1.2 用戶數據分析

數據是現實的寫照，在大數據時代下，每個人都知道數據分析的重要性。數據分析的強大之處在于，可以進行系統、量化、客觀的思考，用這種思考方式去代替零散、臆斷、盲目的思考方式。通過數據分析，獲取數據背后的價值。

數據分析的作用包括：第一，現狀分析，描述當前發生了什么；第二，原因分析，解釋相關事件為什么會發生；第三，預測分析，預測未來可能會發生什么；第四，幫助判斷，確定需要怎么做。

在進行數據分析之前，需要先搭建數據指標體系，然后通過數據信息記錄、埋點統計、第三方獲取、爬蟲采集等辦法收集數據，對數據進行清洗和規范化處理，再通過數據系統、數據平臺、數據庫、推送數據信息的工具等進行呈現，以便查看和提取數據。關于這些前期數據工作，由于本書篇幅有限，不再展開介紹，我們聚焦于研究與用戶運營更相關的事情。

本節主要介紹用戶數據分析的方法，對企業內部用戶數據進行分析，主要包括這幾個方面：用戶指標看板、用戶畫像分析、用戶健康度分析、用戶行為分析、用戶業務數據分析。

1.用戶指標看板

用戶指標看板是一種查詢和分析數據的工具，以看板的形式，展示和分析主要用戶指標數據和數值變化。

常用指標信息如下（以交易類產品為例進行說明），根據業務和用戶運營的需要，先確定主要指標項目，再確定指標的統計口徑和統計周期，接著以某種形式展示數據，并區分主要維度，細分數據可以直接展示，也可以通過進一步細分、查詢或者篩選來獲取，最終展示出業務關鍵指標信息，以供業務管理和運營使用。

● 指標項目：有訪客量（UV）、訪問次數（PV）、下單用戶數（DAU或MAU）、新增用戶數、交易訂單量、交易金額、交易商品數量、訪問時長等。如何確定關鍵指標，可以使用北極星指標法，即先找出一個與業務主要目標強相關的核心指標，也就是所謂的北極星指標，然后逐步拆解，找到過程中所有的關鍵影響指標。比如，把 GMV作為北極星指標，拆解 GMV后就獲得了用戶數、戶均訂單量、客單價等，再進行用戶數的拆解，從流量角度將其分為訪問量、下單轉化率等，從新老用戶分群角度將其分為新用戶數、老用戶數等，對 GMV以其構成指標進行層層拆解，確定對 GMV影響較大的有價值的關鍵指標。

● 統計口徑：有每日數值、日環比、周/月同比、月累計值等。

● 統計周期：有日度、周度、月度等。

● 展示形式：有數據項目、數據表、數據圖（折線圖、餅圖等）等。

● 區分維度：有用戶注冊渠道，用戶流量來源，用戶端類型、地區，用戶類型（新用戶、老用戶、會員等級等），商品類型（品類、商品來源等）等。

【案例】

易觀方舟的智能分析看板

易觀方舟是一個提供企業服務的平臺，通過全量實時采集用戶屬性與行為數據，可以連通內外部數據源，打通用戶運營觸點，提供從數據采集、分析、應用到智能用戶運營的閉環。易觀方舟的智能分析看板，以系統預置的銀行 Demo 為例，提供的數據信息和工具包括：用戶畫像分布，區分小程序/Android/iOS/Web/H5用戶端、城市、使用機型、時段、頻次等維度；核心流程轉化，從注冊到登錄、開戶、綁卡的用戶數；基金理財分析，購買用戶數、次數、金額、產品詳情等；基礎業務指標，活躍用戶數、注冊用戶數、交易用戶數、交易金額、用戶留存率、注冊購買轉化率等。易觀方舟智能分析看板工具，可供企業客戶選擇使用，如圖1-6所示。

這里以此為案例，是想讓大家了解用戶指標看板的功能、指標信息內容及其呈現樣式。

2.用戶畫像分析

用戶畫像分析，就是分析用戶畫像的表現和影響，一方面分析用戶的畫像是什么樣子的，用戶具有哪些屬性、特點、偏好、行為特征等，另一方面研究不同畫像用戶間的區別，各種畫像用戶的行為和需求是什么，畫像對業務有哪些影響。

1）分析的作用

用戶畫像分析非常實用，對業務的提升可以起到重要作用，主要體現在以下幾個方面。

首先，可以對用戶產生清晰的認知，了解用戶的基本情況、結構和分布。分析用戶的基本信息，包括用戶性別、所在城市、年齡分布、興趣點等，當收集到足夠多的畫像數據時，通過用戶畫像分析，為產品描繪出一個真實可感的用戶，進而制定相應的用戶策略，比如根據畫像確定目標用戶后進行針對性的拉新轉化。

然后，可以對用戶進行分群，針對不同群體的用戶進行差異化運營。通過用戶畫像分析，找出對業務目標影響比較大的畫像維度，對用戶進行劃分。根據不同群體用戶的問題和需要提升的目標，對不同群體的用戶進行差異化運營。

最后，可以聚焦于重點用戶進行重點運營。一個產品不可能滿足所有用戶的需求，通過用戶畫像分析，找對核心用戶，針對核心用戶來設計產品服務，制定運營規則，有方向地推動業務發展，提升企業的經營效率。

2）分析的用戶范圍

根據目的不同，可對不同范圍的用戶進行針對性分析，包括：

第一，行業用戶畫像分析，對整個行業的用戶進行概括性描述，對行業中頭部品牌的用戶進行畫像分析，從大局出發，掌握全局態勢，做到心中有數。

第二，產品用戶畫像分析，對企業產品的所有用戶進行畫像分析，弄清楚自己的用戶整體是什么情況。

第三，群體用戶畫像分析，一個產品通常擁有多種類型的用戶，這些用戶雖然使用了同一個產品，但是在某些屬性或者喜好等方面存在巨大的差異，對用戶進行群體細分，重點關注數量比較多的和價值比較大的用戶群體，分析每類群體用戶的畫像，知道該如何做針對性的提升。

第四，典型用戶畫像分析，挑選出最典型的用戶，分析用戶的畫像情況，從而加深對目標用戶的理解，幫助挖掘用戶需求和提升用戶服務質量，樹立用戶榜樣，指引整體用戶運營。

3）分析的畫像維度

用戶畫像有很多維度，具體要分析哪些維度，需要根據分析的目的來確定。比如，對“拉新用戶”的分析，一般用戶注冊渠道來源影響比較大，是分析的主要維度。但很多時候不確定哪些維度會產生比較大的影響，不知道該從哪里下手，常用的辦法是，根據用戶主要畫像維度對目標指標進行細分、下探，然后通過數據統計分析，用相關性分析、回歸分析、聚類分析等方法發現哪些維度與指標關聯性比較高且維度內部數值間差異比較明顯，這些維度就是影響比較大的關鍵維度。

對業務影響較大且容易找到行業數據參考的比較重要的用戶畫像維度如下。

● 性別：按男性、女性進行劃分。

● 年齡：按每10歲一個區間進行劃分，或者按兒童、少年、青年、中年、老年進行劃分。

● 地區：按省份進行劃分，或者按一線、二線城市進行劃分。

● 移動設備：按 Android、iOS 等系統進行劃分，或者按華為、小米等品牌進行劃分。

● 用戶端：按小程序、App、Web、H5等用戶端進行劃分。

● 注冊渠道來源：按用戶裂變、付費廣告等進行劃分。

4）在分群用戶運營中的應用

產品中存在用戶各種維度的畫像標簽，如何選擇分群維度呢？一些小企業或者初創團隊可能不進行用戶分群，雖然數據分析和運營都很簡單，但其中很多問題和機會無法被發現。而一些大企業采用千人千面的個性化運營方式，這種方式需要大量數據，需要技術和算法的支持，還需要長時間的迭代和沉淀，條件要求和運作成本都比較高，這對普通企業并不適用。一般企業的用戶分群，從實際業務問題出發，基于用戶畫像分析，選擇幾個關鍵維度進行精簡分群，在用戶量達到一定的數量級后，逐漸增加分群維度進行細化，進行多元組合分群。

通過用戶畫像分析，分群進行用戶運營，其操作方法步驟如下。

第一步，確定分群用戶運營目標。

第二步，根據目標，進行用戶畫像分析。

第三步，根據分析結果，確定分群維度，進行用戶分群。

第四步，制定分群用戶運營策略。

第五步，分析數據效果，修正分群策略。

【舉例】

如何通過用戶畫像分群運營增加用戶數

第一步，確定分群目標為實現用戶數的增長。

第二步，對用戶數指標進行畫像分解，按性別、年齡、地域、移動設備、注冊渠道來源這幾個維度進行劃分，分析用戶數各是多少及用戶留存情況。

第三步，根據用戶數和留存率，找到對總用戶數影響較大的關鍵維度，比如性別、注冊渠道來源。同維度不同值間，比如男性和女性、用戶裂變和付費廣告等，用戶數和留存率存在明顯不同，這時就可以把這兩個維度作為分群維度，對用戶進行分群。

第四步，對于留存率高但用戶數不多的群體，需要加強用戶拉新，擴大目標群體用戶的觸達范圍、增加拉新渠道、增加已有渠道費用的投入等；而對于用戶數多但留存率不高的群體，提升用戶留存率，如果通過分析確定無法滿足這群用戶的需求，可以考慮放棄這群用戶，不再對這群用戶進行拉新投入，因為即使拉來了也留不住，沒有長期價值。

第五步，分析各個用戶群體的運營效果，如用戶數是否有所增加、是否出現問題、需要怎么改進等，然后進行優化、調整。比如，如果發現根據性別進行分群運營的結果沒什么變化，運營策略也沒出現問題，則可以考慮取消按這個維度分群，或者尋找其他更合適的維度來分群。

3.用戶健康度分析

用戶健康度是對用戶的整體行為數據進行綜合評價得到的量化指標，用來衡量用戶的健康狀況，為用戶運營提供目標和依據。

用戶健康度分析通常包括下面三個指標，這三個指標共同構成了用戶健康度的評價體系。

● 基礎指標，用于評價運行狀態，包括訪容量、訪問次數、使用頻次、活躍用戶數、新增用戶數等。

● 流量指標，用于評價流量質量，包括人均訪問時長、人均訪問次數、留存率、跳出率等。

● 營收指標，用于評價盈利能力和可持續性，如下單用戶數、交易金額、客單價、利潤率等。每個產品由于所屬行業不同、提供的功能服務不同、業務運營情況不同，用戶健康度的指標和標準也不同，需要根據具體情況來確定。

用戶健康度一般采取指數方式來計算，對各因素指標按某種規則進行統一處理，然后加權匯總成一個綜合數值，或者保留幾個細分維度指標的數值，以雷達圖的形式呈現，反映用戶健康狀況。

用戶健康度常用于業務內部的橫縱向對比分析，橫向看用戶分群間的差異，縱向看用戶健康狀況的走勢變化。

【舉例】

一種常見的用戶健康度分析方法

用戶健康度考慮五個維度的指標。

● 第一個維度：轉化效率，即用戶從訪問到下單的轉化率。

● 第二個維度：用戶規模，即下單用戶數。

● 第三個維度：增長情況，即用新增率減去流失率得到的凈增率。

● 第四個維度：成長情況，即核心會員用戶數。

● 第五個維度：價值貢獻，即用戶GMV。

用這五個維度的指標評價用戶健康狀況，構成用戶健康度評價體系，用戶健康度就有了具象的定義和量化的評價標準。

針對這五個維度的指標分別制定目標值，然后每周計算實際數值，并與目標值及上周數值進行對比，可以很清楚地分析用戶健康狀況，了解各維度的指標達標情況及進展變化，從而進行復盤和制定提升策略，如圖1-7所示。

4.用戶行為分析

通過翔實的用戶行為數據描述用戶在產品中的真實路徑和互動情況，對用戶的行為數據進行統計、分析，發現用戶的行為特點、規律，然后利用這些信息，提升用戶運營效率。通過用戶行為分析，可以知道用戶什么時候來、什么情況下活躍度高、流失前做了什么等，然后分析用戶行為的原因，通過產品及各種運營活動引導用戶或者優化用戶服務。對于有利的方面，加強驅動效用，擴大用戶數和影響范圍，進一步提升效果；對于不利的方面，改變用戶行為的軌跡和模式，解決問題、防止問題再發生，或者優化問題、縮小問題的影響面，從而讓用戶更好地從產品中獲得價值。

對于用戶行為數據的收集和統計，如果企業沒有研發資源支持，可以使用第三方工具，目前市面上有很多好用的數據統計工具，如百度統計、Google Analytics等。對用戶行為數據的分析，也有很工具可以利用，如大數據魔鏡、Tableau等。

用戶行為分析解決的問題，主要可以歸納為兩類：一是轉化問題，通過分析用戶轉化路徑，讓更多用戶執行某種行為，流向有利的轉化路徑；二是留存問題，通過對周期性行為動作的分析，讓用戶更多、更持久地執行某種行為，養成良好的行為習慣。所以，用戶行為分析一般是分析用戶的點擊動作、事件行為和轉化路徑，除此之外，還可以通過行為邏輯進一步分析用戶心理。

1）點擊動作分析

點擊動作是互聯網用戶使用產品時最基礎的互動行為，對點擊量、點擊率、點擊占比、點擊用戶詳情、點擊內容、點擊反饋信息、停留時長等數據進行分析，可以了解用戶都執行了哪些點擊操作，獲得用戶對產品的使用情況和反饋信息，進而優化產品服務、提升用戶運營效果。

點擊動作分析主要用于分析頁面流量去向，比如產品首頁、頻道頁面、活動頁面等，分析用戶在頁面上點擊了哪些模塊，各個模塊的用戶轉化效果如何。點擊動作分析解決的問題主要有三類：分析用戶與產品交互背后的深層關系，完成產品頁面之間深層關系的挖掘，為事件行為分析和轉化路徑分析提供基礎依據。另外，通過長期追蹤點擊動作的數據，可以觀察頁面布局的改變或模塊內容、樣式、形式的調整對于用戶的價值變化。一般而言，點擊率越高，說明用戶的認可度越高，當然點擊率還與點擊發生的位置有關，同一頁面高度，根據用戶視覺和使用習慣，一般左邊的點擊率優于右邊。

點擊動作分析的數據可以用固定埋點的方式獲取，開發人員對每一個前端模塊都進行埋點，然后上報點擊動作明細數據，包括日志ID、時間、用戶、點擊模塊、點擊內容、跳轉地址等字段信息，再匯總統計點擊用戶數等總數據，就可以進行分析了。點擊動作分析的數據，除了通過人工埋點的方式獲取，也可以采用無埋點（即系統自動全埋點）的方式統計上報。

點擊動作分析的結果可以用熱力圖的形式呈現，根據頁面上各個模塊的點擊密度判斷用戶的瀏覽喜好，這樣既簡單又直觀。

【舉例】

頁面點擊熱力圖分析

分析某個頁面的點擊熱力圖，如圖1-8所示（數據純屬虛構），發現“搜索”icon的點擊率為30%、點擊占比為60%，這表示有30%的頁面訪問用戶點擊了“搜索”icon，占頁面總點擊率的60%，頁面總點擊率為50%，所以“搜索”icon 是頁面上所有icon中被點擊最多的icon，用戶對“搜索”icon提供的服務有強烈的訴求，可以重點挖掘其后續轉化價值。而有些點擊率較低的icon，價值貢獻較少，卻在頁面上占據了重要位置和較大面積，比如圖中的“聚劃算”icon，這時就需要考慮進行優化了，調整icon內容、形式來提升點擊率，或者調整icon位置、縮小icon面積等，把更多資源留給其他更有價值的內容。

2）事件行為分析

互聯網用戶的事件行為有訪問、注冊賬號、下單、發帖等，每個事件行為包括一個或一系列點擊、滑動、填寫信息等動作。通過對事件行為進行分析，追蹤用戶行為及業務過程，研究與事件發生關聯的所有因素，挖掘用戶事件行為背后的原因、影響等。

事件行為分析的步驟如下。

第一步，定義事件，包括定義所關注的事件內容及事件窗口的長度。事件的定義可以遵循5W1H原則：什么場景（Where）—哪些用戶（Who）—什么時間（When）—什么原因（Why）—以什么方式（How）—做了什么事情（What），通過5W1H原則對事件進行描述。在所有事件中，有一個比較特殊的情況需要關注，即互聯網用戶的一次訪問事件，不是指用戶打開App或者訪問某個頁面的一次操作，而是指用戶從訪問產品開始到本次使用結束的一系列操作，可以用 Session的方式來定義。Session一般情況下被翻譯為時域，在計算機專業術語中，Session指一個終端用戶與交互系統進行通信的整個時間段，通常指用戶從注冊進入系統到注銷退出系統之間所經歷的時間。具體到互聯網產品使用中的Session，指的是用戶在瀏覽使用產品時，從進入產品開始到退出或離開產品所經歷的時間，也就是用戶連續使用這個產品所花費的時間。基于5W1H 原則和 Session 的定義，用戶對產品的一個訪問事件就有了清晰的定義，比如“產品所有注冊用戶今日由于大促活動在 App 用戶端的訪客量達到了10萬人次”，除了訪客量，還可以是訪問時長、訪問次數等。

第二步，深入分析事件，可以激發事件分析的強大潛能，弄清楚事件的過程、前因后果、變化趨勢、細分維度對比等各種問題，能更好地定位問題、發現機會點。

第三步，給出分析結論，對分析結果進行合理的解釋，判斷分析結果是否符合預期，有哪些好的地方和不好的地方，要如何改進。需要注意的是，一個目標事件行為的達成，可以根據一定的規則進行歸因分析。比如按照時間衰減規則，越靠近終點的行為，功勞越大，或者以首次觸點，即行為序列中的第一個行為，作為事件驅動的根源。

3）轉化路徑分析

轉化路徑分析常見的方法有三種：轉化漏斗、智能路徑、用戶路徑。三者都將上下環節的轉化率作為計算核心，研究用戶轉化路徑。轉化漏斗預先設定好了路徑；智能路徑設定了起始和終點行為，中間過程有很多路徑，然后發現最優路徑；用戶路徑完整再現了用戶的全部轉化過程。在實際應用中，三者有著不同的功能及用處，各有適用的分析場景，也可以結合使用。

（1）轉化漏斗。

轉化漏斗指有特定行為節點的路徑，將整個事件路徑拆分成一個個步驟，漏斗的每一個節點都有一定的容量，漏斗越往下，容量越小，節點與節點之間的比例就是轉化率，用轉化率來衡量每個步驟的表現。

通過轉化漏斗，可以抽象出決定漏斗形態的三個要素：節點、時間、流量。節點，漏斗的每一層就是一個節點；時間，即轉化周期，完成轉化漏斗所需時間的集合，一般漏斗轉化周期越短越好；流量，即每個環節的用戶數。轉化漏斗分析最核心的指標是流量和轉化率，即每一層流量有多少，以及到達下一層的轉化率。

轉化漏斗分析的本質是分解和量化，以漏斗這種簡單、直觀的方式展示用戶關鍵節點的一步步轉化過程，適用于對產品運營中的關鍵環節進行分析，通過異常數據指標找出有問題的環節，判斷哪些步驟的轉化還有優化空間，可以通過細分維度分析找出導致轉化率低的因素，從而解決問題。通過用戶運營引導或者產品優化提升轉化效果，最終達到提升整體路徑轉化率的目的。

轉化漏斗分析是業務分析的基本模型，在實際運營中很常見，無論是新用戶注冊轉化、老用戶下單，還是某一次運營活動，凡涉及流程轉化的，都可以建立轉化漏斗來進行分析。針對用戶在操作流程中逐步流失的情況，形成一個類似漏斗的形態。比如典型的交易轉化漏斗，可以分為六個環節，即訪問產品—搜索商品—瀏覽商品—添加購物車—提交訂單—支付訂單，通過分析漏斗的整體轉化率和環節間的轉化率，可以找出轉化異常的環節，然后對這一環節中流失的用戶進行洞察，發現其共性和流失原因，以便提升轉化率。再比如，用戶增長 AARRR模型也是轉化漏斗的應用。

（2）智能路徑。

在現實中，很多時候都是結果導向的，大家最關心最終的轉化目標，而用戶到達該目標有多條路徑，無法確定或者沒必要確定哪條路徑是最長的、哪條路徑是最短的，這時就可以采用智能路徑模型來進行分析，探索最優的轉化路徑。首先確定想要觀察的目標行為，通常是業務中需要引導用戶完成的某個功能或到達的某個頁面，將其設置為最終目標，然后分析該行為的前置路徑。

智能路徑分析適用于產品初創期，可以用來探索更優質的轉化路徑，而當聚焦于某條具體路徑時，其實就是一個轉化漏斗，可以將其固定下來，進行日常分析。

比如，對于電商產品，人們最關心最終的下單用戶數，用戶下單的路徑有多條：訪問推薦商品—瀏覽商品—添加購物車—提交訂單—支付訂單、搜索商品—瀏覽商品—立即購買—支付訂單等，通過智能路徑分析，可以找出通往下單的所有路徑，評估每條路徑的優勢和劣勢，然后匹配合適的運營策略。

（3）用戶路徑。

用戶路徑分析，不需要預先設置漏斗或者圈定目標事件，而是計算用戶使用產品時的所有第一步，然后依次計算后續每一步的流向和轉化率，步步追蹤，找到分析用戶路徑行為最原始、最基礎的數據，從用戶行為出發，進行全方位的路徑分析，通過發散性的分析方式確定最優路徑。通過全路徑數據，真實呈現所有用戶從開始使用產品到離開的整個過程，然后分析各種路徑模式，評估哪條路徑的用戶最多、哪條路徑用時最短、哪條路徑的節點最少，判斷用戶走到哪一步時最容易流失、從哪里開始偏離了目標路徑，也可以通過路徑識別用戶行為特征，分析用戶是直奔目標用完即走型的還是無目的瀏覽型的等，明確用戶現存路徑，結合業務場景需求進行路徑優化調整，引導用戶行為，使用戶沿著最優路徑前進。總之，用戶路徑分析對產品和用戶運營有著非常重要的啟發作用。

用戶路徑可以用桑基圖的形式直觀展示，如圖1-9所示（示例），用戶進入產品后的所有訪問路徑，以及每一步的流量、轉化率、流失率，都能從桑基圖中體現出來。通過桑基圖，我們能夠快速、直觀地了解用戶主流訪問路徑的轉化情況。

4）行為邏輯分析

黑格爾在《法哲學原理》中有一句至理名言“存在即合理”，意思是說一切真實事物都合乎道理或事理，也就是有原因的或可被歸因的。

用戶的行為是真實發生的，也都是有原因的。對用戶行為背后的邏輯進行分析，可以弄清楚用戶為什么產生這樣的行為，以及怎樣促使用戶產生某些行為；然后針對用戶的具體問題進行解決和對于用戶的需求給予滿足，優化產品功能，提供相應的服務，或者引導更多用戶朝著理想路徑前進，進而提升業務指標。

與互聯網大數據相比，某類用戶在某個場景下某個路徑上的行為數據是可識別的、具體的、有邏輯的，是不可忽視的力量。通過對這種具象的數據進行研究，能找出用戶行為背后的驅動因素，也能解釋用戶行為的前因后果，了解用戶的態度、決策過程和使用體驗，尤其在產品早期階段，這樣做對于尋找靈感、尋找方向、尋找共創價值點至關重要。

比如，在用戶買燈籠時，為什么一般會一次買兩個呢？原因可能是中國傳統中掛燈籠一次掛兩個。知道了這個情況，商家在賣燈籠時，如果把兩個燈籠打包，當作一個商品進行售賣，是否會更多地促成交易呢？（這里只提供了一個分析和解決問題的方法或思路，實際效果是否更好，還需要結合實際業務情況和其他更多因素綜合考慮，或者進行實驗。）再比如，老用戶直接在商品列表頁點擊加購商品，而沒有查看商品詳情，是因為老用戶了解商品情況，不需要再查看詳情了嗎？如果情況是這樣的，是否可以拓展場景，增加商品定期復購、常購清單等功能呢，這樣可以更方便地滿足相關用戶的復購需求。

5.用戶業務數據分析

從用戶層面分析業務數據，就是分析用戶對產品和業務的使用及貢獻情況，是企業日常運營和制定決策時必不可少的環節，是用數據驅動用戶運營的基礎。用戶業務數據分析可以結合用戶運營的幾個模塊來進行，需要分析的數據項目舉例如下。

● 用戶增長模塊

整體：總用戶數。

拉新：新用戶數、拉新轉化率、投入產出率。

留存：留存用戶數、留存率。

激活：激活用戶數、激活率。

● 用戶成長和貢獻模塊

成長過程：會員用戶數、用戶的激勵數據。

用戶質量：戶均ARPU、客單價、使用頻次、購買頻次、購買件數。

用戶價值：總收入、戶均貢獻收入、用戶傳播K因子。

● 用戶分層模塊

按生命周期：潛客期、新生期、成長期、成熟期、衰退期、沉默期、流失期各階段的用戶數。

按增長漏斗：獲取、激活、留存、獲得收入、傳播各環節的用戶數。

按轉化漏斗：觸達（總用戶）、訪問、意向、加購、下單、支付各環節的用戶數。

用戶服務：用戶體驗、用戶客訴等數據。

用戶業務數據分析，可以是單一模塊分析，也可以是多模塊聯合分析，還可以結合其他層面一起分析，比如結合用戶畫像，分析不同畫像維度的用戶業務數據情況；又如按不同的渠道查看拉新用戶數，按性別查看交易用戶數。