一、案例背景
用户行为路径分析是一种监测用户流向，从而统计产品使用深度的分析方法。它主要根据每位用户在App或网站中的点击行为日志，分析用户在App或网站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与浏览特征刻画，App产品设计的优化与改版等。
用户路径的分析转化结果通常以桑基图形式展现，以目标事件为起点/终点，详细查看后续/前置路径的流向，可以详细查看某个节点事件的转化情况。总的来说，行为路径分析有如下作用：
1. 可视化用户流向，对海量用户的行为习惯形成宏观了解。
2. 定位影响转化的主次因素，使产品的优化与改进有的放矢。
指标
- PV-浏览量，UV-独立访客量
- 注册用户数——衡量有效用户数量
- 激活/活跃用户数——激活是存量概念，仅能操作一次，活跃用户代表登录后完成访问
- 申请/放款用户数——活跃用户中申请贷款被记为申请用户，通过并成功用户被记为放款用户
- 复借用户数——借款次数超过一次的用户数，一般有时间维度
二、分析过程
本文在分析过程中，主要采取漏斗分析法的思路，梳理出贷款过程中的各用户转化流程，主要有浏览（pv/uv）、注册、激活、申请、放贷等，然后计算出每个环节参与的人数及转化率，最后根据转化率绘制漏斗分析图，衡量转化薄弱环节等。
PART 1 读取数据
本案例原始数据主要分为两部分，表1为平台流量表，表2为贷款审核表,前者用于记录各贷款流程中的用户情况，后者用于记录用户贷款申请及放贷情况
导入数据后，通过更改字段名最终得到两表格数据如下：
PART2 计算每日申请贷款人数、审批贷款人数、放贷率
通过观察表1、表2,发现，贷款申请表主要为用户维度，不能直观体现贷款流程及人数转化，因此将其转化为每日申请贷款人数以及审批贷款人数，来计算放贷率，在计算时考虑到新用户与老用户的不同属性，将两群体分别计算，主要步骤如下：
- 分别定义新用户、老用户
- 将新、老用户绘制为数据透视表，按照日期汇总每日申请贷款人数和每日放贷人数
- 将上一步所求的放贷人数/贷款申请人数，得到放贷率
- 对于老用户，还要计算复借率这一指标
得到新老用户放贷情况如下两表:
连接后的老用户放贷表格式如下图：
PART3 计算各节点路径转化率并绘图
为计算各流程用户数，进一步绘制漏斗图示，主要步骤如下：
- 汇总各表得到所有流程用户数及转化率等
- 汇总前一步表中各流程总人数，得到漏斗转化各流程的用户数
- 绘制漏斗转化图
最终得到漏斗图如下：
由图可知，注册是所有贷款申请流程中的薄弱环节，29%的浏览用户中仅有4%的用户注册了产品，前后差了7倍多，后续应通过一系列措施促进用户注册产品，从而提高贷款产品的转化率
