[實(shí)用方法][數(shù)學(xué)原理]
封面用研整編文章
在用戶分析領(lǐng)域，對(duì)用戶行為洞察的需求正盛。本文介紹常用的Session分析方法，及10種常用的統(tǒng)計(jì)分析方法。
數(shù)據(jù)分析應(yīng)該以業(yè)務(wù)場(chǎng)景為起始思考點(diǎn)，以業(yè)務(wù)決策作為終點(diǎn)?；舅悸窞?步，首先要挖掘業(yè)務(wù)含義、制定分析計(jì)劃、從分析計(jì)劃中拆分出需要的數(shù)據(jù)、再根據(jù)數(shù)據(jù)分析的手段提煉業(yè)務(wù)洞察，最終產(chǎn)出商業(yè)決策。
其中，Session是一種專業(yè)的數(shù)據(jù)分析。對(duì)于有數(shù)據(jù)驅(qū)動(dòng)意識(shí)的互聯(lián)網(wǎng)人來(lái)說(shuō)，這并不陌生。Session 即會(huì)話，是指在指定的時(shí)間段內(nèi)在產(chǎn)品上發(fā)生的一系列互動(dòng)。例如，一次會(huì)話可以包含多個(gè)頁(yè)面的瀏覽、事件、互動(dòng)和交易。
Session分析可以幫助我們對(duì)用戶的這一系列互動(dòng)進(jìn)行深入洞察，從不同的角度去探索用戶的行為動(dòng)機(jī)、偏好，甚至是無(wú)意識(shí)行為。
Session：解決用戶分析中的“線”型難題——有何意義？
人們往往最熟悉事件分析模型，且用戶行為事件往往以“點(diǎn)”的方式呈現(xiàn)，即某人在什么時(shí)間什么地點(diǎn)干了一件什么樣的事，也就是我們熟知的 4W1H 模型：Who、When、Where、How、What。
王小明昨天下午在電商網(wǎng)站通過(guò)個(gè)性化推薦買了一雙 NIKE 球鞋，張小花今天十點(diǎn)在融 360 上注冊(cè)后領(lǐng)取了新人基金，某白領(lǐng)晚上六點(diǎn)在五道口區(qū)域掃碼一輛摩拜單車并報(bào)修了它……
基于這樣用戶角度的行為記錄，產(chǎn)品方可以知道他們的用戶都具體干了什么事情。并對(duì)自己的產(chǎn)品做出精細(xì)化運(yùn)營(yíng)，但是，還有一些需求，是不能通過(guò)“點(diǎn)”來(lái)描述的，比如：
——用戶平均會(huì)來(lái)幾次？
——每次平均逛了幾個(gè)頁(yè)面？
——每次來(lái)平均待多久？
——某個(gè)具體頁(yè)面用戶平均停留多長(zhǎng)時(shí)間？
這些需要把用戶的單點(diǎn)行為串聯(lián)起來(lái)形成一個(gè)整體，并在此基礎(chǔ)上進(jìn)行計(jì)算后才能得到的數(shù)據(jù)分析需求，更像是一條“線”。而 Session 分析的最大意義，就是解決用戶分析中的“線”型難題，從不同角度指導(dǎo)精細(xì)化運(yùn)營(yíng)與商業(yè)決策。
如何用Session分析支持工作？
如果根據(jù)定義，Session 的關(guān)鍵點(diǎn)顯然是：多長(zhǎng)時(shí)間內(nèi)用戶做了什么事。
1：Session切割時(shí)間
假如王小明打開某企業(yè)官網(wǎng)了解信息，點(diǎn)擊了 DEMO 按鈕，并進(jìn)行了注冊(cè)試用行為，然后就被領(lǐng)導(dǎo)叫去開會(huì)，四十分鐘后又跑回來(lái)繼續(xù)瀏覽頁(yè)面，這是幾個(gè) Session？。
這要看數(shù)據(jù)分析工具的 Session 切割規(guī)則，通常來(lái)講，Web 產(chǎn)品建議切割時(shí)間為 30 分鐘，APP 產(chǎn)品建議切割時(shí)間為 1 分鐘，比較符合用戶的使用習(xí)慣。當(dāng)然規(guī)則是活的人也是活的，可以根據(jù)產(chǎn)品的業(yè)務(wù)形態(tài)變更。所以王小明兩次瀏覽頁(yè)面的時(shí)間超過(guò)了 Web 端的 30 分鐘，被記錄為兩個(gè) Session。
2：Session事件
Session 記錄什么事件，取決于需要關(guān)注的用戶行為。如果 Session 事件只包含了注冊(cè)行為（核心事件），那王小明的行為將會(huì)被記錄為一個(gè) Session。如果包含瀏覽頁(yè)面，則會(huì)被記錄為兩個(gè) Session。
那么Session分析究竟可以分析什么？
1：平均訪問(wèn)時(shí)長(zhǎng)
平均訪問(wèn)時(shí)長(zhǎng)是指在一定統(tǒng)計(jì)時(shí)間內(nèi)，瀏覽網(wǎng)站的一個(gè)頁(yè)面或整個(gè)產(chǎn)品時(shí)用戶所逗留的總時(shí)間與該頁(yè)面或整個(gè)產(chǎn)品的訪問(wèn)次數(shù)的比。
平均訪問(wèn)時(shí)長(zhǎng)越久，證明 Web/APP 越有吸引力，如果用戶停留的平均時(shí)間非常低，那么可能內(nèi)容不夠有趣，或界面優(yōu)化較差，真正有價(jià)值的內(nèi)容無(wú)法吸引用戶，影響用戶體驗(yàn)。
2：平均交互深度
平均交互深度和平均訪問(wèn)深度定義雖有差別，意義卻很相似，都是衡量 Web/APP 質(zhì)量的重要指標(biāo)，可以幫助企業(yè)了解頁(yè)面內(nèi)容的價(jià)值，功能是否滿足用戶需求，指標(biāo)的具體意義需要依照業(yè)務(wù)進(jìn)行判斷。
3：跳出率
跳出率和退出率是不同的概念。
跳出率=只瀏覽了一個(gè)頁(yè)面就退出的次數(shù)/訪問(wèn)總次數(shù)，表現(xiàn)了用戶什么都不做就從當(dāng)前頁(yè)面離開的百分比。
退出率=用戶從某一頁(yè)面退出網(wǎng)站的次數(shù)/該頁(yè)面的瀏覽總次數(shù)，表現(xiàn)了用戶從當(dāng)前頁(yè)面離開的百分比。
跳出率通常用于評(píng)估網(wǎng)站的用戶體驗(yàn)，可以用于指導(dǎo)網(wǎng)站以及頁(yè)面的改善，衡量的是該頁(yè)面作為用戶的落地頁(yè)，吸引用戶的程度。通常意義上，跳出率過(guò)高，代表網(wǎng)站對(duì)訪問(wèn)者的吸引率很低，網(wǎng)站/APP 功能得不到用戶垂憐，公司豈不是做了無(wú)用功？但是這也不是絕對(duì)的，有些訪問(wèn)被算作跳出，但并不一定是負(fù)面的，例如用戶按照你的引導(dǎo)點(diǎn)擊外鏈跳轉(zhuǎn)到你的新網(wǎng)站，為新網(wǎng)站拉新。具體場(chǎng)景需要具體分析。
退出率則應(yīng)用更為廣泛和靈活，一般用來(lái)衡量一個(gè)頁(yè)面的內(nèi)容是否滿足用戶需求，或者引導(dǎo)是否合理，因頁(yè)面不同，意義也不同。每一個(gè)頁(yè)面都可能成為退出頁(yè)面，重要的在于，這個(gè)頁(yè)面是不是關(guān)鍵流程頁(yè)面，用戶應(yīng)不應(yīng)該退出。
如何測(cè)量跳出率呢？
Session 分析是對(duì)一段時(shí)間內(nèi)用戶的操作（行為事件）進(jìn)行分析，如果一個(gè) Session 中只有一個(gè)事件（如瀏覽頁(yè)面），即視為用戶跳出。整體跳出率就是用跳出的Session 數(shù)/Session 總數(shù)，具體事件或頁(yè)面的跳出率可以通過(guò)維度進(jìn)行篩選。
當(dāng)用戶從某個(gè)頁(yè)面結(jié)束了 Session，即視為用戶退出。頁(yè)面退出率就是用頁(yè)面的退出總次數(shù)除以該頁(yè)面瀏覽總次數(shù)。
4：Session轉(zhuǎn)化分析
用戶分析中，有一個(gè)非常典型的分析需求是需要知道不同渠道帶來(lái)的注冊(cè)、購(gòu)買等轉(zhuǎn)化情況，該需求本質(zhì)上，就是需要界定 Session，然后按渠道屬性查看注冊(cè)、購(gòu)買等事件的轉(zhuǎn)化數(shù)量。
5：用戶路徑
在業(yè)務(wù)流程中，了解用戶的行為路徑，有助于我們找到用戶大量流失的環(huán)節(jié)，衡量網(wǎng)站營(yíng)銷推廣效果。產(chǎn)品經(jīng)理可以據(jù)此將用戶行為流與初步設(shè)想進(jìn)行對(duì)比，完善功能，優(yōu)化用戶體驗(yàn)。
使用用戶路徑分析，設(shè)定起始事件與 Session 切割時(shí)間，可以觀察一個(gè) Session 內(nèi)用戶的行為流。
路徑分析怎么做呢？
用戶路徑的分析結(jié)果通常以桑基圖形式展現(xiàn)，以目標(biāo)事件為起點(diǎn)／終點(diǎn)，詳細(xì)查看后續(xù)／前置路徑，可以詳細(xì)查看某個(gè)節(jié)點(diǎn)事件的流向，總的來(lái)說(shuō)，科學(xué)的用戶路徑分析能夠帶來(lái)以下價(jià)值：
第一，可視化用戶流，全面了解用戶整體行為路徑：
通過(guò)用戶路徑分析，可以將一個(gè)事件的上下游進(jìn)行可視化展示。用戶即可查看當(dāng)前節(jié)點(diǎn)事件的相關(guān)信息，包括事件名、分組屬性值、后續(xù)事件統(tǒng)計(jì)、流失、后續(xù)事件列表等。運(yùn)營(yíng)人員可通過(guò)用戶整體行為路徑找到不同行為間的關(guān)系，挖掘規(guī)律并找到瓶頸。
第二，定位影響轉(zhuǎn)化的主次因素，產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)有的放矢：
路徑分析對(duì)產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)有著很大的幫助，了解用戶從登錄到購(gòu)買整體行為的主路徑和次路徑，根據(jù)用戶路徑中各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，發(fā)現(xiàn)用戶的行為規(guī)律和偏好，也可以用于監(jiān)測(cè)和定位用戶路徑走向中存在的問(wèn)題，判斷影響轉(zhuǎn)化的主要因素和次要因素，也可以發(fā)現(xiàn)某些冷僻的功能點(diǎn)。
常用的統(tǒng)計(jì)分析方法論
在數(shù)據(jù)分析的背后，我們需要用科學(xué)的數(shù)學(xué)方法來(lái)支撐，我們與大家一起復(fù)習(xí)一下10種最常見的分析理論。最常用到的是描述性統(tǒng)計(jì)，同時(shí)，相關(guān)分析、聚類分析、時(shí)間序列分析等方法出鏡率也相當(dāng)高。
1：描述性統(tǒng)計(jì)
描述性統(tǒng)計(jì)是通過(guò)圖表或數(shù)學(xué)方法，對(duì)數(shù)據(jù)資料進(jìn)行整理、分析，并對(duì)數(shù)據(jù)的分布狀態(tài)、數(shù)字特征和隨機(jī)變量之間關(guān)系進(jìn)行估計(jì)和描述的方法。目的是描述數(shù)據(jù)特征，找出數(shù)據(jù)的基本規(guī)律。
描述性統(tǒng)計(jì)分為數(shù)據(jù)的頻數(shù)分析、集中趨勢(shì)分析、離散程度分析、數(shù)據(jù)分布及一些基本的統(tǒng)計(jì)圖形。
在日常的業(yè)務(wù)性分析中，描述性統(tǒng)計(jì)分析可以解決大部分問(wèn)題。
（1）數(shù)據(jù)的頻數(shù)分析：
在數(shù)據(jù)的預(yù)處理部分，我們利用頻數(shù)分析和交叉頻數(shù)分析來(lái)檢驗(yàn)異常值。此外，頻數(shù)分析也可以發(fā)現(xiàn)一些統(tǒng)計(jì)規(guī)律。比如說(shuō)，收入低的被調(diào)查者用戶滿意度比收入高的被調(diào)查者高，或者女性的用戶滿意度比男性低等。不過(guò)這些規(guī)律只是表面的特征，在后面的分析中還要經(jīng)過(guò)檢驗(yàn)。
（2）數(shù)據(jù)的集中趨勢(shì)分析：
數(shù)據(jù)的集中趨勢(shì)分析是用來(lái)反映數(shù)據(jù)的一般水平，常用的指標(biāo)有平均值、中位數(shù)和眾數(shù)等。各指標(biāo)的具體意義如下。
平均值：是衡量數(shù)據(jù)的中心位置的重要指標(biāo)，反映了一些數(shù)據(jù)必然性的特點(diǎn)，包括算術(shù)平均值、加權(quán)算術(shù)平均值、調(diào)和平均值和幾何平均值。
中位數(shù)：是另外一種反映數(shù)據(jù)的中心位置的指標(biāo)，其具體方法是將所有數(shù)據(jù)以由小到大的順序排列，位于中央的數(shù)據(jù)值就是中位數(shù)。
眾數(shù)：是指在數(shù)據(jù)中出現(xiàn)頻率最高的數(shù)據(jù)值。
如果各個(gè)數(shù)據(jù)之間的差異程度較小，用平均值就有較好的代表性；而如果數(shù)據(jù)之間的差異程度較大，特別是有個(gè)別的極端值的情況，用中位數(shù)或眾數(shù)有較好的代表性。
（3）數(shù)據(jù)的離散程度分析：
數(shù)據(jù)的離散程度分析主要是用來(lái)反映數(shù)據(jù)之間的差異程度，常用的指標(biāo)有方差和標(biāo)準(zhǔn)差。方差是標(biāo)準(zhǔn)差的平方，根據(jù)不同的數(shù)據(jù)類型選用不同的計(jì)算方法。
（4）數(shù)據(jù)的分布：
在統(tǒng)計(jì)分析中，通常要假設(shè)樣本的分布屬于正態(tài)分布，數(shù)據(jù)的正態(tài)性離群值檢驗(yàn)，已知標(biāo)準(zhǔn)差時(shí)，用Nair檢驗(yàn)，未知標(biāo)準(zhǔn)差時(shí)，有Grubbs檢驗(yàn)，Dixon檢驗(yàn)，偏度-峰度法等。
其中常用的“偏度-峰度法”需要用偏度和峰度兩個(gè)指標(biāo)來(lái)檢查樣本是否符合正態(tài)分布。偏度衡量的是樣本分布的偏斜方向和程度；而峰度衡量的是樣本分布曲線的尖峰程度。一般情況下，如果樣本的偏度接近于0，而峰度接近于3，就可以判斷總體的分布接近于正態(tài)分布。
（5）繪制統(tǒng)計(jì)圖：
用圖形的形式來(lái)表達(dá)數(shù)據(jù)，比用文字表達(dá)更清晰、更簡(jiǎn)明。在SPSS軟件里，可以很容易的繪制各個(gè)變量的統(tǒng)計(jì)圖形，包括條形圖、餅圖和折線圖等。
2：假設(shè)檢驗(yàn)
假設(shè)檢驗(yàn)是數(shù)理統(tǒng)計(jì)學(xué)中根據(jù)一定假設(shè)條件由樣本推斷總體的一種方法。
具體做法是：
根據(jù)問(wèn)題的需要對(duì)所研究的總體作某種假設(shè)，記作H0；選取合適的統(tǒng)計(jì)量，這個(gè)統(tǒng)計(jì)量的選取要使得在假設(shè)H0成立時(shí)，其分布為已知。
由實(shí)測(cè)的樣本，計(jì)算出統(tǒng)計(jì)量的值，并根據(jù)預(yù)先給定的顯著性水平進(jìn)行檢驗(yàn)，作出拒絕或接受假設(shè)H0的判斷。
常用的假設(shè)檢驗(yàn)方法有u—檢驗(yàn)法、t檢驗(yàn)法、χ2檢驗(yàn)法(卡方檢驗(yàn))、F—檢驗(yàn)法，秩和檢驗(yàn)等。
3：方差分析
方差分析又稱“變異數(shù)分析”或“F檢驗(yàn)”，是R.A.Fisher發(fā)明的，用于兩個(gè)及兩個(gè)以上樣本均數(shù)差別的顯著性檢驗(yàn)。
由于各種因素的影響，研究所得的數(shù)據(jù)呈現(xiàn)波動(dòng)狀。造成波動(dòng)的原因可分成兩類，一是不可控的隨機(jī)因素，另一是研究中施加的對(duì)結(jié)果形成影響的可控因素。方差分析是從觀測(cè)變量的方差入手，研究諸多控制變量中哪些變量是對(duì)觀測(cè)變量有顯著影響的變量。
4：相關(guān)分析
相關(guān)分析是研究現(xiàn)象之間是否存在某種依存關(guān)系，并對(duì)具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度，是研究隨機(jī)變量之間的相關(guān)關(guān)系的一種統(tǒng)計(jì)方法。
常見的有線性相關(guān)分析、偏相關(guān)分析和距離分析。
相關(guān)分析與回歸分析在實(shí)際應(yīng)用中有密切關(guān)系。然而在回歸分析中，所關(guān)心的是一個(gè)隨機(jī)變量Y對(duì)另一個(gè)（或一組）隨機(jī)變量X的依賴關(guān)系的函數(shù)形式。而在相關(guān)分析中 ，所討論的變量的地位一樣，分析側(cè)重于隨機(jī)變量之間的種種相關(guān)特征。例如，以X、Y分別記小學(xué)生的數(shù)學(xué)與語(yǔ)文成績(jī)，感興趣的是二者的關(guān)系如何，而不在于由X去預(yù)測(cè)Y。
5：回歸分析
回歸主要的種類有：線性回歸，曲線回歸，二元logistic回歸，多元logistic回歸。
回歸分析的應(yīng)用是非常廣泛的，統(tǒng)計(jì)軟件包使各種回歸方法計(jì)算十分方便。
一般來(lái)說(shuō)，回歸分析是通過(guò)規(guī)定因變量和自變量來(lái)確定變量之間的因果關(guān)系，建立回歸模型，并根據(jù)實(shí)測(cè)數(shù)據(jù)來(lái)求解模型的各個(gè)參數(shù)，然后評(píng)價(jià)回歸模型是否能夠很好地?cái)M合實(shí)測(cè)數(shù)據(jù)。如果能夠很好地?cái)M合，則可以根據(jù)自變量作進(jìn)一步預(yù)測(cè)。
6：聚類分析
聚類分析主要解決的問(wèn)題是“物以類聚、人以群分”。比如以收入分群，高富帥VS矮丑窮；比如按職場(chǎng)分群，職場(chǎng)精英VS職場(chǎng)小白等等。聚類分析目前在用戶畫像研究中被廣泛應(yīng)用。
聚類的方法層出不窮，基于用戶間彼此距離的長(zhǎng)短來(lái)對(duì)用戶進(jìn)行聚類劃分的方法依然是當(dāng)前最流行的方法。
大致的思路是這樣的：
（1）首先確定選擇哪些指標(biāo)對(duì)用戶進(jìn)行聚類；
（2）然后在選擇的指標(biāo)上計(jì)算用戶彼此間的距離。
距離的計(jì)算公式很多，最常用的就是直線距離（把選擇的指標(biāo)當(dāng)作維度、用戶在每個(gè)指標(biāo)下都有相應(yīng)的取值，可以看作多維空間中的一個(gè)點(diǎn)，用戶彼此間的距離就可理解為兩者之間的直線距離。）。
（3）最后，聚類方法把彼此距離比較短的用戶聚為一類，類與類之間的距離相對(duì)比較長(zhǎng)。
常用的算法k-means、分層、FCM等。
7：判別分析
判別分析是從已知的各種分類情況中總結(jié)規(guī)律（訓(xùn)練出判別函數(shù)），當(dāng)新樣品進(jìn)入時(shí)，判斷其與判別函數(shù)之間的相似程度（概率最大，距離最近，離差最小等判別準(zhǔn)則）。
常用判別方法：最大似然法，距離判別法，F(xiàn)isher判別法，Bayes判別法，逐步判別法等。
注意事項(xiàng)：
（1）判別分析的基本條件：分組類型在兩組以上，解釋變量必須是可測(cè)的；
（2） 每個(gè)解釋變量不能是其它解釋變量的線性組合（比如出現(xiàn)多重共線性情況時(shí)，判別權(quán)重會(huì)出現(xiàn)問(wèn)題）；
（3）各解釋變量之間服從多元正態(tài)分布（不符合時(shí)，可使用Logistic回歸替代），且各組解釋變量的協(xié)方差矩陣相等（各組協(xié)方方差矩陣有顯著差異時(shí)，判別函數(shù)不相同）。
相對(duì)而言，即使判別函數(shù)違反上述適用條件，也很穩(wěn)健，對(duì)結(jié)果影響不大。
應(yīng)用領(lǐng)域：對(duì)客戶進(jìn)行信用預(yù)測(cè)，尋找潛在客戶（是否為消費(fèi)者，公司是否成功，學(xué)生是否被錄用等等），臨床上用于鑒別診斷。
8：主成分與因子分析
主成分分析基本原理：利用降維（線性變換）的思想，在損失很少信息的前提下把多個(gè)指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)（主成分）,即每個(gè)主成分都是原始變量的線性組合，且各個(gè)主成分之間互不相關(guān)，使得主成分比原始變量具有某些更優(yōu)越的性能（主成分必須保留原始變量90%以上的信息），從而達(dá)到簡(jiǎn)化系統(tǒng)結(jié)構(gòu)，抓住問(wèn)題實(shí)質(zhì)的目的。
因子分析基本原理：利用降維的思想，由研究原始變量相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，將變量表示成為各因子的線性組合，從而把一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子。
因子分析是主成分的推廣，相對(duì)于主成分分析，更傾向于描述原始變量之間的相關(guān)關(guān)系。
9：時(shí)間序列分析
經(jīng)典的統(tǒng)計(jì)分析都假定數(shù)據(jù)序列具有獨(dú)立性，而時(shí)間序列分析則側(cè)重研究數(shù)據(jù)序列間的互相依賴關(guān)系。
后者實(shí)際上是對(duì)離散指標(biāo)的隨機(jī)過(guò)程的統(tǒng)計(jì)分析，所以又可看作是隨機(jī)過(guò)程統(tǒng)計(jì)的一個(gè)組成部分。
例如，記錄了某地區(qū)第一個(gè)月，第二個(gè)月，……，第N個(gè)月的降雨量，利用時(shí)間序列分析方法，可以對(duì)未來(lái)各月的雨量進(jìn)行預(yù)報(bào)。
10：決策樹
決策樹是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。
由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。在機(jī)器學(xué)習(xí)中，決策樹是一個(gè)預(yù)測(cè)模型，他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。
總結(jié)
Session 分析并不“包治百病”，但卻是用戶行為分析的重要方法。通過(guò)這個(gè)方法，既可以發(fā)現(xiàn)我們想重點(diǎn)監(jiān)控的用戶類型，也可以幫我們了解真正的用戶使用習(xí)慣，避免產(chǎn)品設(shè)計(jì)“不按套路出牌”的辛酸事。
在應(yīng)用Session分析的過(guò)程中，我們也要根據(jù)具體場(chǎng)景，應(yīng)用不同的統(tǒng)計(jì)分析方法，以得出真正有指導(dǎo)價(jià)值的分析結(jié)論。
