讲师：邱岳
1. 用户属性
1.1 用户是谁
- 通用：年龄、性别、地区、终端、分辨率、网络条件…
- 业务：社交、来源、职业、家庭关系、学历、ID…
- 来自数据工具/用户调研/业务数据表
- 快速辅助决策
- 应指向用户画像
- 形成对用户好恶的感性直觉理解
1.2 用户从哪里来，到哪里去
- 互联网产品分析中最重要的分析领域；
- 宏观分析和局部观察两种
- 数据获取：用户行为日志
- 常用工具：漏斗/地图
- 思路：从微观轨迹到宏观数据
- 从用户的角度看产品，标记在每一时刻可能做什么，去哪里
- 核心路径是什么？路径的核心环节是什么？
2 App Store 页面体验
- 页面：
☞ Portal： 今日推荐、游戏、App、搜索
☞ List：应用列表
☞ Detail：专文推荐、应用详情 - 动作 分享、获取（点击获取 > 确认）、退出
来源 --> 着陆位置 --> 行为轨迹 --> 关键行为 --> 出口 --> 引荐 | 留存
2.1 用户分类与用户标签
- 用户是谁 x 用户做了什么 --> 用户标签
- 新用户 & 老用户
- 高频用户 & 低频用户
- 浏览用户 & 下载用户
- 免费用户 * 付费用户
- 新购用户 & 复购用户
- 无支付路径用户 & 支付宝用户 & 银行卡用户
- 生产力工具用户 & 游戏用户 & 创造力工具用户
- 生产用户 & 消费用户
- L1, L2, L3, L4
2.2 用户产品的数据模型
- 假设一个关键目标：提高 App 下载量
- 以终为始，倒推实现路径
2.3 基于数据反推的策略
- 针对 App Store 新用户提供搜索引导
☞ 目标：提高新用户进入搜索页 – 输入搜索词 – 提交搜索 – 浏览并点击搜索结果的比例 - 针对低频用户发送 Push，直接导入搜索结果页
☞ 目标：提高低频用户进入搜索页 – 浏览并点击 – 自行输入搜索词的比例 - 针对免费用户，优先展示免费 App 的搜索结果页
☞ 目标：提高免费用户的搜索列表至应用详情的转化率 - 还有很多，当我们将框架搭建好后，数据填充其间，就可以集中考虑策略了。
3 作业
- 挑选一个你喜欢的产品（结构简单一点），做一个用户路径地图
- 针对这个路径地图，做一个漏斗模型，填入你认为合理的数字
- （选做）根据这个你假设的数字，提出下一步的优化重点
- （选做）针对优化重点，提出一到两个改进方案。