facebook用户分析（facebook的用户人群）

产品经理如何做用户行为分析？

在这个每个互联网人都在谈论数据，每个产品经理都在谈论数据分析的时代，用户行为分析的重要性也越来越凸显出来，那么产品经理如何做用户行为分析呢？接下来将为大家进行分享。

一、为什么要做用户行为分析

观点一：有些功能整个平台用户都希望做，是没有必要耗费人力评估的，只要做了就可以了。用户行为分析是形式，不能为了分析而分析。观点二：我都在这个行业做了这么多年了，用户需要什么难道我不知道吗？我本身就是用户，我可以代表他们，我的需求就是他们的需求目标。观点三：只需要做充分的调研分析就可以了，比如需求调研，产品使用调研，多找找目标用户，多让他们提一些反馈意见，根据反馈来做修改即可。观点四：不要总是顺着用户的意思去做产品。产品设计的核心是产品经理的想法，而不是用户的看法。

以上观点其实都是错误的，如果产品经理有这样的想法，会对自己极为不利。下面我们来看两个案例：

案例一：Growing IO 改版前后对比

视频介绍功能是所有用户都想要的，于是Growing IO毫不犹豫地把视频放在了首页，然后注册转化率下降了50%，持续观察两个周，注册转化率仍然没有显著增长，回滚到上个版本，注册转化率逐渐恢复。结论：

部分用户的观点无法代表全体用户的真实感受，视频介绍可能是伪需求。产品经理的主观感受无法代表用户的真实体验，任何人都无法代表用户。视频介绍分散了用户的注意力，导致首页注册转化率大幅度下跌。

案例二：Facebook改版之后再回滚

Facebook经过改版之后，页面更清爽了，展示面积更大了，突出了图片以及视频，展示信息更丰富，Facebook的产品经理、交互设计师都对这一版本非常有信心。然而10%灰度发布之后，用户平均在线时长降低50%，一个月后，数据仍然没有好转。

互联网产品要以数据为导向，而不仅仅凭借自己的主观感觉。产品设计过于超前了，产品版本迭代版本之间没有一定的过渡，用户无法习惯。

因此可以说，数据分析在日常工作中起到的是必不可少的作用。1、用户行为分析不是形式化，不是为了分析而分析，哪怕是核心用户提出的需求，也要通过数据来验证，任何人都无法代表真正的用户。2、产品经理要有自我革新，自我否定的意识。用户的需求是变的，不能太过于依赖过往的经验，过往的经验不可靠，只有数据最可靠。3、用户分析调研是一方面，只是为产品提供思路，但是是否有利于产品长期发展还是要通过数据来说话。4、用户端产品要以用户体验为核心，以数据为导向。

二、数据指标与名词含义

1、流量来源：流量来源的意思是网站的访问来源，比如用户来自于知乎，来自于微博等等。主要用来统计分析各渠道的推广效果。

2、PV：PV（page view）即页面浏览量或点击量，指页面刷新的次数，每一次页面刷新，就算做一次PV流量。

3、UV：UV（unique visitor）即独立访客数，在同一天内，UV只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。PV与UV的比值一定程度上反映产品的粘性，比值越高往往粘性越高。

4、IP数：IP数即独立IP的访问用户数，指1天内使用不同IP地址的用户访问网站的数量。IP数字与UV可能不同（可大可小可相等）

5、日活/月活：每日活跃用户数（DAU）/每月活跃用户数（MAU），反映的是网站或者APP的用户活跃程度，用户粘性。

6、次日留存/次月留存：次日留存、次月留存反映的是网站或者APP的留存率。

7、用户保有率：指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率，也叫用户留存。

8、转化率/流失率：转化率一般用来统计两个流程之间的转化比例。其中流失率也是重要的数据指标。用户流失率=总流失用户数/总用户数。

9、跳出率：指用户到达网站上且仅浏览了一个页面就离开的访问次数（PV）与所有访问次数的百分比。跳出率越高说明越不受欢迎。

10、退出率：对某一个特定的页面而言，从这个页面离开网站的访问数（PV）占这个页面的访问数的百分比。跳出率适用于访问的着陆页（即用户访问的第一个页面），而退出率则适用于任何访问退出的页面。

11、使用时长：每天用户使用的时间。对于游戏或者是社交产品来说，使用时间越长，说明用户越喜欢。一般来说，使用时长越短说明产品粘性越差，用户越不喜欢。

12、ARPU：Average Revenue Per User，每用户平均收入在一定时间内，ARPU=总收入/用户数。

三、如何做用户行为分析――三大理念

1、要树立以数据为驱动的价值观

要树立以数据为驱动的价值观，充分认可数据的价值。工作定位：统计、助力、优化、创新。商业变现是最根本目标：用户使用产生数据商业变现

2、要有用户行为分析方法论

在用户行为分析中，越底层产生的价值越低，越顶层产生的价值越高。做用户行为分析应该把重心放在最有价值的分析和决策两个层面。将更多的时间放在分析以及应用上，而不是数据采集上。

AARRR模型，我们在做用户行为分析的时候，应该考虑用户正处在AARRR模型的哪个部分、关键数据指标是什么、对应的分析方法又是什么。

当我们对产品有一个idea的时候，采用MVP的方式将其构建，功能上线后，衡量用户和市场反应，从而不断学习优化

3、要用功能强大的用户行为分析工具

比如Google analysis、神策数据、Growing IO等等

四、如何做用户行为分析――八大方法

1、内外因素分析

该方法有助于快速定位问题。例如一款金融类产品UV下降，快速分析相关原因。内部可控因素：渠道变化、近期上线更新版本、内部不可控因素：公司战略变更、外部可控因素：淡旺季、外部不可控因素：监管。

2、事件分析

事件维度：用户在产品中的行为以及业务过程。指标：具体的数值，访客、地址、浏览量（PV、UV）、停留时长。趋势分析：分析各个事件的趋势

通过事件分析，比如分析用户的在线时长、点击事件、下载事件等等，然后分析用户的行为。并且通过各类图标来分析用户的行为趋势，从而对用户的行为有初步的了解。

3、试点分析

说白了就是，当发现一个问题之后，不要那么着急去解决，而是只想一个解决办法，然后灰度发布，如果灰度发布的人群数据比较好，那么就推往整个用户群。

这是一种从一个具体问题拆分到整体影响，从单一解决方案找到一个规模化解决方案的方式。

4、漏斗模型

漏斗模型是最常用的分析方法，可以广泛应用于流量监控、产品目标转化等日常数据运营工作中。要根据实际需要来确定是否有做漏斗分析的必要，比如用户注册过程、下单过程这些主要流程，就需要用漏斗模型来进行分析，尤其是需要分析用户在哪个环节流失最严重。

5、留存分析

通过留存分析，分析用户的次日留存、次周留存、次月留存等等，次日留存率能够说明用户对这款产品是否有持续使用的兴趣，对于社交、游戏类产品来说，次日留存率非常重要。

6、行为轨迹分析

只通过PV、UV 分析以及退出率分析是无法找到大部分用户是怎么去使用这款产品的。只有通过记录用户的行为轨迹，才能够关注用户真正如何去使用这款产品的。用户体验设计是对用户行为的设计，通过行为轨迹分析，能够帮助产品经理设计出来的产品直达用户内心。

例：通过用户行为轨迹分析发现，大部分用户支付转化率不高并不是退出了，而是返回了上一个页面，猜测：当前页面信息不足，用户在犹豫，想返回上一个页面再了解一下产品。

7、A/B test

A/B test是一种产品优化方法，AB测试本质上是个分离式组间实验，将A与B两个不同的版本同时发往两个几乎一致的用户群，来观测这两个用户群的数据反馈。

A/B test是一种“先验”的实验体系，属于预测型结论，与“后验”的归纳性结论差别巨大。A/B测试的目的在于通过科学的实验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的实验结论，并确信该结论在推广到全部流量可信。

8、点击分析

通过点击分析，能够直观地看出来在这个页面中，用户的注意力都集中在哪些地方，用户最常用的功能是什么。方便产品经理对用户行为形成整体的了解，有助于产品经理引导用户往自己想要的方向去操作。

以上就是我个人总结的产品经理用户行为分析的方法，欢迎大家来补充、交流。

作者：秦时明月，互联网现金贷产品经理、互联网保险产品经理。

本文由@秦时明月原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 unsplash，基于 CC0协议

腾讯和Facebook的差距有多大？

Facebook的市值超出了腾讯的市值一千多亿美金，这个差距是非常大的。也就是说Facebook的市场认可度会更高，而且它的经营理念以及公司发展的前景都是比较强的。另外，Facebook在用户使用量也会更多，但是如果是从多元化经营方面来看，那么腾讯会比Facebook更有优势。

腾讯在国内所有的社交平台中可以说是用户数最多的一个平台，然而在腾讯在海外的用户量却非常少。而Facebook拥有二十亿的国际用户，基本上Facebook将海外多个比较发达的国家都占领了。所以腾讯曾经想要尝试进击国际市场，并没有什么效果。Facebook之所以拥有如此强大的用户数量，它的优势就在于建立了一个全球化的社区，这个社区可以让用户潜在数量快速拓宽，这是腾讯无法超于的地方。

Facebook的产品要比腾讯的产品会更加全面，更加立体。Facebook的主流社交平台拥有的用户数量是二十亿，即时通讯的用户数量超过了十亿，图片视频社交平台的用户也有十亿，不管是哪一个产品，都有非常庞大的用户数量，而且产品多样化，基本上将全球的主流社交市场都垄断了。

因此腾讯和Facebook之间的差距是非常大的，腾讯可以说都没办法和Facebook相提并论。虽然腾讯目前在国内有着非常高的知名度，但是它的用户数量、使用度以及国际知名度都差了Facebook十万八千里，这是一道难以越过的横沟。                                   

facebook如何精准找客户

方法如下：

1.巧用Facebook的“搜索好友”功能 Facebook会特别用心地分析我们前期添加的好友的特性。会根据好友特性、共同好友关系以及你与他人认识的可能性大小,来向你推荐你可能认识的人。 或者允许从hotmail、MSN...

2.巧用 Facebook搜索框 利用行业关键词,细分产品的关键词、联想词,或者你的用户可能在的公司类型等词,有很多潜在客户会用这些词来做姓名或者在个人资料和简介里放上这些关键词。 或者利用公司名、邮箱、电话或姓名等搜索

3.巧用Faebook的Groups (小组) 在Facebook左上方的搜索框中输入搜索词,然后点击像放大镜一样的搜索图标(不要点回车!),再选择“Groups”。选择你的目标小组(客户可能的聚集地),直接点击小组名或头...

4.利用Facebook的“线索广告”来寻找客户 投广告前,你同样需要利用五中所讲的 用Audience Insights来更细化受众群体,这里的方法只是投Facebook广告的其中一类,

facebook的广告该怎么定位受众的？

爆单不“卡壳”，广告不“撞课”

Hello，我是君志学堂的Neos，专注于解决独立站与Facebook广告的疑难杂症。

我们是否觉得FB广告找受众比找对象难，找不出来只能“空投”？

我们是否只有寥寥可数的几个受众，来来去去总是用它们，但效果越来越差？

找受众比找对象难？

#Facebook广告受众选择界面

每次提到受众，就会不由自主地会苦恼起来。这些问题不停地敲击我们每个投放的脑袋：

选择太多，反而不知道要选哪个受众；

担心选的受众效果差，之后还不知道怎么办；

一直用的受众效果变差，不得不再找新的受众。

那找受众真的比找对象难吗？

其实，并没有那么夸张。首先，我们要知道一个广告受众的基本组成部分：

FB核心受众定位= A.地点 + B.年龄 + C.性别 + D.细分受众

A+B+C：国家/区域+年龄段+性别

这3个是我们最基础的受众定位；基本上，通过了解目标市场和产品定位，即可清楚有哪些可以选择。

而难点就在 D.细分受众

#细分受众列表

细分受众之所以难，在于除了受众列表以外，还有数目众多的非列表受众；这些受众包括了各式各样的用户兴趣点，让人眼花缭乱。

#系统推荐的非列表细分受众

列表细分受众：系统分类的通用受众，具有较高的普遍性和较大的用户规模。主要包括3大类：

1.Demographics（人口统计特征）：

根据受教育程度、家庭状况、感情状况、职位等因素统计出相应用户作为受众。

2.Interests（用户兴趣点）：

系统分析用户数据得出的标签，主要是用户的兴趣和爱好，更具有相关性。

3.Behaviour（用户行为）：

根据用户在FB上的具体行为和设备使用情况来区分用户属性。

非列表细分受众：同样是系统分析用户数据得出的标签，但相比通用的列表细分受众，普遍性和概括性相对较低，更具体化。

总结：选择细分受众的重要性

细分受众都是系统基于用户数据分析出来的定位，对于广告投放的精准程度具有相当大的作用；

没有选择细分受众，简称“空投”，很大程度上加大广告投放的随机性和不确定性，非常容易影响广告测试的效率。所以一般不建议新手使用“空投”。

引爆出单的细分受众

我们经常会遇到爆单前“卡壳”的情形，当用一组细分受众投放的广告测试效果很好，然后不断用复制和加预算的方式进行扩量，结果随着广告数量一多起来，效果却不尽人意。

其实，很有可能是自己的广告在“撞课”。即使广告所选的用户规模很大，随着同样广告的数量一多起来，相互竞争的概率也在逐步上升；会出现用户多次看到同一条广告的情况，广告重复曝光自然效果也会打折扣。

那如何减少爆单前“卡壳”，让广告刚起效的“1”变成“100”。在知道细分受众是什么之后，我们需要了解 引爆出单的细分受众 到底是怎么找出来的。

1.细分受众基本分类

先围绕产品本身和定位的人群来寻找细分受众，可以通过以下角度进行分类：

（以 礼服 品类 为例）

(1) 产品词：根据产品属性相关的关键词，搜索其对应的细分受众。

例：关键词：Bodycon Dress、Corset、Little Black Dress、Party Dress、Cocktail Dress等。

#对应受众，还可以通过系统推荐找到同品类的其他细分受众

(2) 场景词：根据产品使用场景的关键词，搜索其对应的细分受众。

例：关键词：Party、Going out、Cocktail等。

#对应受众，还可以通过系统推荐找到其他适用场景的细分受众

(3) 用户兴趣词：根据产品定位人群的兴趣点，搜索其对应的细分受众。

例：关键词：Party、Going out、Cocktail等。

#对应受众，可以通过受众列表找到其他符合用户的细分受众

(4) 热点词：根据节假日、社会热点、时事等，搜索其对应的细分受众。

例：关键词：Christmas、Halloween、Black Friday等。

#对应受众，可以通过系统推荐找到其他符合热点的细分受众

(5) 品牌词：根据产品品类或所在类目的品牌，搜索其对应的细分受众。

例：关键词：Zara、Shein、Fashion nova等。

#对应受众，可以通过系统推荐找到其他同类型的细分受众

总结：

该细分受众分类主要针对较为庞杂的 非列表细分受众，方便我们可以找到适合产品定位和目标人群的定位；

按分类整理出来的细分受众，是较有可能起效的广告定位，但并不确定可以马上起效，要进行广告测试才能得出结论；

细分受众只是广告受众的其中一部分，需要跟“A.国家/区域+B.年龄段+C.性别”结合起来，“A+B+C”的不同也会造成广告效果的差异；因此，判断D.细分受众的作用时，必需先考虑广告定位的前提部分。

配置自己的核心受众

FB广告受众除了上述的基本组成(核心受众/保存受众)外，还有两种形式，一种是自定义受众(又称再营销)；另一种是类似受众。

其中，我们可以把这三种受众形式区分为两大类；一类是冷受众(Cold Audience)，代表的是新受众，包括核心受众与类似受众；另一类则是热受众(Warm Audience)，代表的是已有用户留存的老受众，包括了自定义受众。

不管是自定义受众还是类似受众，它们的来源一般都是根据核心受众的广告数据累计留存或分析推导出来的。所以接下来，我们先要认识如何配置自己的核心受众：

核心受众/保存受众（细分受众）：

核心受众的“核心”体现在上述内容的4个基本组成部分，尤其是细分受众；

而保存受众的“保存”表现在可以保存并重复使用的功能。

#保存受众的保存功能所在

除此之外，核心受众还有两个细节点可以让广告定位更加精准；一个是细分定位中的“排除”和“缩小受众范围”；

“排除”可以将特定人口统计数据、兴趣或行为从已选的受众中排除，排除非产品目标的用户；

“缩小受众范围”选定的关键词要求受众必须满足此条件，从而缩小受众规模，更聚焦于目标用户。

我们可将“添加/排除”“缩小受众范围”“进一步缩小受众”看作是细分定位的细分层级；可以为每个层级添加多个条件，让受众更灵活，定位更精准。

#细分受众的细分层级关系：

“添加”：或；

“缩小受众范围“：并必须符合；

“排除”：并排除其中；

另一个细节点则是隐藏在语言设置下的“联系”选项，选择那些跟FB主页或活动有过联系的用户，或者把他们排除在外，以找到新的受众。

什么是用户行为分析？怎么做用户行为分析？

一、什么是用户行为分析？

用户行为可以用5W2H来总结：

Who(谁)、What(做了什么行为)、When(什么时间)、Where(在哪里)、Why(目的是什么)、How(通过什么方式)，How much (用了多长时间、花了多少钱)。

用户行为分析就是通过对这些数据进行统计、分析，从中发现用户使用产品的规律，并将这些规律与网站的营销策略、产品功能、运营策略相结合，发现营销、产品和运营中可能存在的问题，解决这些问题就能优化用户体验、实现更精细和精准的运营与营销，让产品获得更好的增长。

二、为什么需要用户行为分析？

在PC互联网时代，网民的年增长率达到50%，随便建个网站就能得到大量流量; 在移动互联网早期，APP也经历了一波流量红利，获取一个客户的成本不到1元; 而近几年随着流量增长的红利消退，竞争越来越激烈，每个领域均有成百上千的同行竞争，获客成本也飙升到难以承受的水平，业务增长越来越慢甚至倒退。

图：互联网行业竞争越来越激烈

在如此高成本、高竞争的环境下，如果企业内部不能利用数据分析做好精细化运营，将产生巨大的资源浪费，势必会让企业的运营成本高涨，缺乏竞争力。 对于互联网平台来说，传统的数据分析主要针对结果类的数据进行分析，而缺乏对产生结果的用户行为过程的分析，因此数据分析的价值相对较局限，这也是为什么近几年很多企业感觉做了充分的数据分析，但却没有太大效果的原因。

通过对用户行为的5W2H进行分析可以掌握用户从哪里来，进行了哪些操作，为什么流失，从哪里流失等等。从而提升提升用户体验，平台的转化率，用精细化运营使企业获得业务增长。

三、如何采集用户行为数据？

用户行为分析如此重要，为什么互联网公司中能做好用户行为分析的凤毛麟角？主要是原因是数据采集不全面和分析模型不完善。

1.如何高效采集用户行为数据

传统的数据分析因为数据精细度不够和分析模型不完善等原因，导致分析过于粗放，分析结果的应用价值低。而我们要想做好分析，首先必须要有丰富的数据，因此要从数据采集说起，传统的用户行为数据采集方法比较低效，例如：我们获取用户的某个行为数据时，需要在相应的按钮、链接、或页面等加入监测代码，才能知道有多少人点击了这个按钮，点击了这个页面。这种方式被称为“埋点”，埋点需要耗费大量的人力，精力，过程繁琐，导致人力物力投入成本过高。

在移动互联网时代，埋点成了更痛苦的一件工作，因为每次埋点后都需要发布到应用商店，苹果应用商店的审核周期又是硬伤，这使得数据获取的时效性更加大打折扣。由于数据分析是业务发展中极其重要的一个环节，即便人力物力成本过高，这项工作仍然无法省掉。

因此，我们也看到国内外有一些优秀的用户行为分析工具，实现了无埋点采集的功能，例如：国外有Mixpanel，国内的数极客在WEB、H5、Android、iOS四端都可以无埋点采集数据。通过无埋点的采集，可以极大的增强数据的完善性和及时性。

2.如何精准采集用户行为数据

有些核心业务数据，我们希望确保100％准确，因此还可以通过后端埋点的方式作为补充，这样既可以体验到无埋点带来的高效便捷，又能保障核心业务数据的精准性。数极客在数据采集方面支持无埋点、前端埋点、后端埋点以及数极客BI导入数据这四种方式的数据整合。

四、如何做好用户行为分析？

首先要明确业务目标，深刻理解业务流程，根据目标，找出需要监测的关键数据节点，做好基础的数据的收集和整理工作，有了足够的数据，还要有科学的模型，才能更有效的支持分析结果。

上一代的用户行为分析工具(更确切的说法应该是：网站统计或APP统计)，主要功能还是局限于浏览行为的分析，而没有针对用户的深度交互行为进行分析，因此分析价值相对有限，目前大部份互联网从业人员对用户行为分析的印象还停留在这个阶段。

我认为要做好用户行为分析，应该掌握以下的分析模型：

1.用户行为全程追踪，支持AARRR模型

500 Startups 投资人Dave McClure提出了一套分析不同阶段用户获取的“海盗指标”这套分析模型，在硅谷得到了广泛应用。

AARRR是Acquisition、Activation、Retention、Revenue、Refer这个五个单词的缩写，分别对应用户生命周期中的5个重要环节，首先要基于用户的完整生命周期来做用户行为分析。

1).获取用户

在营销推广中，什么渠道带来的流量最高，渠道的ROI如何？不同广告内容的转化率如何，都是在这一步进行分析的数据。

来源渠道是获客的第一步，通过系统自动识别和自定义渠道相结合，分析每一个来源渠道的留存、转化效果。网站的访问来源，App 的下载渠道，以及各搜索引擎的搜索关键词，通过数据分析平台都可以很方便的进行统计和分析，利用UTM推广参数的多维分析、通过推广渠道、活动名称、展示媒介、广告内容、关键词和着陆页进行交叉分析，可以甄别优质渠道和劣质渠道，精细化追踪，提高渠道 ROI。

通过渠道质量模型，制定相应的获客推广策略：

图：渠道质量模型

以上图形中的所示渠道为示例，渠道质量也会动态的变化。 第一象限，渠道质量又高流量又大，应该继续保持渠道的投放策略和投放力度; 第二象限 渠道的质量比较高但流量比较小。应该加大渠道的投放，并持续关注渠道质量变化; 第三象限 这个象限里渠道质量又差，带来流量又小，应该谨慎调整逐步优化掉这个渠道; 第四象限 渠道质量比较差，但是流量较大，应该分析渠道数据做更精准的投放，提高渠道质量。

2).激活用户

激活用户是实现商业目标最关键的第一步，如果每天有大量用户来使用你的产品，但没有用户和你建立强联系，你就无法进行后续的运营行为。

3).用户留存

如今一款产品要获得成功的关键因素不是病毒性机制或大笔营销资金，而是用户留存率。开发出吸引用户回头的产品至关重要。 Facebook平台存在“40 – 20 – 10”留存法则。数字表示的是日留存率、周留存率和月留存率，如果你想让产品的DAU超过100万，那么日留存率应该大于40%，周留存率和月留存率分别大于20%和10%。

留存是 AARRR 模型中重要的环节之一，只有做好了留存，才能保障新用户在注册后不会白白流失。这就好像一个不断漏水的篮子，如果不去修补底下的裂缝，而只顾着往里倒水，是很难获得持续的增长的。

4).获取收入

实现收入是每个平台生存的根本，因此找到适合自己的商业模式至关重要。根据不同的业务模式，获取收入的方式也不同：媒体类平台依靠广告变现，游戏类依靠用户付费，电商类通过收取佣金或卖家付费的方式等，而在企业服务领域LTV: CAC大于3，才能有效良性增长。

5).病毒传播

通过模型前四个阶段的优化分析，从不稳定用户、活跃用户再到最终的忠实用户，将获客做最大的留存和转化，培养为企业的忠实用户，通过社交口碑传播可以给企业带来高效的收益。

在获客成本高昂的今天，社交传播可以为企业带来更优质的用户群，更低的获客成本。

2.转化分析模型

转化率是持续经营的核心，因此我也用较大篇幅来详细解读。转化分析常用的工具是转化漏斗，简称漏斗（funnel）。新用户在注册流程中不断流失，最终形成一个类似漏斗的形状。用户行为数据分析的过程中，我们不仅看最终的转化率，也关心转化的每一步的转化率。

1).如何科学的构建漏斗

以往我们会通过产品和运营的经验去构建漏斗，但这个漏斗是否具有代表性，优化这个漏斗对于整体转化率的提升有多大作用，心里没有底气，这时我们可以通过用户流向分析去了解用户的主流路径。

图：用户流向分析

用户流向分析，非常直观，但需要分析人员有一定的经验和判断能力。为了解决这个问题，数极客研发了智能路径分析功能，只需要选择转化目标后，一键就能分析出用户转化的主流路径。将创建漏斗的效率缩短到了几秒钟。

图：智能转化分析

2).漏斗对比分析法

转化分析仅用普通的漏斗是不够的，需要分析影响转化的细节因素，能否进行细分和对比分析非常关键。例如：转化漏斗按用户来源渠道对比，可以掌握不同渠道的转化差异用于优化渠道; 而按用户设备对比，则可以了解不同设备的用户的转化差异(例如：一款价格较高的产品，从下单到支付转化率，使用iphone的用户比android的用户明显要高)。

图：漏斗对比分析

3).漏斗与用户流向结合分析法

一般的转化漏斗只有主干流程，而没有每个步骤流入流出的详细信息，当我们在分析用户注册转化时，如果能知道没有转化到下一步的用户去了哪，我们就能更有效的规划好用户的转化路径。例如下图中的转化路径，没有进入第二步的用户，有88%是直接离开了，而还有10%的用户是注册用户选择直接登录，只有2％的用户绕过了落地页去网站首页了; 而没有从第二步转化至第三步的用户100％都离开了。这是比较典型的封闭式落地页，因此只需要优化第三步的转化率即可提升整体转化率。

4).微转化行为分析法

很多行为分析产品只能分析到功能层级和事件层级的转化，但在用户交互细节分析方面存在严重的缺失， 比如：在上图的漏斗中我们分析出最后一步是影响转化的关键，但最后一步是注册表单，因此对于填写表单的细节行为分析就至关重要， 这种行为我们称为微转化。

例如：填写表单所花费的时长，填写但没有提交表单的用户在填哪个字段时流失，表单字段空白率等表单填写行为。

图：表单填写转化漏斗

图：表单填写时长

通过上述表单填写的微转化分析，用户从开始填写到注册成功转化率达85％，而流量到填写只有8%，可以得出影响转化的最大泄漏点就是填写率，那么如何提高填写率就是我们提升注册转化的核心。有效的内容和精准的渠道是影响填写的核心因素，渠道因素我们在获客分析中已经讲过，这就引出我们微转化分析的第4种工具：用户注意力分析。

5).用户注意力分析法

用户在页面上的点击、浏览、在页面元素上的停留时长、滚动屏幕等用户与页面内容的交互行为，这些都代表用户对产品要展示的信息的关注程度，是否能吸引用户的眼球。

业务数据可以可视化，那么行为数据如何可视化呢？ 数极客把上述行为转化成了分屏触达率热图、链接点击图、页面点击图、浏览热图、注意力热图这5种热图，通过5种热图的交叉分析，可以有效的分析出用户最关注的内容。

图：注意力热图

只有能掌握微转化的交互行为分析，才能更有效的提高转化率。而一切不能有效提高平台转化率的分析工具都在浪费企业的人力和时间资源，这也是众多企业没有从用户行为分析中获益的根本原因。

3.精细化运营模型

以前做运营只能针对全体用户，如果要针对部分目标客户做精准运营行为。

图：用户分群画像

例如：当我们希望对某个地区使用iphone的注册但三天不活跃或未形成交易转化的用户进行精准营销时，需要运营人员、产品人员、技术人员 全体配合去调取数据、制定运营规则，其中涉及到大量人力和时间投入。而新一代的用户行为分析可以采用用户分群、用户画像、自定义用户活跃和留存行为，精准的定位用户，从而实现精细化运营。

图：创建用户分群

4.定性分析模型

用户体验是企业的头等大事，在产品设计、用户研究、研发、运营、营销、客户服务等众多环节，都需要掌握用户的真实体验过程。但如何优化用户体验向来是内部争议较多，主要原因还是难以具体和形象的描述。通过行为分析分现异常用户行为时，能否重现用户使用你的产品时的具体场景，这对于优化产品的体验至关重要。

以前我在淘宝时，用户体验部门会通过邀请用户到公司进行访谈，做可用性实验的方式来进行体验优化，但这种方式需要化费比较多的时间和费用投入，样本不一定具有代表性。为了解决这个难题，数极客研发了用户行为录屏工具，无需邀请用户到公司实地录制节省成本，直观高效的以视频形式还原用户的真实操作，使得企业各岗位均能掌握用户体验一手信息，帮助产品研发提高用户体验。

图：用户行为录屏播放界面

总结：通过AAARRR模型分析用户生命周期全程; 通过转化率分析模型 提高产品转化率; 通过精细化运营 提高运营有效性; 通过定性分析方法 优化用户体验; 如果以上4方面都做好了，就一定可以通过用户行为分析实现业务增长。

五、用户行为分析的未来方向是什么？

有很多人问我，为什么已经有几家做用户行为分析的公司了，你还要创办数极客？ 我认为数据分析的目标是应用分析结果优化经营效率，而国内外主要的分析工具，还只停留在分析层面，对于如何高效的应用还有很大的空间。因此数极客除了要在分析层面做得更专业和更有效，还要在应用层面实现新的突破。数据分析结果反映的问题主要是两类：运营(含营销)和产品。所以需要针对这两类问题提供针对性的解决方案。

1.运营的自动化

我们前面讲了，通过用户行为分析系统可以实现精细化运营，但具体应用还需要人工制定运营和营销策略，通过产品、研发开发才能应用，而且当策略改变时，需要重新开发相应的工具，这也占用了很多时间，影响运营与营销效率。数极客研发了会员营销系统和自动化运营工具，运营与营销人员直接设置规则，系统根据规则自动将精准的活动信息推送给符合条件的用户，直接提高运营人员工作效率，运营人员可以将工作重心转移到策划而不是浪费太量时间在重复执行，自动化运营可为企业节约大量运营成本。

图：创建自动化运营规则

2.产品、运营(营销)方面的科学决策

用户行为数据分析，往往是在行为发生之后进行分析，而产品、运营都是通过经验，拍脑袋进行决策，一旦决策失误就会造成难以挽回的结果。因此如果能在产品、运营方案上线前，通过用户分流A/B测试进行小范围验证，选择其中最优的方案发布，这样就可以大大提高决策的科学性。

Google每年通过运行数万次A/B测试优化产品、运营，为公司带来了100亿美元的收益。

A/B测试的方法非常有效，但国内互联网公司应用不普遍，主要和应用A/B测试的复杂性有关，

数极客拥有完整的A/B测试工具，业务人员可以在网站和APP上自助使用可视化试验编辑工具，创建并运行试验，通过自动解读测试报告，使得A/B测试门槛大大降低。

图：网站端可视化编辑试验工具

3.分析的自动化

用户行为分析有一定专业性，不仅需要掌握不同的分析方法，还要熟悉业务，结合业务才能给出有价值的分析结果。 如果能像360安全卫士一样，只需要加载SDK，就能自动诊断和分析，并给出解决方案，这是数据分析的未来方向，数极客在这方面也有积极的尝试，并有了初步成果，目前拥有数据自动预警、自动报表等功能。

用户行为分析是一门科学，善于获取数据、分析数据、应用数据，是每个人做好工作的基本功，每家企业都应该加强对用户行为分析大数据的应用，从数据中找出规律，用数据驱动企业增长。

数极客是国内新一代用户行为分析平台，是增长黑客必备的大数据分析工具，支持APP数据分析和网站分析，独创了6大转化率分析模型，是用户行为分析领域首家应用定量分析与定性分析方法的数据分析产品，并且基于用户行为分析系统，提供了会员营销系统和A/B测试工具两大数据智能应用解决方案，使得企业可以快速的实现数据驱动增长。

本文由数极客CEO谢荣生原创，欢迎转载，转载请保留全文和作者信息。

Meta二季度营收不及预期，同步下降1%

Meta二季度营收不及预期，同步下降1%

Meta二季度营收不及预期，同步下降1%，Meta的核心业务线上广告收入出现下滑是其营收下降的主要原因之一。受通货膨胀等因素的影响，广告商开始削减广告支出，Meta二季度营收不及预期，同步下降1%。

Meta二季度营收不及预期，同步下降1%1

Meta上一季度业绩不及预期，上市以来营收同比首次下滑，净利连续三季度下降。

美东时间7月27日盘后，Facebook母公司Meta Platforms(Nasdaq:META，以下简称Meta)发布2022年第二季度财报，营收下降1%至288.22亿美元，为公司史上首次营收同比下滑。略低于华尔街预期的 289 亿美元；净利润为66.87亿美元，同比大幅下降36%，净利润出现连续三个季度下滑；每股收益(EPS)2.46美元，同比下降36%，低于分析师预期的2.59美元。

Meta表示，本季度业绩不及预期，是受到宏观经济的不确定性，以及短视频应用TikTok竞争的影响。

Meta首席运营官谢丽尔·桑德伯格(Sheryl Sandberg)表示，俄乌、疫情等宏观因素仍在影响公司。同时，通货膨胀和经济衰退的不确定性也带来了新的挑战。

广告收入逊色，广告需求疲软还将继续

Facebook日活跃用户(DAU)是Meta本季度业绩的唯一亮点，同比增长3%至19.7亿，并未如分析师预期的下降；月活跃用户(MAU)为29.3亿，同比增长1%。

Meta的主要收入来源应用家族(Family of Apps)，包括Facebook、Ins、Messenger、WhatsApp和其他服务等，实现收入283.7亿美元，同比下降1.4%。

Meta CEO马克·扎克伯格(Mark Zuckerberg)在电话会议上表示，短视频应用Reels的年收入已达到10亿美元。尽管公司对Reels投入大量投资，但其创收效率仍然不如Ins Stories等产品。

核心业务广告在本季度的营收为281.52亿美元，同比下降1.5%。衡量向用户展示广告数量的广告展现量(Ad impressions)增长15%，与第一季度持平，当季单位广告价格下滑14%。

财报显示，Meta对第三季度的业绩作出指引，预计总营收在260亿到285亿美元。其首席财务官戴夫·韦纳(Dave Wehner)表示，这一预测说明广告需求疲软还将继续，而广告需求疲软是宏观经济的不确定性所致。

元宇宙部门持续“烧钱”，控制成本放缓招聘

元宇宙部门现实实验室(Reality Labs)仍未实现盈利。这是Meta第三次公开现实实验室的业绩情况，本季度该部门实现营收4.52亿美元，同比增长48.2%，但亏损额达28.02亿美元。该部门在第一季度亏损29.6亿美元，2021年全年亏损102亿美元。

Meta 表示，预计现实实验室第三季度的收入将会低于本季度收入。

据《纽约时报》，Meta表示今年将投资约100亿美元研发元宇宙相关技术，这一数据是其2014年收购Oculus VR花费金额的5倍左右，2012年收购Ins花费金额的10倍。

就在财报发布的前一天，Meta还将Meta Quest 2头显的价格上调100美元，理由是生产和运输成本上升。

Meta表示，员工人数比去年同期增加了32%，达到近8.4万人。但和许多科技公司一样，Meta也在计划放缓招聘。

据美国有线电视新闻网(CNN)，扎克伯格于7月1日表示，随着用户数量和广告收入增长放缓，公司正面临近期历史上最严重的经济衰退之一，因此Meta将2022年的招聘目标从最初招聘约10000名新工程师的计划下调至约6000-7000名。 7月11日，《华尔街日报》报道称Meta要求经理清退表现最差的员工，以此控制成本。

扎克伯格表示，目前经济正处于低迷期，这会影响公司的广告收入，因此必须减缓招聘、缩小团队规模，将资金用于其他地方。

“难以预测低迷的经济会持续多久，目前的形势似乎比一个季度刚糟糕。”他表示，未来公司将专注于长期投资，包括“发现引擎”、Reels、广告设施和元宇宙等领域。

扎克伯格还称，“元宇宙能带给我们更深层次的社交体验，无论我们身在何处、在做什么——无论是在玩游戏还在工作，只需要进入元宇宙平台，就能跟朋友交流，或进行项目合作。目前我们还面临着技术和产品上的限制，随着时间的推移，这类平台将释放数千亿美元的潜力。”

截至7月27日美股收盘，Meta收涨6.55%，报收169.58美元，盘后跌逾4%。

Meta二季度营收不及预期，同步下降1%2

当地时间7月27日，Facebook母公司Meta（META，股价169.58美元，市值4589.38亿美元）公布了截至6月30日的2022年第二季度财报。财报显示，Meta第二季度营收约288亿美元，同比下降1%，为该公司有史以来首次出现季度营收同比下滑；净利润约67亿美元，同比下滑36%；摊薄后每股收益为2.46美元，同比下滑32%。

由于第二季度营收和净利润下滑幅度均超出分析师预期，收涨近6.6%的Meta股价在盘后交易中下跌4.53%。

Meta的核心业务线上广告收入出现下滑是其营收下降的主要原因之一。受通货膨胀等因素的影响，广告商开始削减广告支出，这导致各社交媒体平台都开始面临在线广告销售的压力。

根据该公司最新财报，二季度广告收入281.5亿美元，同比下降1.5%，为去年一季度以来最低水平，也低于分析师预期的285.3亿美元。

同时，Meta创始人兼首席执行官马克·扎克伯格的“元宇宙”愿景也给Meta带来了不小的负担。包括AR（增强现实）和VR（虚拟现实）相关硬件、软件和内容在内的元宇宙相关业务“现实实验室” （Reality Labs）收入4.52亿美元，为去年二季度以来最近四个季度最低水平，同比增长48.2%，当季亏损28亿美元，第一季度亏损29.6亿美元。

好消息是Facebook的`重要用户指标——日活用户数在二季度出现了增长。该季度Facebook的日活用户数为19.7亿，高于市场预期的19.6亿，连续两季环比增长，同比增长3%。在2021年第四季度，Facebook史上首次报告了用户数量出现下降，引发市场担忧。

当前的经济疲软让Meta对于其未来业绩前景持谨慎态度。Meta预计，三季度公司总体营业收入料将在260亿~285亿美元，相当于同比下降0.79%~8%。Meta还预计，三季度“现实实验室”收入会低于二季度水平。

Meta首席财务官David Wehner表示，公司在整个第二季度经历的广告需求疲软趋势还将继续持续，这是由更广泛的宏观经济不确定性推动的。

在公布财报的同时，Meta同时公布了高管层的人事变动。从今年11月1日起，现任首席财务官Wehner将担任Meta的首位首席战略官，负责公司的战略和企业发展。现任财务副总Susan Li将升任首席财务官。

财报显示，截至二季度末，Meta员工总人数8.3553万人，高于市场预期的8.0188万人，较二季度增加了5700多人。不过，从最新消息看，三季度Meta新增员工人数可能大幅下降。

Wehner提到，考虑到经营环境面临更大的挑战，Meta已经降低了今年的招聘和总体费用增长计划规模。Wehner表示，Meta预计，2022年全年总费用将在850亿~880亿美元，低于此前公司预期的870亿~920亿美元。

本季度中，Meta已宣布将放慢招聘步伐。在6月末的一次例行员工问答会议中,Meta创始人兼首席执行官扎克伯格明确表示,受经济形势和业务压力影响,公司将放缓招聘节奏,并将2022年工程师的招聘规模由此前的10000名削减至6000~7000名。

Meta二季度营收不及预期，同步下降1%3

7月28日，Meta Platforms(FB.US)公布了二季度财报。由于广告业务收入下滑，二季度有史以来首次录得营收下滑。公司二季度营收288.22亿美元，同比下降1%，市场预期289.4亿美元。净利润为66.87亿美元，同比下降36%。摊薄后每股收益为2.46美元，同比下降32%，市场预期2.52美元。

二季度包括Facebook、Ins、Messenger、WhatsApp在内的应用家族(Family of Apps)收入283.7亿美元，上年同期为287.72亿美元;其中广告收入为281.52亿美元，上年同期为285.8亿美元。应用家族营业利润111.64亿美元，现实研究室运营亏损28.06亿美元。

公司二季度家庭每日活跃人数(DAP)为28.8亿，同比增长4%，市场预期29.1亿。每日活跃用户(DAU)19.7亿，同比增长3%，市场预期19.6亿;每月活跃用户(MAU)29.3亿，同比增长1%，市场预期为29.4亿。每用户平均收入为9.82美元，市场预期为9.83美元。

该公司的广告业务遇到了一些障碍。由于各种各样的经济压力，市场营销人员的支出都在减少，这使得Meta和其他同行广告商不得不为了更少的预算而竞争。苹果的隐私条款降低了Facebook和Ins上广告的效果。与此同时，为了与TikTok竞争，社交网络一直在向更多用户展示短视频，这是广告商仍在适应的一种形式。但Meta并没有从这种渠道中赚到很多钱。

Facebook公布令人不安的业绩之前，其竞争对手Snap(SNAP.US)和推特(TWTR.US)上周也开始了一种趋势。这两家公司都公布了令人失望的第二季度数据，高管们指出，经济和移动平台的挑战已经渗透到在线广告市场。不过，广告支出的放缓对一些Meta竞争对手的打击不同。Alphabet(GOOG.US)旗下谷歌的广告销售额出现增长，尤其是在营销人员为直效广告付费的搜索广告领域。

Meta正在经历一段巨大的变革时期，首席执行官马克·扎克伯格试图动员他的员工更加努力地工作，以留住用户，吸引年轻人，并防止他们迁移到字节跳动旗下国际版抖音TikTok。

Meta在其应用程序中加入了更多Reels——受TikTok启发的短视频，并开始付费让创作者发布这些视频。该公司还对社交应用的算法进行了重大调整，专注于向人们展示他们不关注的新类型内容。尽管Facebook对Reels进行了投资，但该产品产生收入的效率不如Ins Stories等。

为了应对这种不确定性，Facebook试图通过放慢招聘速度和专注于更少的优先事项来控制成本，比如开发短视频策略和算法推荐引擎。该公司仍在投资元宇宙，扎克伯格认为人们最终将通过这个沉浸式虚拟现实世界工作、购物和交流。

Reality Labs部门将投入巨额资金，该部门负责开发元宇宙以及相关的虚拟现实和增强现实技术。该部门在第二季度实现了4.52亿美元的销售额，但录得亏损28亿美元。Meta预计该部门第三季度的收入将低于第二季度。本周早些时候，Meta公司将Quest 2 VR 头盔的价格提高了100美元，理由是生产和运输成本上升。

虽然Meta目前是销售VR 头盔的领头羊，但与移动广告相比，这个市场仍然很小。随着该公司继续将元宇宙作为其企业品牌重塑的一部分，它也在销售和营销方面投入了更多的资金。今年第二季度，这些成本同比增长10%，达到36亿美元。

展望未来，Meta预计2022年的总支出为850亿至880亿美元，低于之前的870亿至920亿美元的预期，原因是裁员和其他支出减少。Meta还预计三季度为266亿至285亿美元，不及华尔街预期303.8亿美元。该公司声明称:“这一前景反映出，我们在整个第二季度经历的广告需求疲弱环境仍在延续，我们认为，这是受更广泛的经济不确定性推动的。”

截至发稿，Meta美股盘后跌4.53%，报161.89美元。