面向精确营销的用户行为分析模型研究与应用

『壹』 如何通过应用统计进行用户行为分析，在APP做到精细化运营

问题比较泛，只能粗略回答了 ：） 一、精细化运营的目标 比如说你的产品只是个工具，那恐怕谈不上过多的精细化运营，一般做好常规的用户行为分析、再配合用户定性研究，用于指导产品的设计即可；如果是内容型产品，或者功能和内容兼具的产品，那确实需要考虑。 2.设计统计框架 假设用户在你的app上会频繁进行交互和使用功能，同时还会浏览或者产生内容，那么需要在产品设计的同时，把你的统计框架设计好。 二、简要的操作流程 1.数据采集首先列出你需要的数据项，接着评估哪部分是需要APP上报的，哪部分是后台可以统计的，然后分别在前后台加上。一般来讲，APP上报采集的数据，在发布前一定要经过谨慎的校验和测试，因为一旦版本发布出去而数据采集出了问题，不仅之前的功夫都白做了，还会带来一大堆脏数据，同时还有可能降低客户端的运行效率，得不偿失。 2.数据整理数据采集完之后，需要将各种原始数据加工成为产品经理需要的直观的可看数据，这里需要做一些基本的数据逻辑关联和展示，就不赘述了。 3.数据分析按照一开始设计的统计框架，你可以很清楚的看到自己需要的数据了。 当然以上只是基础得不能再基础的分析，再深入一点的，例如你拿到这些数据，可以分析使用A功能的用户同时还喜欢B功能，二者关联性较强，是否可以在前端设计时更多的考虑整合，或者界面上的调整；比如分析点击流，大部分用户访问或使用APP的路径是怎么样的，是不是把核心功能藏得太深了？再比如可以分析不同用户属性，比如男性用户和女性用户，他们在用户行为上是否有明显差异？等等。 不同产品的数据分析方式和模型差距非常大，没法一下子就说清楚。所以以上更多的是举例。 三、一些需要注意的原则 1.数据本身是客观的，但被解读出来的数据一定是主观的，同样的数据由不同的人分析很可能得出完全相反的结论，所以一定不能提前带着观点去分析（比如已经有了假设，再用数据去论证）； 2.APP采集数据，一定是优先级比较低的事情，不能因为数据的采集而影响产品的性能和用户体验，更不能采集用户的隐私数据（虽然国内很多APP并没有这么做）； 3.数据不是万能的，还是要相信自己的判断。

『贰』 微营销技巧之微商如何通过数据分析，找到精准客户

1. 先了解所从事行业的背景和行业信息；

2. 通过网络搜索分析行版业对手的优势；

3. 通过日常数据对自身进行定位，权确定自己的方向；

4. 通过网络指数定位用户群体和意向用户；

5. 通过网络知道和网络文库分析用户年龄和用户行为及搜索习惯；

6. 了解自己的优势，对比竞争对手优势，找到差异化；

7. 选择自己适合的平台，将自己优势和与竞争对手的不同展示在用户；

8. 市场推广方式进行，要符合用户的爱好和行为；

9. 通过网络经验和文库及论坛，解决用户需求，形成品牌和口碑；

10. 不断与用户交流及时解决他们的问题。

『叁』 分析消费者行为的理论模型有哪些

分析消费者行为的理论模型有：

一、AIDMA模型

AIDMA是消费者行为学领域很成熟的理论模型之一，由美国广告学家E.S.刘易斯在1898年提出。该理论认为，消费者从接触到信息到最后达成购买，会经历这5个阶段：

A: Attention（引起注意）——花哨的名片、提包上绣着广告词等被经常采用的引起注意的方法。

I: Interest （引起兴趣）——一般使用的方法是精制的彩色目录、有关商品的新闻简报加以剪贴。

D: Desire（唤起欲望）——推销茶叶的要随时准备茶具，给顾客沏上一杯香气扑鼻的浓茶，顾客一品茶香体会茶的美味，就会产生购买欲。推销房子的，要带顾客参观房子。餐馆的入口处要陈列色香味具全的精制样品，让顾客倍感商品的魅力，就能唤起他的购买欲。

M: Memory（留下记忆）—— 一位成功的推销员说：“每次我在宣传自己公司的产品时，总是拿着别公司的产品目录，一一加以详细说明比较。

因为如果总是说自己的产品有多好多好，顾客对你不相信。反而想多了解一下其他公司的产品，而如果你先提出其他公司的产品，顾客反而会认定你自己的产品。”

A: Action（购买行动）——从引起注意到付诸购买的整个销售过程，推销员必须始终信心十足。过分自信也会引起顾客的反感，以为你在说大话、吹牛皮。从而不信任你的话。

二、AISAS模型

AISAS模式是由电通公司针对互联网与无线应用时代消费者生活形态的变化，而提出的一种全新的消费者行为分析模型。营销方式正从传统的AIDMA营销法则（Attention 注意Interest 兴趣 Desire 欲望 Memory 记忆 Action 行动）逐渐向含有网络特质的AISAS发展。

1、Attention——引起注意

2、Interest——引起兴趣

3、Search——进行搜索

4、Action——购买行动

5、Share——人人分享

AISAS模式的转变。在全新的营销法则中，两个具备网络特质的“s”——search（搜索），share（分享）的出现，指出了互联网时代下搜索（Search）和分享（Share）的重要性，而不是一味地向用户进行单向的理念灌输，充分体现了互联网对于人们生活方式和消费行为的影响与改变。

(3)面向精确营销的用户行为分析模型研究与应用扩展阅读：

所谓消费者行为的研究是指研究个人，集团和组织究竟怎样选择、购买、使用和处置商品、服务、创意或经验以满足他们的需要和愿望。

消费者行为研究就是要研究不同消费者的各种消费心理和消费行为，以及分析影响消费心理和消费行为的各种因素，揭示消费行为的变化规律。

言之，消费者行为学的研究对象是各类消费者的消费行为产生和发展的规律。

三个基本问题：

1、消费支出及支出预算影响消费倾向的因素，消费倾向变化趋势；

2、消费者的消费结构，消费者的支出结构计划，消费结构变化规律及其影响因素；

3、购买产品的心理和具体行为。

三个应用问题：

1、企业根据消费者心理和行为制订营销原则和策略；

2、消费支出，消费结构，购买行为是否合理及其合理化的标准；

3、国家消费政策。

消费者行为指消费者对市场区位的反应和需求特征。中心地理论和空间相互作用模型均把消费者群体行为作为研究对象。

中心地理论假定消费者将趋于最近的一个可提供所需商品或服务的中心，即认为消费者行为符合经济人的准则；空间相互作用模型认定消费者行为与中心吸引力、距离的反作用和系统中其他中心的竞争等方面的影响紧密相关。

在消费者个体行为研究基础上发展起来的消费者行为理论，包括理论性、经验性、认识性途径。理论性途径是通过计算中心吸引指数，把任一特定中心归并到相应的区位类型，从而概括出消费者选择的空间结构。

经验性途径包括对贸易区、多目的的购物行为研究、影响购物行为的因素、对购物行为的限制、购物中心内的消费者活动特点等内容。认识性途径探讨消费者行为的感应方面，认为对可获的选择性的感应是消费者决策的最重要刺激因素。

参考资料来源：网络-消费者行为

『肆』 大数据技术中，关于用户行为分析方面的有哪些技术

做用户行为分析的基础是获得用户行为数据，例如用户页面停留时间、跳转来源等等。这些信息有些能直接拿到，有些是需要做一些计算才能拿到的。一般来说用户访问时的一些信息都是以日志的形式打到web容器的日志空间中去，这其中包含了最通用的一些访问信息以及一些自定义的日志打点。

题主提到了大数据技术中对用户行为进行分析，那么可以假定网站或者App的访问量是比较傲多的。由于系统流量比较大，计算维度又比较多，后续数据消费者的需求增长比较快，所以对计算分析平台有了一定的要求。具体表现为：
1.负载能力。流量增大以后带来的压力是多方面的，比如网络带宽的压力、计算复杂度带来的压力、存储上的压力等等。一般来说这些都是比较显而易见的，会对产生比较直接的影响，比如计算实时性下降、消息出现了堆积、OOM等等。为了解决这一现象，一般来说会选择一些分布式的框架来解决这个问题，比如引入分布式计算框架storm、spark，分布式文件系统hdfs等。
2.实时性。在系统资源捉襟见肘时消息的实时性会立即受到严重影响，这使得部分算法失效（例如对计算和收集上来的数据进行行为分析后，反馈到推荐系统上，当整体响应时间过场时会严重影响推荐效果和准确度）。对于这个情况来说可能会选择storm这种具有高实时性的分布式流式计算框架来完成任务。
3.系统管理和平台化相关技术手段。在大数据情景下，企业内数据环境和应用环境都是比较复杂的，用户行为分析应用不是一成不变的，那么就要求用户行为分析这种多变的应用在复杂环境中能有效生存，这包括算法数据材料的获得、系统运维、系统任务调度、系统资源调度等等，相关的技术很多时候要求团队自研，但也有ganglia、yarn、mesos这类开源系统可以参考或者直接使用。
4.数据链路。企业技术环境一般来说是非常复杂的，一层一层交错在一起，远不是一句MVC三层架构能够概括得了的，为了避免消息流通呈复杂的网状结构，一般会考虑应用服务化、企业服务总线（ESB）及消息总线来做传输，有兴趣的话题主可以网络一下这几个方向的技术和开源工具。
5.应用快速生成工具。我个人认为在大数据环境下应用都摆脱不了一个快速开发的要求，用户行为分析也是如此，这时候要考虑对接一些开源的分布式数据分析算法库而不是通过自己去实现，比如像spark ml，mahout这类的库用得好能减少很多工作量。

『伍』 你好，请问研究口碑对顾客行为的影响应该用哪个模型分析呢紧急求助，万分感谢！！

PRAC法则是口碑互动总裁杨飞在“2011中国企业微博论坛”上提出的，我从口碑互动官网上找到这个微博营销理论的具体内容，给你参考！
PRAC法则，是针对企业微博整合营销的理论。涵盖微博运营体系中的四个核心板块，分别是Platform（平台管理）、Relationship（关系管理）、Action（行为管理）、Crisis（风险管理）。在平台管理层面，PRAC法则倡导"2+N微博矩阵模式"，即以品牌微博、客户微博为主平台，补充添加运营领导员工微博、粉丝团微博、产品微博及活动微博；针对企业做微博时一直困惑的用户关系处理问题，PARC则梳理出粉丝关注者、媒体圈、意见领袖为主的"3G关系管理"群体；而对于行为管理，PARC系统介绍了引起注意、品牌推介等七类典型营销行为。

『陆』 用户行为分析有哪些比较好的公司

企业在选择用户行为分析工具时，大都不清楚如何选择适合自己业务的用户行为分析工具。笔者自己公司之前网站分析用网络统计APP分析用友盟，公司是做电商行业的，最近公司提出要精细化运营，用数据驱动业务增长，因此在10月份分别考察了国内做得比较出色的几家公司：数极客(阿里系)、神策数据(网络系)和GrowingIO(LinkedIn系)三家公司的用户行为分析产品。

我在选型过程中将各家公司的功能和服务对比文档进行整理，从团队背景和产品定位、数据接入方式、定量分析功能、定性分析功能、二次开发与数据应用、服务项目等六个主要方面深入对比数极客、神策、GrowingIO三大用户行为分析平台，希望能对有用户行为分析需求的企业在选择分析平台时有所帮助。
分享一篇比较全面的文章：国内主流新一代用户行为分析系统选型过程分享，请自己网络搜索。

『柒』 数据营销中的用户行为应该从哪几个方面入手

数据营销中的用户行为应该从以下方面入手：
第一：用户行为研究能干什么?
需求分析、产品评估、行为分析合三为一，就构成了企业或个人研究用户到底能干些什么?这三个部分缺一不可，缺乏任何一个，都无法构成最为基础的数据营销分析，否则，你做出来的产品是有缺陷的，是无法被用户所接纳的。
第二：用户研究的方法
用户研究方法主要分为两个部分：
1：定性分析
定性分析中的原理是要找到组成事物的最小元素，理清他们之间的相互关系，然后进行回答问题，如：Why、How等。它最重要的就是要进行语言、行为、使用的痕迹三个方面采集数据，最后进行数据的处理方法：分析、整理、归纳、拆解、理解和解释。它比较适合深度理解、挖掘和提供假设，但是缺陷就是无法推及总体。
2：定量分析
数据分析中的原理是指将实际问题转化为数字指标，用过解决数学问题获得答案，然后再进行回答问题，如：Who、What、When、Where、Which、How many、How much等。然后进行数据指标的采集，最后使用统计进行数据处理。不过它比较适合描述当前现象、假设的验证、解决边界比较清楚、较容易量化的问题。
比如说我们可以通过访谈法、焦点小组、脉络访查、竞品分析、卡片分类、用户模型、专家评估、认知走查、满意度评估、问卷调查、产品可用性测试、网站数据统计等用户研究的方法。
第三：用户研究方法在产品流程中的使用方法
第二点最后说到我们可以通过某些方法去研究用户，那么这些方法如何具体使用在产品研发过程中呢?这块就要针对四个点：
1：产品概念
访谈法、焦点小组、脉络访查、问卷调查、竞品分析、用户模型这五点是产品的概念，通过这五点我们可以发掘、验证、用户用户的需求，从而明确产品的最后设计目标，这也是产品研发过程中最重要的一环。
2：产品设计
可用性测试、卡片分类、合理性研究、认知走查、专家评估这五点是产品在设计中需要掌握的，用过这五点可以明确视觉及设计方案的确定，交互设计体验的方案评价及可用性分析。
3：产品研发
可用性测试、认知走查、专家评估这三点是针对产品在迭代开发过程中，不同版本的易用性问题等进行复查，它们是组成产品设计和研发过程中最需要的三个要点。
4：产品发布
在产品发布之后，企业需要进行调查问卷、满意度评估、用户访谈等了解产品在发布后用户的反馈、各个功能点的使用情况、新功能点的发掘及产品的推广策略等。这里就回到了第一点的用户行为研究能干什么了。

『捌』 什么是用户行为分析怎么做用户行为分析

第一个问题，什么是用户行为分析：
过去的用户行为分析普遍的问题是：分析不聚焦、采集不全面、开发周期长、完全依靠人工埋点、事后分析、维度单一、指标传统。

所以当下可以把用户行为分析定义为：基于用户生命周期管理模型、全面采集所有数据、事中分析、提前预测、实时多维组合、科学维度划分、自定义指标的分析。
第二个问题：怎么做用户行为分析
你提出这个问题，证明你可能暂时没有数据分析团队，或者数据分析团队尚不成熟和完善，所以需要开展数据分析工作的话建议是借助第三方的平台。
这一块业务目前国内已经相对成熟，也有很多不错的合作伙伴可以选择了，硅谷的明星公司可以选择Google Analytics或者Mixpanel等，不过我最推荐的还是国内的数极客。
具体如何开展，我个人的建议是：
选择采用AARRR模型的平台，通过对用户全程行为的跟踪，让我们在经营中运营中，拥有Acquisition(获客)、Activation(激活与活跃)、Retention(留存)、Revenue(收入)、Refer(二次传播) 全程数据分析功能。