所在,而抖音已经满足了上面的这些要素,正在给用户带来不同程度、无法摆脱的奖赏和刺激,让一些人“行为上瘾”。

用户模型的魅力

其实所谓的用户行为模型,并不复杂、也不深奥,大家经常见到的路径模型、漏斗模型、RFM模型等等都是用户行为模型的例子。

比如用来分析用户某个行为特征路径,并找到其每个动作背后的行为逻辑的用户路径模型:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

比如通过异常来追踪用户的某个行为或者业务过程的漏斗模型:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

比如通过对用户的购买行为进行画像分析,并对用户实现分层的RFM模型:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

下面我们就以漏斗模型为例,教大家怎么针对用户行为进行漏斗分析:

某购物APP最近的交易量明显下降,运营人员找不到原因,我们该怎么从用户角度去诊断异常数值呢?

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

最简单的方法就是根据用户行为数据建立事件模型,很多人可能第一时间想到的都是使用excel,将数据导入excel表格当中建立一些分析图表,例如:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

然而现实情况是,大多数用户行为数据都是散落在各个业务系统当中,可能存在多个数据源、多个指标体系、多个数据表当中,excel面对这样庞杂而混乱的数据是非常难以处理的;

而且对于用户分析而言,excel普通的图表无法实现对用户行为的追踪,更不可能根据用户行为实现异常诊断,那么有没有什么办法可以解决这两个困难呢?

答案揭晓——使用专业的BI分析工具。例如数据分析当中比较专业的FineBI这类工具,下面我们将用FineBI进行一次完整的用户行为模型分析:

1、数据导入

首先Finebi的一大优点就在于对数据源的管理,FineBI是可以支持链接多个数据源和支持多数据形式导入,比如excel、数据库形式、Oracle、SQL等等;

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

此外FineBI还比较友好地一点在于可以通过建立不同的业务包,管理不同类型的数据,或者根据自己的需求,对不同的数据进行管理。

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

2、数据清洗

excel当中难以解决的数据清洗工作,其实在FineBI当中只需要通过编辑字段即可完成,比如常见的过滤功能、分组汇总功能、新增列、排序功能、合并功能等等;

我们在这一步只需要将所有数据当中的脏乱差数据进行去除,并且按照平台的维度进行分类汇总即可:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

3、可视化操作

清洗完数据之后我们就可以在FineBI当中的仪表板操作界面进行可视化步骤了,比excel更加方便的是,FineBI已经将各种可视化功能进行了集合,因此只需要拖动字段名到横纵坐标轴,选择合适的图表类型即可:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

因为我们想要看一下用户在不同阶段的行为特征数据,因此我们在图表类型当中选择漏斗图类型,这时候右侧的图表类型即可自动变化:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

这时候我们发现,漏斗的样式似乎不是我们想要的样子,这是因为默认情况下,FineBI当中图表的字段排序是按照首字母排列的,而我们显然是不想要这样排序的,因此我们可以选择自定义排序:

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

然而,为了更高地体现在不同阶段用户的一个流失行为数据,我们最好将原数据表当中的UV与PV计算为“转化率”,在excel当中我们可能需要编写一个函数,而在FineBi当中我们只需要点击对应的指标,选择计算方式,其中包含了大多数常见的快速计算方式。

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

4、分析结论

通过一个简单的用户漏斗行为模型,我们很明显地可以看出来:

(1)从浏览商品到添加购物车这个阶段的流失率是最大的,这是很正常的情况,大多数人添加购物车之后不会全部付款;

(2)而比较异常的情况是,最后一个阶段从交易到付款成功竟然也存在较大的流失,这种情况是不正常的,说明很可能是用户在付款时遇到了问题,比如功能BUG等,建议告知产品测试进行优化;

总结

FineBI这种专业数据分析工具的好处,就是可以轻松建立各种复杂的数据模型,任何FineBI的初学者都可以学习掌握,即使不懂你也可以把该模板直接复制使用。

值得强调的是,行为事件分析方法是多种数据分析模型之一,它与其他分析模型存在无法割裂的关系。

只有各分析模型实现科学互动和配合,能够科学揭示出用户个人/群体行为的内部规律,并据此做出理论推导,不断在工作实践中优化商业决策和产品智能。

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

数据分析模型,抖音上瘾,用户模型,用户行为模型,用户行为漏斗分析

FineDataLink更多介绍: https://www.finedatalink.com/

相关内容

申请体验 申请体验

在线客服

电话咨询

技术问题

投诉入口

返回顶部