作者：姜斌
越来越多的企业已经上架自己的app，企业及政府和客户都达成了一种社会共识：举手之间就应该完成业务办理。即便到了现在我们在银行、运营商线下网点可能还没有达成“转化率”概念，进店人数、取号人数、等待时长、办理时长、办结率，这些可能依然是闻所未闻的稀奇字眼，但是线下网点具备一个得天独厚的优势，那就是他们可以直面客户，他们可以感受到老年人关注的问题以及使用时碰到的主要问题，可以快速理解用户气愤的缘由，甚至还需要花费额外的精力去疏通着泪用户的情绪。这块丰盈的大草原一旦切换到互联网渠道，那么就只剩下一片干涸的土地，我们直面的是一堆奇奇怪怪的、形形色色、枯燥无比的埋点数据。所以我们对分析师的要求也是有层次要求的，不仅仅能做指标出数据还得能编写论据确凿的论点说明现况，还得基于用户思维和行为特征将用户进行合理分群，并能设计有针对性的营销和产品策略，最终由具有高解释性的算法并由产品进行封装向终端投放实现数据变现。
为了能用好行为数据需要至少四种角色相互配合，包括分析师、运营人员、算法师和产品经理。今天主要说明下行为分析师的分工及工作内容，当然一般正常情况下以下几个层次的工作内容都是由一个人完成的，同时这名分析师还得承担经营分析、指标预测、行为分析产品需求等工作，或者直白地说行为分析师往往是业务分析师工作之一，毕竟真正能玩透埋点数据的人并不多，同时要长期地积累各式行为分析案例后才能有一定的额外价值产出，即不拘泥于埋点本身而是为产品设计、客户运营提供更多科学指引。
第一层：指标设计
是的，我们在做埋点需求之前应该先大致了解我们想要什么指标，该指标设计的初衷是什么，验证哪些猜想，其中哪几条猜想可以推进产品改版，比如页面上是否应该提供一个专有名词的信息提示按钮，未曾转化用户点击后可以查看具体信息可供有疑惑的用户进行自助学习，所以我们需要演绎出用户迷糊时的行为特征，比如搜索该转悠名词，比如用户反复在即将完成转化前折返至前一夜眠并点击涉及该专有名词的模块，该模块的人均点击次数会高于其他模块，用户第二次转化时点击该模块的概率明显下降（因为他们get到了意思）、转化时间也明显的缩短，诸如此类的现因后果然后设计指标推演存在规模后，产品改进的方向也就逐步清晰了。当然还有常规的ptech、heart也是不可或缺的，他们完成了宏观层面的规模、趋势的量化性描述，分析总是先宏观再微观。
第二层：埋点设计
当你知道你想要得到机会结论需要诺干元数据支撑时，你就知道你要做哪些埋点了，如果企业内没有一个便捷、强大的分析工具，埋点指标设计将大幅缩小埋点覆盖范围，有的放矢地做埋点达到预期的结论即可，如果数据不够显著则说明论点的质量还不够，或补充其他事件或添加与结论可能强相关的属性。如果企业有设想将埋点数据纳入算法范围的话，可以适度放开“应埋则埋”的标准，也许哪个按钮的点击就和转化具有强相关性。基本掌握埋点标准后，分析师可以给埋点正名，通过管理办法、管理条例方式规范埋点采集流程、责权归属，确保有业务想做埋点就能正常使用。推广埋点亦是我们的职责。
第三层：概览设计
重复的取数并不是健康的分析模式，应当是想看数则信手捏来，想看趋势则概览中一览无遗。要达到这种水平就必须有一套简便、稳定、高效的分析工具支撑，而只有了不起的企业才会自上而下重视埋点数据分析和采购分析工具，在业务办理结果是1时候其实会有很多种办结的层次，可能是十分费力地花了好久才转化，也可能是操作老手几秒办结，也可能是被营销广告或大额优惠券触动而转化，唯有行为数据可以将用户转化动机划分得更细，有更多东西值得深挖和研究，所以能有这种觉悟的企业绝非等闲之辈。分析师熟练掌握数据查询、配置规则，应对复杂统计需求也都能一一化解，甚至机遇工具下载的数据通过其他软件实现论证或可视化。
第四层：体验诊断
此时我们已经获取了常规指标和趋势图表，也清楚已经具备的埋点范围和采集准确性，那么我们就可以直面用户的内心世界了，是的让我们以第一人称视角感受用户在与页面交互时的所思所想，一探产品设计缺陷的究竟。假设产品x的流程是abcd四步，我们挑选抵达d的用户反观他们转化的完整路径，为何只看触发d的呢，因为他们理论上不存在需求不强烈的问题，用户操作abc不转化也可能和他的意愿度不够强烈有关所以我们需要合理规避这个不可量化变量仅对完成转化用户进行研究，用户可能存在abababcd，也可能是a离开abc离开abcd，真正做到abcd的基本都是形成转化肌肉记忆的老户。反复点击或者点击前耗时过久的交互控件存在问题，用户理解遇到了分歧或无解以至于路径愈发复杂。当然另一个了解方法就是做竞品调研，体验好不好有时候并不需要数据验证。
第五层：产品设计
好的产品是有温度的，而且应该全局整齐划一，尊重弱势群体、摆脱固有思维约束可以让客户感受到被在乎、被重视，这需要非常多的分析经验，我们终将成为这样的人。
文章来源：知乎