常见用户行为分析模型2

用户分群

用户分群是什么

用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

与漏斗分析的区别

漏斗分析关注阶段差异，用户分群关注群体差异，通过漏斗分析可以看出用户在不同阶段表现出来的行为是不同的， 譬如新用户的关注点在哪里？已购用户什么情况下会再次付费？ 但是由于群体的特征不同行为也会有很大的差别，将一定规律特征的用户群体进行归类，然后在继续观察这个群体的具体行为，这个是用户分区的原理

普通用户分群与预测分群

用户分群分为普通分群和预测分群 。普通用户分群是依据用户的属性特征和行为特征进行分类，预测分群是通过对用户以往的行为特征，运用机械学习算法预测将来用户将来会发生某些事件的概率。

普通用户分群——分析用户属性与行为特征

以直播产品行业为例。高黏性与高频消费用户的行为观察是产品经理和运营人员工作重点。

例如某运营人员可以筛选出过去30 天内、等级 10 级以上、有“留言”和“点赞”行为，并且付费礼物送出次数超过 10 次的用户，视其为高黏性且高频消费用户，对其进行分群定义后展开数据分析。

通过高黏性与高频消费用户近期的行为观察不同用户群体近期的行为表现，从而可以看出该用户群体的人均观看时长与其他用户存一些差别，如高频花费用户与非高频花费用户观看时长人均值对比。

预测用户分群——通过机器学习算法预测事件概率

互联网金融产品常常会用到预测用户分群的功能。互联网金融客户按照风险投资偏好这一属性分为保守、稳健和激进，按照投资行为可分为已投资和未投资。

运营人员可以根据这一属性和行为将满足某种条件的用户群体提取出来，譬如激进型但未投资的这群用户，然后分析这一群体的行为特征从而优化产品促进用户投资，或者根据其浏览的项目页面推荐用户可能会感兴趣的项目。