用户行为跟踪

相比用户画像，用户行为的数据更动态实时，更能反应用户当前的倾向。
比如打开了一次文章、搜索一次商品、加入了一次购物车……
通过数据来跟踪用户的行为，可以在原有用户画像基础之上，增加对用户行为判断的准确度。
经典的Fogg模型告诉我们，B=MAT，即：行为=动机x能力x触发。

从行为反推动机

通过行为结果，加上过程数据的分析，我们可以反向观察到用户背后的动机。

比如：

• 公众号推文，推出去1个小时有多少人阅读，12小时的阅读量，24小时的阅读量。推文的时间是固定的，点击打开文章的成本也基本相同（忽略手机不同造成的体验不同）。打开率这个数据，基本可以反应用户对标题的敏感性，只有那些触动到内心的标题，才会获得更多的打开。
• 我们自己的微信朋友圈，有些内容会获得更多的点赞，有些无人问津。同样的，从朋友的点赞行为，可以反映出朋友对哪些内容感兴趣。而且有趣的是，这次被很多人点赞的内容，下次同样的类型就未必。人们的习惯和内心想法会改变，而行为本身就是最诚实的公开投票。
• 产品和运营经常会通过A/B测试来优化产品体验路径，同样的购买路径，不同的注册登陆逻辑、落地页展现形式等，都会对最终结果产生极大的影响。从数据可以观察到阻拦用户的环节，比如：输入内容，有时可以阻挡50%的人群从此环节通过，如果遇到老年用户的场景就更恐怖了。

用户行为并非孤立存在，很多时候也非突然出现，只不过我们没有提前输入足够信息来迎接罢了。
**

如何建立行为监测

从用户进入我们设计的场景，到他们后续的每一步操作，都可以被监测，最后我们可以通过数据来观察用户的完整行为路径。
漏斗模型是最常用的分析模型，比如100人从店铺前面走过，其中20个人进店查看，15个人点了绿豆奶茶，4个人点了沙拉，1个人转了转走了出去。这就是最基本的一个数据漏斗，还可以继续分，比如15个点了绿豆奶茶的人里面，有13个人通过展示会员卡获得了优惠，2个人是第一次消费，其中1个人在消费后注册成为了会员……

漏洞模型是一套方法，可以被应用在各行各业各种工作场景，不仅仅是在运营或者产品。比如HR招聘的时候，筛选了1000份建立，最后通过考核成功入职100人。这也是个漏斗模型的应用，如果HR工作再仔细点，对不同学校类型、专业类型的应聘者统计，观察他们在每一轮笔试、面试的表现，记录数据，就可以得出一些小经验，比如哪类学校某个专业的童鞋在某类专业问题上表现相对优异……当然也可能因为数据太平均不能得出经验结论，那就可以反思下考验的题目设置，如何可以更好地区分人群及其能力。

常见的行为跟踪工具和效果

1. 视觉跟踪，一般用在Web网页或者桌面软件居多，有配合眼动仪等硬件设备在实验室开展测试，观察用户屏幕关注点。

1. 桑基图，App应用较多，用于监测页面浏览和转向，观察每个页面的使用频率。

1. 转化漏斗，关注转化率，用来指导销售过程环节的优化。

行为跟踪的应用

我们跟踪行为，是为了更好地了解用户，反向优化策略。

• 根据用户关注的热点，我们可以优化页面的布局，最后统计整体页面的点击率是否有提升
• 根据用户点击的路径，我们可以优化产品逻辑，干掉那些无效的行为门槛，疏通那些必经之路上的堵塞
• 根据销售漏斗和用户支付路径，可以优化每个销售环节的话术、文案、素材，优化产品付费体验，提高转化率
• 除了行为路径本身的数据，还可以根据用户行为的结果，建立内容素材库，与用户兴趣关联，选题的挖掘和用户的洞察，是个永恒且重要的话题。

最后，行为跟踪并非一次设定模型长期可用，它更多时候是一套方法，是一种分析的思路。在实际应用中，需要结合业务的发展阶段来实施，不是数据收集地越全越好，一般会随着业务从起步到成熟，行为跟踪的层级会越来越深，覆盖越来越广，到后期复杂度越来越高的时候，或者技术有重大革新的时候，也会推翻之前的框架重新搭建新的监测体系。

够用、能用上、有效果，才是建立行为跟踪的最终目的。