用户行为分析采集哪些数据 经济开发区用户行为分析采集哪些数据

编辑整理：整理来源：抖音，浏览量：99，时间：2022-08-10 06:28:01

用户行为分析采集哪些数据，用户行为分析采集哪些数据，用户行为分析采集哪些数据

前沿：用户行为分析采集哪些数据

　　对于运营者而言，最需要的就是根据用户不同的行为来制定不同的运营策略。怎样才能判断用户不同的行为呢?最直接的方式就是通过数据分析来进行，得出准确的结果。

　　今天，给大家分享下如何通过数据分析来判断用户行为。

　　想要获取用户的行为数据，需要通过埋点获取，判断用户对产品的兴趣度。

　　用户行为数据分析的三个方面

1.用户黏性　　(1)使用次数　　使用产品的次数是分析用户行为的重要指标之一，只用用户使用产品才能够为以后做打断。　　根据用户的使用次数，通过不同时间，年龄，地域，收入，性别等因素，针对不同层级用户制定相应产品策略。　　(2)时间间隔　　用户使用产品的频率，从上一次到这一次到下一次的时间区间，对用户活跃的时间段进行划分，有利于运营制定运营策略进行用户的激活。

2.用户活跃　　用户使用时间是影响用户转化的关键问题，只有用户使用的时间越长，才能够使用运营方法来实现用户变现。　　页面质量也是一个重点，用户访问页面越多，提升用户的停留时长，间接地提升订单转化。

3.用户变现　　用户变现在不同形态的商品上有不同的含义。比如信息流产品，就是广告的曝光，以及广告的点击率和后续的转化。　　引起用户的兴趣，低成本高回报的方式获取用户，满足用户的心理需求。

---

是的，我们和'GrowingIO'在一起了！

在一起，是数据云和分析云王牌强强联手、服务客户，也是组织融合共同成长，当然，我们的工程师，也“在一起”了！

没错，本届StartDT Hackathon，以“StartDT产品全家桶”为主题，奇点云和GrowingIO的工程师一起来玩！

这是有史以来最开放的一次选题。

奇点云合伙人、黑客马拉松发起人地雷介绍，为从工程师领域推动融合，形成并优化全栈技术方案，实现“真·在一起”，本次选题不限产品，尤其鼓励多产品技术团队联动，在产品融合、打通层面共同创新。

“StartDT产品全家桶”由数据云、分析云两大产品体系组成，包含数据云平台DataSimba、消费者运营平台DataNuza、用户行为分析平台GrowingIO-UBA等王牌产品。

从日常实践、“吃狗粮”中，各产品团队的工程师们挖掘出了不同角度共15个选题，其中以下6题正式入选，并通过提测，进入大赛角逐：

DataNuza前端微服务改造 _ 你说的队

2. GrowingIO-UBA、DataNuza融合服务器缩减方案 _ 三秋树

3. 当DataSimba遇到GrowingIO-UBA，一图分析使用情况 _ 十二黄金圣斗士

4. DataNuza-MA的Webhook触点配置化 _ 炒菜队

5. DataSimba全栈支持Kerberos认证 _ 某个组

6. 解耦部署依赖，DataSimba部署再提效 _ 藕粉组

#1 既要无缝融合，又要灵活部署 DataNuza的前端微服务改造挑战

DataNuza是数据驱动的消费者运营平台，包含CDP、MA等模块，GrowingIO-UBA则是用户行为分析和增长平台。

这两款截然不同的产品，在项目实践中迎来了“融合”的要求——有许多客户同时采购了DataNuza和GrowingIO-UBA，数据打通自不必说，模块部署上也希望能更灵活，例如，只部署CDP和UBA，而不部署MA，或此前采购了CDP和MA，希望再增加一个UBA。

然而，DataNuza和UBA使用了不同的前端框架，如何在保留两者的同时完成融合动作，对产品团队是个挑战。

此外，伴随着产品的多年迭代，团队越来越庞大，单个项目体积也愈加庞大，模块之间耦合过重，导致无法对单个模块进行增量升级，未来产品的开发升级和维护效率均会受到影响。

“这是微服务改造的大好时机，可以一并解决上述问题。”“你说的队”队长执剑笑说，“配合本次黑客马拉松的大主题，喜从天降，正中下怀。”

具体而言，他们这样做：

1、构建一个主应用基座，统一门户登录、打通账号体系，通过该基座在子应用之间做数据下发和中转；

2、更改路由系统，改造应用的数据层，将原巨石应用按模块拆分成多个应用，以完成解耦。优化打包方式，使得子应用既可以整合到基座中，又可以独立运行和部署。

经过微服务改造，DataNuza和GrowingIO-UBA能够实现无缝融合，用户可以在同一入口登录并选择模块进行操作，体验上不割裂；

产品层面上，CDP、MA、UBA的各模块相互独立，可以各自进行功能迭代、开发、测试，而不再“牵一发而动全身”；

产品售卖和部署时，也更加灵活，能方便地拆分或组合部署各模块，而无需手动改写；

基于主应用基座，未来还可以接入其他更多第三方产品，消费者运营平台DataNuza也因此具备了更强大的集成和开放能力。

#2 产品融合缩减服务器 成本最高可降43%

部署DataNuza、GrowingIO-UBA两大产品，以往需要分别消耗各自的服务器资源，对客户来说会产生一定负担，分头部署实施和维护起来也有更高的难度。

以本次产品融合为契机，有没有可能探索出服务器缩减的优化方案？

经过对DataNuza、GrowingIO-UBA产品的调研，“三秋树”团队提出了最小部署方案。经过减少应用服务器、合并中间件与数据库服务器等动作，全新的最小部署方案相比分别部署，最高可缩减43%的服务器资源。

彩蛋：“三秋树”组名来自清代文学家郑板桥的作品“删繁就简三秋树，领异标新二月花”，组员们希望能持续删繁就简，为资源减负。

#3 当DataSimba遇到UBA 互相补充，“天生一对”

“很早以前就想给DataSimba选型一套前端埋点工具，来辅助DataSimba的产品运营…很巧的是，我们和拥有宇宙最强用户行为分析工具的GrowingIO在一起了！”十二黄金圣斗士组成员、DataSimba资深产品经理沙加介绍选题缘起，“机会总是留给有缘分的好产品”。

十二黄金圣斗士组在DataSimba上部署了GrowingIO的前端采集工具，将采集到的数据传入DataSimba，并结合DataSimba自有的元仓数据进行联合分析。

最终，通过GrowingIO-UBA的看板，可以准实时地了解到DataSimba产品使用情况，包括各模块访问量、用户量、停留时长、任务出错次数、作业类型占比等等，找到用户痛点，为DataSimba产品体验升级提供参考。

看板截图（测试环境） 看板截图（测试环境）

“这只是一个范例，我们用DataSimba的产品运营打了个样，向大家展示了DataSimba和GrowingIO-UBA如何携手实现数据驱动运营和增长。而在客户场景中，还能激发更多价值。”

十二黄金圣斗士组组长东风介绍，“举个例子，以往客户的商城APP或小程序上做前端SDK采集，可以对基础的用户行为进行分析，而现在用户行为数据进入数据云平台DataSimba，还能和商品管理后台的维表等更多源的数据做融合，甚至细化到商品上架信息、库存信息、历史促销记录等等，扩充数据维度，再将关联、融合后的数据输入UBA，做进一步深化分析，为决策提供可靠的支持。”

DataSimba + GrowingIO-UBA融合方案示意图

评委、资深技术专家牧然评价：“这个项目中，行为数据与元仓中的业务数据在DataSimba结合后回到UBA，又增强了行为数据本身，是非常好的融合尝试。”

据悉，“DataSimba + GrowingIO-UBA”实践已形成标准化方案，可快速在各产品（APP、小程序、网站等）或不同环境中部署。

彩蛋：如何评价双方的首次合作？

DataSimba资深前端工程师亦痕首次使用GrowingIO前端SDK采集工具，他表示：“GrowingIO拥有全套标准化的对接文档，这次从学习文档到完成全套部署只花了不到1小时，真正称得上方便快捷。”

十二黄金圣斗士组成员、GrowingIO产品专家千夜在了解DataSimba后，则表示：“这2个产品就是天生一对。”

经历了上一季黑客马拉松DataSimba与DataNuza团队的“红蓝CP”协作，产品经理和工程师们对本次多团队混搭显得游刃有余。

除了上述三大融合战队，还有三个组选择了“专注自身”，分别在DataNuza的配置效率和DataSimba的安全性与部署效率上发力提升，继续往下看。

#4 MA的Webhook触点配置化 效率提升80%

MA（营销自动化）是消费者运营平台DataNuza的重要模块之一，能帮助用户自动执行营销任务，通过短信、公众号、企业微信等多种渠道自动化触达用户，帮助企业组织全局营销战役。

而在为客户配置MA时，由于不同客户提供的接口不同，每配置1套MA的标准触点，就需要花上若干人天来进行手动开发配置。

能不能减少重复动作，节约开发实施时间，用更聪明的方式来完成Webhook触点配置？

基于项目成员们丰富的实施经验，“炒菜队”总结出了常见的对接项，形成界面化的表单配置，而不再需要开发手工进行：

第1步，确定接口地址、请求方法；

第2步，填写请求接口必传的参数信息；

第3步，根据请求客户接口后的返回结果，做映射。

“一共就3步，配置完成、测试通过后，就可以开始使用。”“炒菜队”队长朝歌介绍，“这一套方案更简单、技术门槛更低，而且相比原来的做法，效率能足足提升80%。”

#5 全栈支持Kerberos认证 DataSimba安全再提升

为提升DataSimba的安全性，“某个组”提出了全栈支持Kerberos的选题：DataSimba全栈组件开启Kerberos安全认证，包括Flink、Spark、Impala、Hive、HDFS、HBase、Kafka等等。

Kerberos是一种网络身份验证协议，旨在通过使用密钥加密技术为客户端/服务器应用程序提供强身份验证。通过验证，不仅能保证发送者和接收者的身份真实，还能检验来回传递的数据的有效性和完整性，并在传输过程中对数据进行加密。

组员北冥介绍，全栈支持Kerberos后的DataSimba安全性得到进一步加固，并为满足“多租户”场景做好了准备。

#6 守护30分钟纪录 DataSimba部署再提效

DataSimba最快在30分钟内就可以完成部署！

这是让全体StartDT工程师为之骄傲的纪录，而DataSimba升级到R4.2版本后，藕粉组的同学们发现，这个记录可能要守不住了

藕粉组的组长风质谈到：DataSimba R4.2需要在大数据引擎部署完成后才能部署，而客户资源的申请时间有不可控性，会导致DataSimba无法在半小时内成功部署。

解耦DataSimba R4.2和中间件的部署依赖，为DataSimba自动化部署再提效，这就是本次藕粉组的选题。

藕粉组明确了各微服务使用云原生文件系统的方式、挂载存储引擎的方式、HDFS配置方式及配置时机，通过反转服务域和云原生文件系统的依赖关系，由服务域管理云原生文件系统，最终实现k8s大环境下不替换云原生文件系统、HDFS的同时，成功完成解耦动作，不依赖大数据引擎就能启动DataSimba，并保证代码量较少，不加重项目负荷。

#StartDT 数据云+分析云携手并进

今年5月，StartDT“数据云+分析云”产品矩阵正式发布。统一开放、中立安全的数据云作为基础设施，封装复杂技术，为企业高效沉淀数据资产，降低数据管理与资源成本；一站式智能易用的分析云则连接数据与不同业务场景，帮助客户一站式实现数据的探索、发现、预测、决策及行动，进一步用数据驱动价值增长。

那么在实际场景中，“数据云+分析云”如何一体化、有机地赋能客户，又究竟能为客户带来多少价值？

拒绝技术自嗨！在本季黑客马拉松中，StartDT的工程师们就以“DataSimba + GrowingIO-UBA”为例，率先完成了最佳实践。伴随着产品体系的壮大，DataNuza等产品团队亦积极创新，探讨分析云融合方案。

首次参加StartDT Hackathon的评委、GrowingIO资深技术专家周期深感惊喜：“DataSimba+UBA这个项目完成度非常高。UBA结合元仓数据的场景能完成行为数据和业务数据的真正融合，意义很大。特别提一点，从DataSimba和UBA团队做项目过程中那些照片，能感受到工程师同学们共同解决问题那种互相协助、面对问题眼里有光的团队精神，真的很棒！”

评委、资深技术专家大门则表示，本次黑客马拉松是目前看到最有创意的一次。“UBA+DataSimba+DataNuza，三者强强联手，实时的用户分析、实时的数据处理、实时的营销推送，在同等计算资源下要做到最快，在同等速率下要做到最省资源。小伙伴们把整套数据云和分析云的产品玩得很溜，搭建了多个场景，并对其中出现的多个场景提出了颠覆性的整改意见，而且真正解决了某些场景。很高兴能参与其中，和优秀的人一起共事会让自己变得更优秀。”

真需求促进真融合，真痛点推动真创新。

在这群对数据技术充满热忱、行动力高、创造力强的工程师支撑下，StartDT产品“全家桶”将不断进化迭代，真正成为客户DT时代的最佳伙伴。

发奖啦！

本届StartDT Hackathon共有三组喜提奖金：“你说的队”和“某个组”获得并列第二，“十二黄金圣斗士”则以绝对领先的高分拿下一等奖。

二等奖：你说的队

雨晴：感谢公司能够提供这次宝贵的机会，让我能够从中提升自己。我觉得参加这次的黑马特别有意义，让微前端从零到有，能够有所实践。

桐人：每届黑客马拉松都非常有趣，可以感觉到大家各种想法的碰撞，毕竟“人人都是产品经理”。只不过这一次，我们的“微前端改造方案”更加打动大家一点，哈哈哈哈哈～

黛西：当获知我们团队获得“二等奖”的殊荣时, 我的心情无比激动,这是我们全体队员相互协作、齐心协力共同的荣誉！

执剑：感谢本次黑客马拉松的主办，使得我们能有机会挑战一下新技术的同时，站在与商业的交叉点上，产生商业价值。感谢评委们的认可和鼓励，我们将砥砺前行，持续思考，为公司带来新的价值。

并列二等奖：某个组

不愿透露姓名的组员：低调还是能躺赢的。

不愿透露姓名的另一位组员：这才是实力的象征

一等奖：十二黄金圣斗士

圣斗士代表：短短四天，从无到有，特别荣幸和这么有战斗力、主人翁精神的团队一起奋斗。和都是为了做事的人一起工作是种享受，十二黄金圣斗士大家是最棒的！

注：圣斗士之一、资深数据产品经理“沙加”因屡战屡胜，黑客马拉松胜率高达100%，下届起惨遭禁赛。

---

补充拓展：用户行为分析采集哪些数据

第一个问题，什么是用户行为分析：
过去的用户行为分析普遍的问题是：分析不聚焦、采集不全面、开发周期长、完全依靠人工埋点、事后分析、维度单一、指标传统。

所以当下可以把用户行为分析定义为：基于用户生命周期管理模型、全面采集所有数据、事中分析、提前预测、实时多维组合、科学维度划分、自定义指标的分析。
第二个问题：怎么做用户行为分析
你提出这个问题，证明你可能暂时没有数据分析团队，或者数据分析团队尚不成熟和完善，所以需要开展数据分析工作的话建议是借助第三方的平台。
这一块业务目前国内已经相对成熟，也有很多不错的合作伙伴可以选择了，硅谷的明星公司可以选择Google Analytics或者Mixpanel等，不过我最推荐的还是国内的数极客。
具体如何开展，我个人的建议是：
选择采用AARRR模型的平台，通过对用户全程行为的跟踪，让我们在经营中运营中，拥有Acquisition(获客)、Activation(激活与活跃)、Retention(留存)、Revenue(收入)、Refer(二次传播) 全程数据分析功能。 （推荐答案！）


用户行为分析是对用户在产品上的产生的行为及行为背后的数据进行分析，通过构建用户行为模型和用户画像，来改变产品决策，实现精细化运营，指导业务增长。
在产品运营过程中，DM hub对用户行为的数据进行收集、存储、跟踪、分析与应用等，可以找到实现用户自增长的病毒因素、群体特征与目标用户，从而深度还原用户使用场景、操作规律、访问路径及行为特点等。

行业热门话题：

【用户行为分析采集哪些数据是正确的】【用户行为数据收集】【客户行为数据采集】【用户行为分析的数据】【用户行为数据挖掘】【分析用户行为,主要会用到哪些数据】【用户行为分析结果】【用户行为数据采集字段说明】【1网站用户行为分析数据集】【用户行为分析案例】