一旅掂、案例背景
用戶行為路徑分析是一種監(jiān)測(cè)用戶流向，從而統(tǒng)計(jì)產(chǎn)品使用深度的分析方法。它主要根據(jù)每位用戶在App或網(wǎng)站中的點(diǎn)擊行為日志，分析用戶在App或網(wǎng)站中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)树碱，挖掘用戶的訪問或點(diǎn)擊模式，進(jìn)而實(shí)現(xiàn)一些特定的業(yè)務(wù)用途变秦，如App核心模塊的到達(dá)率提升成榜、特定用戶群體的主流路徑提取與瀏覽特征刻畫，App產(chǎn)品設(shè)計(jì)的優(yōu)化與改版等蹦玫。
用戶路徑的分析轉(zhuǎn)化結(jié)果通常以墒昊椋基圖形式展現(xiàn)，以目標(biāo)事件為起點(diǎn)/終點(diǎn)樱溉，詳細(xì)查看后續(xù)/前置路徑的流向挣输，可以詳細(xì)查看某個(gè)節(jié)點(diǎn)事件的轉(zhuǎn)化情況「Ｕ辏總的來說撩嚼，行為路徑分析有如下作用：
1. 可視化用戶流向，對(duì)海量用戶的行為習(xí)慣形成宏觀了解肚医。
2. 定位影響轉(zhuǎn)化的主次因素，使產(chǎn)品的優(yōu)化與改進(jìn)有的放矢向瓷。
指標(biāo)
- PV-瀏覽量肠套，UV-獨(dú)立訪客量
- 注冊(cè)用戶數(shù)——衡量有效用戶數(shù)量
- 激活/活躍用戶數(shù)——激活是存量概念，僅能操作一次猖任，活躍用戶代表登錄后完成訪問
- 申請(qǐng)/放款用戶數(shù)——活躍用戶中申請(qǐng)貸款被記為申請(qǐng)用戶你稚，通過并成功用戶被記為放款用戶
- 復(fù)借用戶數(shù)——借款次數(shù)超過一次的用戶數(shù)，一般有時(shí)間維度
二朱躺、分析過程
本文在分析過程中刁赖，主要采取漏斗分析法的思路，梳理出貸款過程中的各用戶轉(zhuǎn)化流程长搀，主要有瀏覽（pv/uv）宇弛、注冊(cè)、激活源请、申請(qǐng)枪芒、放貸等彻况，然后計(jì)算出每個(gè)環(huán)節(jié)參與的人數(shù)及轉(zhuǎn)化率，最后根據(jù)轉(zhuǎn)化率繪制漏斗分析圖舅踪，衡量轉(zhuǎn)化薄弱環(huán)節(jié)等纽甘。
PART 1 讀取數(shù)據(jù)
本案例原始數(shù)據(jù)主要分為兩部分，表1為平臺(tái)流量表抽碌，表2為貸款審核表,前者用于記錄各貸款流程中的用戶情況悍赢，后者用于記錄用戶貸款申請(qǐng)及放貸情況
導(dǎo)入數(shù)據(jù)后，通過更改字段名最終得到兩表格數(shù)據(jù)如下：
PART2 計(jì)算每日申請(qǐng)貸款人數(shù)货徙、審批貸款人數(shù)左权、放貸率
通過觀察表1、表2,發(fā)現(xiàn)破婆，貸款申請(qǐng)表主要為用戶維度涮总，不能直觀體現(xiàn)貸款流程及人數(shù)轉(zhuǎn)化，因此將其轉(zhuǎn)化為每日申請(qǐng)貸款人數(shù)以及審批貸款人數(shù)祷舀，來計(jì)算放貸率瀑梗，在計(jì)算時(shí)考慮到新用戶與老用戶的不同屬性，將兩群體分別計(jì)算裳扯，主要步驟如下：
- 分別定義新用戶抛丽、老用戶
- 將新、老用戶繪制為數(shù)據(jù)透視表饰豺，按照日期匯總每日申請(qǐng)貸款人數(shù)和每日放貸人數(shù)
- 將上一步所求的放貸人數(shù)/貸款申請(qǐng)人數(shù)亿鲜，得到放貸率
- 對(duì)于老用戶，還要計(jì)算復(fù)借率這一指標(biāo)
得到新老用戶放貸情況如下兩表:
連接后的老用戶放貸表格式如下圖：
PART3 計(jì)算各節(jié)點(diǎn)路徑轉(zhuǎn)化率并繪圖
為計(jì)算各流程用戶數(shù)冤吨，進(jìn)一步繪制漏斗圖示蒿柳，主要步驟如下：
- 匯總各表得到所有流程用戶數(shù)及轉(zhuǎn)化率等
- 匯總前一步表中各流程總?cè)藬?shù)，得到漏斗轉(zhuǎn)化各流程的用戶數(shù)
- 繪制漏斗轉(zhuǎn)化圖
最終得到漏斗圖如下：
由圖可知漩蟆，注冊(cè)是所有貸款申請(qǐng)流程中的薄弱環(huán)節(jié)垒探，29%的瀏覽用戶中僅有4%的用戶注冊(cè)了產(chǎn)品，前后差了7倍多怠李，后續(xù)應(yīng)通過一系列措施促進(jìn)用戶注冊(cè)產(chǎn)品圾叼，從而提高貸款產(chǎn)品的轉(zhuǎn)化率
