【连载】独立站网站数据分析（12）- 用户行为分析
在“客户就是上帝”的认知下，“用户中心论”已经成为共识，在数据分析中我们称之为宏观概念下的用户行为分析。这一整套系列文章其实都是围绕用户行为而展开的理论、方法论和实践，在本篇文章中，为了更好理解，我们简化下概念。把用户行为拆分为“用户类型”和“行为”。
用户分类
根据用户的基本信息和行为特征可以将用户分为许多类别，衍生出各种各样的用户指标，实际上只要设定几个够用的指标就够了。从我的角度出发，用户、新用户、回访用户、流失用户，就可以满足独立站的分析需求。
新用户：首次访问网站的用户，通常会记录在网站cookie中，如果该用户清除电脑cookie或换设备设备，则会被被记录为另一个新的用户。
回访用户：曾经访问过网站，第二次以后的访问被定义为回访用户。但是需要注意的是，在GA4当中，如果一个新用户在一天内访问2次， 且2次间隔超过30分钟，那么他的第二次访问会被定义为回访。
用户：也就是我们之前说的unique visitor，在GA4中， 是新用户+回访用户的去重。通常按天、周、月来统计。每天的用户数量是我们衡量网站访问量的有效指标
流失用户：一段时间内未访问或登陆过网站的用户，一般流失用户主要针对已经注册过的用户而言，不同网站对流失的具体指标不同。对于电商而言，可能3个月不回访，就算流失掉了。流失用户的统计通常不在GA中进行，因为关注的不是仅仅是流失用户的多少，而是流失用户具体的邮箱是什么，针对不同阶段的流失用户，我该采取什么手段减少流失。所以在独立站的流失用户上，新的工具就会被引入使用。
活跃用户：活跃用户的定义千差万别，一般是定义某个关键动作达到了指定的要求就会认为是活跃用户，但这个指标其实会更适合去衡量内容型的网站或用户量极大的多SKU网站。这个指标其实我思考了很久，是否要放在“独立站的常用用户分类”里，处于严谨性的考虑，还是写了出来。但是在独立站的前期阶段，这个指标你不会用到很多。
在分析新老用户时，我们通常使用柱状图来呈现
有了前面4个常用用户类型后，通过计算就得到新用户比例、注册率、用户流失率这些复合指标。这些指标的定义相对明确，有各自的应用价值。有了这样一套的用户指标体系后，我们就可以利用这套体系去进行单独的或组合的分析。
如果你想用尽量简洁的指标去了解网站的用户情况，你会去问哪几个数字？
有的人说是累计用户数和每天访客数
但是在我看来，总用户数代表的是过去的辉煌，除了增加自我满足感外对分析没有太大的意义；每天的访问用户数是对过去努力的数据总结，从分析角度上看，如果不拆分则毫无意义。
管理之圣松下幸之助在一次企业管理演讲中讲到，管理企业就像一个蓄水池，无论资金怎么流入和流出，蓄水池里都要有水。
因此我们关注的应该是新用户数和流失率。
新用户数和新用户比例反映的是网站的推广能力，是之前渠道铺设带来的效果，它也是评估推广部门绩效的重要指标。
而用户流失率则反映了网站保留用户的能力，如果蓄水池的出水量大于进水量，那这个水池也终将枯竭。不过对用户流失率的关注也要结合产品性质来看，多SKU高复购的网站会关注用户流失；但对于低复购的产品就只能及寄托于不断地获取新用户了。
行为分类
在之前的文章中，我们提到了网站上的各种指标、指标分级、指标的追踪的内容。这些指标整体来说可以分为用户的活跃性指标及产出性指标， 可以方便你记忆。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
这些指标如果你单独去看，也只是一个笼统的概念。
如果和用户分类结合起来，如下图，是不是更加有指导意义呢？
“-”代表在此表中不分析该数据
请记住我们之前讲过的内容， 所有的分析都是有目的的，这样的一张表除了让我们知道网站不同用户群体的数量，了解网站整体概况外，还有一个更重要的功能，那就是计算出网站为每个新用户获取可以付出的成本是多少。
注意，这里要谈论的不是订单转化成本，而是新用户的获取成本，而这个新用户带来的行为可能只有pageviews。可能我用点击成本/单次访问成本来代替新用户获取成本，大家会更好理解这样计算的目的。
为了方便计算，简化逻辑，以上表格，我们带入以下数据。注意，以下计算只是展现大致逻辑，在真实的计算时，你可能需要考虑到更多的成本因素。
假设毛利率是50%，在新客户获取下，我们的利润为：3000*50%=1500
老用户的利润为：（5000-50）*50%=2475
利润的一半是我们愿意投入到新用户获取上的，那么以下公司计算出来的，就是能保证盈利下的，网站单个访客的获取成本。
（1500+2475）/2 /3000 = $0.6625
这样的新客户获取成本计算方式比较适合已经有多渠道的网站，因为渠道越丰富，也就意味着其中包含的渠道转化率、客单价的数据更平均，更具参考性。你可以使用这个数据去评估其他的渠道，以此初步判断新渠道是否适合。
比如，你想尝试一个叫做outbrain的原生广告平台，但是该平台上的点击成本平均都要0.7美金，而你的计算出来的新客获取成本只有0.65，那么在尝试时就需要更为慎重，除非这个平台的转化率会高于网站的平均转化率，那么该渠道才有可能为网站带来盈利。
但是如果你的网站仅依赖于一条渠道，比如说只有广告，连SEO自然流量都没，那么这样的参考方式对你来说，意义就不大。
针对已购用户：RFM
在传统营销和零售业中，有一种更为简单的用户行为分析法-RFM，它主要针对“已购买过”的用户展开分析和对应的营销活动。去分析这种，GA4就无法带来帮助，你需要使用带有CRM系统的工具，比如EDM服务商Klaviyo。
RFM 分别代表：Receny（最近一次消费）、frequency（消费频率）、monetary（消费金额），获取到这3个指标的平均值后，可以在一个三维图形中组合出8种用户群体。
RFM分析法在邮件营销当中的应用比较多，我们的常说用的邮件列表分类主要也是以此为依据。
在今天的分析当中，分析工具已经不仅仅是GA4，还涉及了CRM管理，除了对数据的分析，还有少量对数据的使用。独立站网站数据分析的“分析篇”总共5篇文章到此结束。接下来，就开始进入到真正的数据应用篇。
我们建了一个亚马逊卖家交流群，里面不乏很多大卖家。
现在扫码回复“ 加群 ”，拉你进群。
热门文章
*30分钟更新一次
