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