用户行为路径可以分析用户在App或小程序中各个模块的流转规律与特点，挖掘用户的访问或点击模式，进而实现一些特定的业务用途，如App核心模块的到达率提升、特定用户群体的主流路径提取，App产品设计的优化与改版等。
下面简单介绍一下用户行为路径在业务上的两个应用场景，了解一下用户行为路径产品化的应用场景和价值。
应用场景一：产品设计的优化与改进
用户行为路径分析对产品设计的优化与改进有着很大的帮助，可以用于监测与优化期望用户路径中各模块的转化率，也可以发现某些冷僻的功能点。
一款电商类App应用中，从开始搜索点击商品到最终下单成交的过程中，用户往往会进行一系列的各种操作。通过路径分析，可以清晰的看到哪些是影响用户最终转换浪费流量，哪些操作过于冗长繁琐，这样可以针对性地改进提高支付转化率，优化用户体验。
如果在路径分析过程中用户的成单数量与搜索结果、列表页展示以及支付速度等密切相关，就可以考虑优化这一部分的产品体验和技术能力，增强用户黏性与转化意愿。
应用场景二：产品运营过程的监控
产品关键模块的转化率本身即是一项很重要的产品运营指标，通过路径分析来监测与验证相应的运营活动结果，可以方便相关人员认识了解运营活动效果。
例如：一款在线教育产品通过用户行为路径对核心业务进行分析，通过用户路径展现，发现路径为用户访问 APP——浏览课程详情页——购买课程 / 课时——完成课程中，浏览课程详情页到购买课程 / 课时仅有 10% 的转化率，比该企业的预测转化率低很多。
那么便可以优化这个这一部分的产品体验或者运营手段等，来提高转化率，进一步增加完成课程的人数。
用户行为路径产品化
下面来介绍本文的重点，如何设计一款用户行为路径的大数据产品，来帮助业务和产品提升体验，提高转化率，实现数据驱动业务的目的。
在开始之前，先来了解一个术语Session，即会话，用于描述用户一次使用App或者小程序的行为总和，用户可能反复在几个页面间流转，但是在足够近的时间内，意味着在一次会话之中。
Session是实现用户行为路径的基础，因为我们要把用户的行为通过Session做切分，具体如何做切分（即Sessionize），因为面向的是产品同学，这里就不做具体介绍（各位产品经理们可以推动你们的技术同学去实现^_^）。
Sessionize完成以后，还要考虑在网络环境下，用户对链接的访问可能出现前进或者后退的情况，不会一层不变按照固定好的站点结构走下去， 例如：在一个用户访问的Session中，用户有目的的完成一件任务需要经过1,2,3,4步，但是在实际过程中可能出现过重复比如进行1,2,3,2,3,4的操作来进行。为了还原用户的真实的路径信息 ，需要去挖掘用户的最大前驱路径。
例如：一个用户的访问Session有如下的路径{A,B,C,D,C,B,E,G,H,G,W,A,O,U,O,V}，这里需要得到其最大的向前的访问路径为{ABCD,ABEGH,ABEGW,AOV,AOU}，把访问路径以属的形式进行展开，就可以清楚的看到用户的访问路径,形象化的图示如下：
图1 最大前驱路径示例
感兴趣的可以搜索下MFR或者MFP来了解下路径模式挖掘之最大前驱路径，这里就不再做具体的算法方面的讨论。
然后，将子路径进行去重，并且记录每个路径的点击次数和UV等数据，将该结果存入Hive或者Druid中（测试发现大数据量下Hive的查询速度较慢些，推荐使用Druid）。
底层数据都准备好了，接下来也就是产品经理们最关心的产品化了，这块要考虑实现哪些维度的筛选来过滤用户的行为路径，根据业务情况，用户行为路径都展示哪些信息等。
如下图的原型设计，可以通过设置路径的起始和结束节点、操作系统、平台、版本号、时间等条件查找用户的行为路径。这里必须提到一点，增加任何维度都是会要增加底层表的数据量的，从而影响最终产品的查询速度，这里还需要根据业务情况具体把握，只筛选业务最关注的几个维度。
图2 用户行为路径筛选条件
查询结果中会按照点击次数从大到小依次显用户行为路径情况，并展示用户的点击次数、访问UV等数据，在每条路径后面可以查看详情，用来显示每一条路径的转化漏斗情况。如下图3原型所示：
图3 点击查看路径的转化漏斗情况
小结
至此，用户行为路径的产品化已经完成，接下来，就是进一步来修正数据埋点的问题和数据准确性，然后推动让公司包括产品和运营等更多的人用起来。
用户行为路径分析可以让业务人员既可以有的放矢，验证自身假设，有针对性地解决问题。也可以日常监测用户的行为路径，及时发现用户的核心关注点及干扰选项，持续挖掘产品及服务的价值，实实在在的让大数据产品来驱动业务增长，同时也实现了数据产品经理自身的成长。
一个数据人的自留地是一个助力数据人成长的大家庭，帮助对数据感兴趣的伙伴们明确学习方向、精准提升技能。
扫码关注我，带你探索数据的神奇奥秘
发表评论 取消回复