在移動(dòng)互聯(lián)網(wǎng)的早期還存在大量的流量紅利，但隨著流量增長(zhǎng)、紅利消退，同行激烈的競(jìng)爭(zhēng)，使得獲客成本飆升到難以承受的水平，業(yè)務(wù)增長(zhǎng)緩慢甚至倒退。
在如此高成本、高競(jìng)爭(zhēng)的環(huán)境下，通過(guò)互聯(lián)網(wǎng)用戶(hù)行為分析，可以實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)、從而提升用戶(hù)體驗(yàn)與平臺(tái)轉(zhuǎn)化。
通過(guò)前面的系列文章，相信大家也已經(jīng)認(rèn)識(shí)到BI能夠?qū)⒋鎯?chǔ)于商業(yè)系統(tǒng)中的數(shù)據(jù)轉(zhuǎn)換成有用的信息，能夠融合線上線下的數(shù)據(jù)，且不限定分析場(chǎng)景，從而更好地指導(dǎo)決策。
從結(jié)果來(lái)說(shuō)，線上的用戶(hù)行為分析和BI都能幫助企業(yè)提升競(jìng)爭(zhēng)力；從過(guò)程來(lái)說(shuō)，BI能做數(shù)據(jù)分析，用戶(hù)行為也是一種分析方法，那么，兩者有什么區(qū)別呢？
小編將從概念、分析流程&數(shù)據(jù)來(lái)源、應(yīng)用場(chǎng)景三方面為大家做個(gè)詳細(xì)對(duì)比。
概念
什么是用戶(hù)行為分析？
用戶(hù)行為分析就是通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從中發(fā)現(xiàn)用戶(hù)使用產(chǎn)品的規(guī)律，并將這些規(guī)律與網(wǎng)站的營(yíng)銷(xiāo)策略、產(chǎn)品功能、運(yùn)營(yíng)策略相結(jié)合，發(fā)現(xiàn)營(yíng)銷(xiāo)、產(chǎn)品和運(yùn)營(yíng)中可能存在的問(wèn)題，從而讓產(chǎn)品獲得更好的增長(zhǎng)。
用戶(hù)行為在分析中被定位為各種事件，例如用戶(hù)搜索是一個(gè)事件，在什么時(shí)間、什么平臺(tái)上，哪一個(gè)ID、做了搜索，搜索的內(nèi)容是什么——這是一個(gè)完整的事件�；诖�，分析師可以在網(wǎng)站或者APP上定義無(wú)數(shù)個(gè)這樣的事件。
而通過(guò)這些事件就可以把用戶(hù)的行為串聯(lián)起來(lái)觀察，例如用戶(hù)首次進(jìn)入網(wǎng)站后是一個(gè)新用戶(hù)，通過(guò)瀏覽某些頁(yè)面激發(fā)他進(jìn)行注冊(cè)，那么注冊(cè)行為就是一個(gè)事件。注冊(cè)填寫(xiě)信息之后的搜索，或者開(kāi)始下單買(mǎi)東西，所有這些都是用戶(hù)行為的事件，可以作為用戶(hù)行為分析的內(nèi)容。
什么是BI？
BI主要是基于信息化時(shí)代，企業(yè)產(chǎn)生大量的業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)在不同的系統(tǒng)中或者存放在臨時(shí)的Excel、CSV文件中，數(shù)據(jù)口徑不一，需要前期花費(fèi)大量時(shí)間進(jìn)行數(shù)據(jù)處理。結(jié)合業(yè)務(wù)背景，BI通過(guò)分析模型能支持經(jīng)營(yíng)決策。核心是通過(guò)構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)，有效整合數(shù)據(jù)、組織數(shù)據(jù)，為分析決策提供支持并實(shí)現(xiàn)其價(jià)值。
BI的作用是對(duì)獲取數(shù)據(jù)的多維度分析、數(shù)據(jù)的切片、數(shù)據(jù)的鉆取分析等。通過(guò)ETL數(shù)據(jù)抽取、轉(zhuǎn)化形成一個(gè)完整的數(shù)據(jù)倉(cāng)庫(kù)、然后對(duì)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)進(jìn)行抽取，最后是商業(yè)智能的前端分析和展示。
用戶(hù)行為分析是基于用戶(hù)在網(wǎng)站、APP上留存的事件去掌握與分析用戶(hù)從哪里來(lái)，進(jìn)行了哪些操作，為什么流失，從哪里流失等固定的場(chǎng)景深度分析。
對(duì)于BI來(lái)說(shuō)，會(huì)側(cè)重于數(shù)據(jù)分析，是業(yè)務(wù)、數(shù)據(jù)、數(shù)據(jù)價(jià)值應(yīng)用的過(guò)程，是一整套完整的解決方案，是一套復(fù)雜的信息系統(tǒng)，不局限于某一單一場(chǎng)景的分析。
分析流程&數(shù)據(jù)來(lái)源
就分析流程來(lái)說(shuō)，線上的用戶(hù)行為和BI分析都是定義問(wèn)題，解決問(wèn)題的過(guò)程，詳細(xì)來(lái)說(shuō)，一般是問(wèn)題定義-問(wèn)題分析-風(fēng)險(xiǎn)規(guī)避-改進(jìn)措施，能夠形成一個(gè)良性循環(huán)。
從數(shù)據(jù)的來(lái)源來(lái)說(shuō)，用戶(hù)行為數(shù)據(jù)通常利用寫(xiě)代碼來(lái)詳細(xì)描述事件和屬性的方式，國(guó)內(nèi)都統(tǒng)稱(chēng)為“埋點(diǎn)”。雖然非常耗費(fèi)人力、過(guò)程非常繁瑣重復(fù)，但是大部分互聯(lián)網(wǎng)公司仍然雇傭了埋點(diǎn)團(tuán)隊(duì)。
現(xiàn)在市面上也有無(wú)埋點(diǎn)采集的成熟第三方供應(yīng)商，通過(guò)前端自動(dòng)采集全部事件并上報(bào)所有數(shù)據(jù)，但存在部分業(yè)務(wù)維度無(wú)法采集，無(wú)法進(jìn)行深度的業(yè)務(wù)分析。
相比來(lái)說(shuō)，BI的數(shù)據(jù)來(lái)源更加廣泛，可以接入數(shù)據(jù)庫(kù)數(shù)據(jù)、文件數(shù)據(jù)(例如Excel、CSV等)以及來(lái)自大數(shù)據(jù)平臺(tái)的數(shù)據(jù)以及定制接入（例如TiDB，MaxCompute，AnalyticDB， Doris等），以及來(lái)自ERP、CRM、POS、WMS等多種業(yè)務(wù)系統(tǒng)的數(shù)據(jù)。
另一方面，不同的BI廠商能夠支持接入的數(shù)據(jù)源會(huì)有所差異，BI系統(tǒng)一般不包含數(shù)據(jù)采集這一步驟。
應(yīng)用場(chǎng)景
用戶(hù)行為的分析場(chǎng)景
對(duì)于線上的用戶(hù)行為分析來(lái)說(shuō)，不得不說(shuō)經(jīng)典的AARRR模型，分別對(duì)應(yīng)用戶(hù)生命周期中的5個(gè)重要環(huán)節(jié)。
1、獲取新用戶(hù)(Acquisition)，是運(yùn)營(yíng)一款產(chǎn)品的第一步，推廣人員需要分析產(chǎn)品特性和目標(biāo)人群，需要在不同時(shí)期選擇不同渠道進(jìn)行推廣。
常用指標(biāo)：曝光率、點(diǎn)擊率、累計(jì)新增、注冊(cè)激活、主動(dòng)活躍、交易活躍等。
2、提高活躍度(Activation)，在今日活躍的用戶(hù)中，一部分是新增，另外絕大部分都是以往的留存用戶(hù)，產(chǎn)品運(yùn)營(yíng)周期越長(zhǎng)，新用戶(hù)占比越少。影響活躍的因素主要由活躍構(gòu)成和產(chǎn)品粘度兩方面來(lái)進(jìn)行。
常用指標(biāo)：新用戶(hù)數(shù)、老用戶(hù)數(shù)、新老占比、日活、周活、月活等。
3、提高留存率(Retention)，通常維護(hù)一個(gè)老用戶(hù)的成本要遠(yuǎn)遠(yuǎn)低于獲取一個(gè)新用戶(hù)的成本，分析出用戶(hù)在哪里流失，為什么流失，才能有的放矢的解決問(wèn)題。
常用指標(biāo)：日/周/月留存率、用戶(hù)LTV、流失率等。
4、獲取收入(Revenue)，產(chǎn)品運(yùn)營(yíng)最核心的一塊，產(chǎn)品無(wú)法實(shí)現(xiàn)商業(yè)化就難以持續(xù)運(yùn)行與迭代。
常用指標(biāo)：ARPU、ARPPU、新老用戶(hù)的付費(fèi)率等。
5、自傳播(Refer)，病毒式傳播是每個(gè)產(chǎn)品向往的推廣方式，除了好的營(yíng)銷(xiāo)方式鋪墊，更重要的還是要靠產(chǎn)品自身的品質(zhì)。
常用指標(biāo)：口碑指數(shù)、百度指數(shù)、網(wǎng)站PR值、搜索引擎收錄數(shù)等。
BI的分析場(chǎng)景
用戶(hù)行為分析的數(shù)據(jù)如果想要拿到BI上來(lái)分析，也是完全可以支持的。所以不管是AARRR模型，還是其他的數(shù)據(jù)分析模型，能夠接入數(shù)據(jù)的前提下都可以在BI平臺(tái)上來(lái)實(shí)現(xiàn)。
以連鎖零售為例，可以從如圖的八大場(chǎng)景來(lái)分析，涵蓋了決策管理層、區(qū)域負(fù)責(zé)人、一線員工等多種角色的看數(shù)需求。
數(shù)據(jù)是基礎(chǔ)，場(chǎng)景分析只是手段。從BI分析來(lái)說(shuō)，想要實(shí)現(xiàn)業(yè)務(wù)經(jīng)驗(yàn)、數(shù)據(jù)真正賦能與業(yè)務(wù)部門(mén)，需要的前提是：
一、打通企業(yè)各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源，實(shí)現(xiàn)數(shù)據(jù)的互通互融。包括數(shù)據(jù)接入、數(shù)據(jù)清洗等前期準(zhǔn)備過(guò)程�？梢暬献降臄�(shù)據(jù)流處理過(guò)程；數(shù)據(jù)清洗能夠?qū)崿F(xiàn)實(shí)時(shí)預(yù)覽、實(shí)時(shí)保存；數(shù)據(jù)流實(shí)現(xiàn)自動(dòng)更新，結(jié)合觀遠(yuǎn)的Smart ETL這些操作可以輕松實(shí)現(xiàn)。
二、基于完整的數(shù)據(jù)源構(gòu)建統(tǒng)一的數(shù)據(jù)分析平臺(tái)。通過(guò)觀遠(yuǎn)數(shù)據(jù)指標(biāo)體系落地方法論，基于公司總體戰(zhàn)略目標(biāo)，來(lái)構(gòu)建“以終為始”的業(yè)務(wù)指標(biāo)體系，從而快速實(shí)現(xiàn)BI系統(tǒng)和業(yè)務(wù)系統(tǒng)的對(duì)接。
三、根據(jù)已沉淀積累的分析實(shí)踐，再結(jié)合客戶(hù)實(shí)際的業(yè)務(wù)需求來(lái)構(gòu)建數(shù)據(jù)分析場(chǎng)景。比如說(shuō)，商品運(yùn)營(yíng)層面上進(jìn)行動(dòng)銷(xiāo)監(jiān)控、暢滯銷(xiāo)分析、全景庫(kù)存分析等，真正將專(zhuān)家經(jīng)驗(yàn)固化成數(shù)據(jù)資產(chǎn)。
小結(jié)
大家可以把數(shù)據(jù)當(dāng)做食材來(lái)理解用戶(hù)行為分析和BI這兩者的關(guān)系：
有人喜歡吃米飯，有人喜歡吃面，有人吃粵菜，有人喜歡吃魯菜，眾口難調(diào)的“飲食習(xí)慣”可以由BI平臺(tái)根據(jù)不同的需求來(lái)管控；而至于具體怎么做這道菜，要根據(jù)菜系食材質(zhì)量以及客戶(hù)要求來(lái)選擇，用戶(hù)行為分析是其中一種通用的做法。
這就是BI和用戶(hù)行為的區(qū)別，
BI側(cè)重洞察和分析，貫穿業(yè)務(wù)需求，助力企業(yè)經(jīng)營(yíng)分析，是個(gè)橫向體系，而用戶(hù)行為分析可以從數(shù)據(jù)采集到分析，是在數(shù)據(jù)分析范圍中的垂直體系。
在實(shí)際選品過(guò)程中，大家也需要結(jié)合公司現(xiàn)狀來(lái)選擇。一般來(lái)說(shuō)泛互聯(lián)網(wǎng)公司前期需要用戶(hù)行為分析，它確實(shí)是企業(yè)精細(xì)化運(yùn)營(yíng)和數(shù)據(jù)驅(qū)動(dòng)的得力助手，通過(guò)挖掘用戶(hù)留存、用戶(hù)畫(huà)像、用戶(hù)行為路徑等數(shù)據(jù)價(jià)值，幫助企業(yè)用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。
但隨著業(yè)務(wù)的快速發(fā)展，如果單一的用戶(hù)分析已經(jīng)難以滿(mǎn)足日趨多樣化的業(yè)務(wù)需求，可以配合使用BI平臺(tái)來(lái)進(jìn)行多場(chǎng)景多維度的數(shù)據(jù)分析。
