用户行为由最简单的五个元素构成：时间、地点、人物、交互、交互的内容。
（一）什么是用户行为？对用户行为进行分析，要将其定义为各种事件。比如用户搜索是一个事件，在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件，也是对用户行为的一个定义；我们可以在网站或者是 APP 中定义千千万万个这样的事件。
有了这样的事件以后，就可以把用户行为连起来观察。用户首次进入网站后就是一个新用户，他可能要注册，那么注册行为就是一个事件。注册要填写个人信息，之后他可能开始搜索买东西，所有这些都是用户行为的事件。
（二）如何获取用户行为数据？那么，我们又该如何去监测这些用户行为数据呢？
一种非常传统、非常普遍的方式就是通过写代码去定义这个事件。在网站需要监测用户行为数据的地方加载一段代码，比如说注册按钮、下单按钮等。加载了监测代码，我们才能知道用户是否点击了注册按钮、用户下了什么订单。
所有这些通过写代码来详细描述事件和属性的方式，国内都统称为“埋点”。这是一种非常耗费人力的工程，并且过程非常繁琐重复；但是大部分互联网公司仍然雇佣了大批埋点团队。
二、为什么要做用户行为分析？既然这么麻烦，那为什么要做用户行为分析？
因为只有做了用户行为分析才能知道用户画像、才能知道用户在网站上个各种浏览、点击、购买背后的商业真相。
简单讲，分析的主要方式就是关注流失，尤其是对转化有要求的网站。我们希望用户不要流失，上来之后不要走。像很多 O2O 产品，用户一上来就有很多补贴；一旦钱烧完了，用户就都走了。这样的产品或者商业模式并不佳，我们希望用户真正找到平台的价值，不停的来，不要流失。
用户行为分析帮助分析用户怎么流失、为什么流失、在哪里流失。
比如最简单的一个搜索行为：某一个 ID 什么时间搜索了关键词、看了哪一页、哪几个结果，同时这个 ID 在哪个时间下单购买了，这个整个行为都非常重要的。如果中间他对搜索结果不满意，他肯定会再搜一次，把关键词换成别的，然后才能够搜索到结果。
用户行为分析还能做哪些事情？
当你有了很多用户行为数据、定义事件之后，你可以把用户数据做成一个按小时、按天，或者按用户级别、事件级别拆分的一个表。这个表用来做什么？一个是知道用户最简单事件，比如登录或者是购买，也可以知道哪些是优质用户、哪些是即将流失的客户，这样的数据每天或每个小时都能看到。
三、用户行为分析的五大场景有了用户的行为数据以后，我们有哪些应用场景呢？
2008年我在 eBay 时，我的工作就是分析 SEM 和 SEO 的每个关键词的 ROI。eBay 每天要向谷歌买400万个关键词，除了SEM、SEO 我们还要分析其它各种合作伙伴渠道。比如一家小电商网站上面放了 eBay 的链接，而后用户通过该链接最终在 eBay 上完成了购买，eBay 就会分钱给这家网站。
eBay 特别注重是哪个搜索引擎、哪个关键词带来的流量；关键词是付费还是免费的。从谷歌那边搜素引擎词带来了很多流量，但是这些流量是否在 eBay 上成单，所以这个数据还要跟 eBay 本身数据结合、然后再做渠道分配，到底成单的是哪个渠道。整个数据链要从头到尾打通，需要把两边的数据整合之后才能做到。
（二）转化以注册转化漏斗为例，第一步我们知道网页上有哪些注册入口，很多网站的注册入口不只一个，需要定义每个事件；我们还想知道下一步多少人、多少百分比的人点击了注册按钮、多少人打开了验证页；多少人登录了，多少人完成了整个完整的注册。
期间每一步都会有用户流失，漏斗做完后，我们就可以直观看到，每个环节的流失率。
（三）促活还有一个是用户使用产品的流畅度。我们可以分析具体用户行为，比如访问时长，在那个页面上停留时间特别长，尤其在 APP 上会特别明显。再有是完善用户画像，拿用户行为分析做用户画像是比较准的。
举个例子，在美国有一个非常有名的在线视频网络 Netflix。Netflix 非常有意思，通过用户行为分析，他把你一家人都进行精准分析定义。你们一家人有多少人，是大人还是小孩，你最喜欢看的是哪三部电影？你的行为输出越多，他的推荐就会越来越精准。
（四）留存用户流失不是说一下子就流失了，一些细微、小的一些行为，就能预示他将来会流失。
在LinkedIn的时候，我们要去追踪用户的使用行为。比如说有没有登录、登录之后有没有搜简历、有没有上传简历等等。用户这些点点滴滴的行为，都很重要。有了这些数据支撑，LinkedIn的产品、销售每天都要去看用户报告，最简单的就是用户使用行为有没有下降、哪些行为下降、哪些用户用的特别好等，以此来维护用户关系。
（五）变现LinkedIn 是一家 2C 又 2B 的公司，在全球有4亿的用户，有很多真实用户的简历信息。2B 的业务是LinkedIn 为每一个企业 HR 销售的，目的就是帮助美国的企业去找中高端的人才，这里面有很多的不同的产品线。LinkedIn 本身就是一个社交网络，用户是经理、VP还是总监，还是业务类的，市场的、销售的等等这些数据在 LinkedIn 上都聚合成一个公司的纬度。
有了这个公司的纬度之后，我们就能够很快让销售拿着这个卖给客户。比如要跟星巴克谈业务，最能震撼到星巴克 HR 的数据是人才流失率的列表。
如上图，其员工在最近一年有哪些是从别的公司加入进来，上一家公司是谁，用蓝色显示。左边做的是星巴克员工流失，其跳槽去了哪家公司，用红色显示。
通过这个简单的分布，就可以迅速看出来人才流失情况。如果是蓝的多，说明这家公司的人才吸引方面是强的，如果是红色的多，说明这家公司人才储备和招聘方面正处于颓势。我们把数据展示给最终客户，基本上就可以拿到单子。我们可以通过数据来讲故事。我们一开始做了很多的报告，销售可以拿去讲故事，可以很快促进成单。
所有这些是通过用户行为分析做出来的，不是通过拍脑门或者是第三方数据，用户行为分析的价值不言而喻。
