如题所述
如果是为了优化产品，提升使用转化率，那么有一些固定的分析模式，行为入口、操作过程、
与使用特征相关的用户属性是比较重要的自变量。当然，因变量是行为结果的成功与否。如果是电商为了提高利润，那么可入手的方面就比较多，服务优化、产品优化、供应链优化等都可能有机会，我个人经验觉得供应链优化比较靠谱，从用户的原始期望入手，效果持久且可提升空间大，这里包括了给用户提供什么产品的推荐优化以及供应链本身的成本控制。如果是更复杂一点的，例如sns如何提高用户的贡献、活跃度，这种课题我就没经验了，这涉及到人类交往的大行为分析，个人觉得仅仅是网站数据的建模是极度不靠铺的，至少只能找到三流的解决方案来解决一些皮毛问题。必须解决社会学和心理学，甚至部分实验经济学的建模思想和分析方法。
其实，很多人可能不知道，“行为分析”四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度，同时，它也催生出了新一代的数据分析工具和分析方法。过去，全国上下都在关注PV、UV、跳出率、访问深度、停留时长，哦，还有很多人始终放不下的热力图等，总体来说，这些指标都属于统计指标，反映的都是产品总体情况，数据的价值除了反映现状更重要的是能应用。
统计是数据汇总整理的结果，没有分析，怎能拿来指导业务增长呢?当然，可能指导过，比如，一款阅读产品，通过文章详情页的停留时长可以判断用户对文章的喜好程度，但是，他可能是在写一个800字的评论，内容可能是“晃一晃作者的脑袋，都能听到海浪的声音，否则文章不可能这么水，使用你们APP整好100天了，是时候做个了结了，人生长路漫漫，确实不必再见。F**K。此处省略775个字”，所以，比起用户在该页面所花时间的汇总，可能用户到底是在看文章还是在评论以及评论的内容是什么对我们更有指导意义，嗯哼。技术在发展，时代在召唤，所以，行为分析，你需要了解并且知道如何应用。基于用户在互联网产品上的行为以及行为背后的人发生的时间频次等深度还原用户使用场景并且可以指导业务增长。通俗点说：对用户模型做关键补充。通过行为数据的补充，构建出精细、完整的用户画像。传统统计工具的数据背后没有人，所以也谈不上用户模型（画像），一个完整、多维、精确的用户画像=用户行为数据+用户属性数据
本回答被网友采纳