1. 用户行为序列概述

行为事件分析、漏斗分析、留存分析和分布分析这4个分析模型若分析结果为人群,点击分析结果可显示出用户详细信息列表。通过用户分群产生的用户数,同样可以点击获取用户详细信息列表。点击列表中任意单个用户可获取其中单个用户的历史行为记录,即用户行为序列。

需要注意的是,根据功能入口的不同,会以不同的方式确立当前行为序列的锚点,其规则如下:

  1. 通过“行为事件分析”进入时,锚点是满足筛选和分组条件下,分析目标的那个事件。
  2. 通过“漏斗分析”进入时,如果是选择的转化用户,则锚点是完成转化的那一系列关键事件;如果选择的是流失用户,则锚点是上一步转化的那一系列关键事件。
  3. 通过“留存分析”进入时,锚点是留存分析中满足筛选和分组的后续行为。
  4. 通过“分布分析”进入时,锚点是选定的时间区间内,满足筛选和分组的事件。

左侧分为两个区域,上侧为当前时间区间内的行为概览,支持对事件和时间区间的设置。下侧为该用户的行为列表,点击各个事件还可以看到相应事件的属性,点击上下箭头可以调整时间轴显示时间和事件,如下图。

时间轴上方为属性筛选控件,支持对展示的行为属性进行自定义,另外是全部展开展示/全部折叠展示方便操作。

点击行为统计,可以查看在当前时间区间内,可以看到该用户行为的比重,以饼图形式展示。

2. 典型应用场景

以电商网站为例,我们需要分析其核心转化流程中用户流失的原因。电商网站中一个典型的用户购买转化流程由如下几个事件构成:浏览页面、浏览商品、提交订单、支付订单,创建漏斗如下图。

我们发现用户在浏览商品后流失的比例较大,那么点击 a 处箭头可查看流失用户数,点击 b 处用户数可提取具体的用户列表信息,如下图。

进入用户列表,点击某个用户的id,查看当前用户的行为序列,可快速验证流失原因,如下图。

我们发现大量用户在反复浏览商品中,而没有产生购物行为,这说明用户没有找到真正满意的商品。这时可以根据用户历史行为进行商品的个性化推荐或者发放优惠券刺激其消费。

3. 功能应用示例

用户行为序列