基于沙漏模型的移动互联网用户行为分析_胡宇辰
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
“潘玮柏”的歌曲。 2.用户个体画像建模。基于多个 IT 支撑系统的静态和
动态数据，对可接触的用户进行个体画像，能够颗粒度更细 地判断其是否为“WO 视讯”或“WO 音乐”的目标客户，以便 于进行针对性营销。在此，有两名用户小 A 和小 Z。小 A： “ARPU>100、单月手机上网流量>50M、信用度良好、使用智 能手机”，年轻男性，公司白领，爱看体育类视频，色调偏好 为浅蓝，手机上网时段偏好为 11:00~13:00，渠道偏好为电 子渠道；小 Z：“ARPU<100、短信条数>200、信用度良好、使 用非智能手机”，年轻女生，在校学生，喜好王力宏的歌曲， 色调偏好为粉红，手机上网时段偏好为 21:00~23:00，渠道 偏好为电子渠道。
营销、产品优化和服务提升，为进一步制定运营策略、提升
用户体验提供有价值的客户层面的依据，本文探索建立了
一个用户行为分析模型——沙漏模型（见图 1），作为今后
用户行为分析研究工作的基础。该模型包括数据采集、数
据建模和数据应用等 3 个部分。
沙漏上部是数据来源，各种系统、平台的数据将作为
数据分析的原始输入被采集。沙漏下部是数据分析的应
（二）模型应用一：基于用户行为的受众兴趣营销
在移动互联网时代进行精确营销，向用户的移动终端 推送产品信息，首先要回答“4W1H”这几个问题：“推送什 么产品？”、“向谁推送？”、“推送的时间？”、“推送的方式？”、
数据采集
IT 运营支撑系统 终端管理系统 终端自注册平台 基地业务平台数据 网络侧数据 系统外数据
基于沙漏模型的移动互联网用户行为分析 短论
基于沙漏模型的移动互联网用户行为分析
胡宇辰
摘要：本文从通信运营商的角度，对移动互联网用户 行为分析的框架进行了模型化研究，初步建立了一种基于 沙漏模型的移动互联网用户行为分析框架；并利用该模型 框架对基于用户行为的受众兴趣营销和产品优化进行了 案例分析。说明基于该模型的用户行为分析在精确营销、 产品改进等方面的作用，以期更加有效地提升移动互联网 用户的使用体验，探索了一种有效地进行移动互联网客户 行为分析的方法。
2.用户行为分析沙漏模型的数据—功能—方法框架。 为了进一步对用户行为分析沙漏模型进行描述，本文参考 方安儒等（2009）提出的基于数据挖掘的客户细分 DFM 模 型，建立了用户行为分析沙漏模型的数据—功能—方法框 架（见图 2）。该框架由数据、功能和方法 3 部分组成。
数据部分包括沙漏模型中数据采集和数据建模两个 方面的内容。数据采集主要通过在线方式获取用户在移 动互联网业务平台及客户端上的浏览、使用、消费等行为 数据，以及搜集各 IT 系统、线下测试、客户调研等离线数 据。采集的数据类型主要包括用户特征类数据、使用行为 类数据、消费行为类数据、客服投诉类数据以及一些辅助 数据。数据建模将以上相关数据采集入库，经历提取、传 输、清洗、转换、加载等，概念聚类成用户个体画像和用户 群体特征中描述用户的相关概念，并为用户打上标签。如 “客户兴趣”概念的标签可能是“游戏爱好者”、“阅读爱好 者”或者“视频爱好者”，“客户观念”概念的标签可能是“保 守客户”或者“新潮客户”。随着移动互联网的发展和应用 需求的变化，用户个体画像和群体特征中将产生不同的概 念维度，这些维度将通过数据挖掘分析来进一步指导产品 的实际运营工作。
数据侧 概念聚类
数据建模 概念 1 标签 1 标签 2
概念 2 概念 3
功能侧 个性化营销 个性化服务 个性化产品
产品创新 产品改进 产品运营提升
方法 数据抽取、清洗 聚类算法 关联规则 决策树 模型 图 2 用户行为分析沙漏模型的数据-功能-方法框架
“ 如 何 实 施 交 叉 销 售 ？如 何 发 掘 种 子 用 户 ，实 施 病 毒 式 营 销？如何进行个性化呈现，提高客户满意度？” 以某电信运营商的移动互联网业务营销为例。两个 移动互联网业务“WO 视讯”和“WO 音乐”希望能够实现个 性化营销，数据分析的关键在于沙漏模型中的数据建模部 分需要为用户或用户群打上概念标签。 1.用户群体特征建模。（1）分类模型。分类模型对类 别未知的用户进行预测，以判断其属于哪个类别的概率比 较高。假定，通过对前期经分数据进行分析后发现，满足
功能部分对应沙漏模型中的数据应用，是用户数据分 析的价值体现，是紧密围绕用户需求进行个性化营销、个 性化服务、产品优化、产品创新、运营提升等的应用。在数 据分析中，往往需要通过实际应用需求提出问题，引导数 据分析。例如希望实施病毒式营销，首先需要发掘种子用 户进行业务推介，回答“谁是种子用户？”这个问题。方法 部分是数据分析的核心部分，该部分使用多种数据挖掘方 法和模型，建立原始数据与概念维度之间的关系。
“ARPU>100、单 月 手 机 上 网 流 量 >50M、信 用 度 良 好 、使 用 智能手机”的用户群体中订购“WO 视讯”的比例显著高于 总体，因此可以认为，满足该特征的用户订购“WO 视讯”的 可能性比较高，是“WO 视讯”的主要目标客户。同理，假定 分类分析后发现，满足“ARPU<100、短信条数>200、信用度 良好、使用非智能手机”的用户订购“WO 音乐”的可能性比 较高，那么这个群体可能是“WO 音乐”的主要目标客户。 （2）关联模型。关联模型研究产品购买的关联性，即购买 A 产品的同时是否会对 B 产品也感兴趣。例如，分析“WO 视讯”的经营数据发现，订购“体育”频道的用户 80%以上 同时订购了“娱乐”频道；分析“WO 音乐—全曲下载”的数 据发现，下载“王力宏”歌曲的用户 80%以上会同时下载
建 模
遍性相结合，互相支撑、互
为补充。分析者既可以将
输出
个 性 化 营 销
个 性 化 服 务
个 性 化 产 品
产 品 创 新
资源放在寻找消费者潜在
产 品
运 营
数 据
需 求 的 共 性 上 ，也 能 够 顺
改 进
支 撑
应 用
利找到特定的目标用户
群 ，为 其 提 供 个 性 化 的 产
图 1 移动互联网用户为 分析的沙漏模型
《管理世界》(月刊)
2013 年第 7 期
还话费 20 元”。 （三）模型应用二：移动互联网的产品优化 大量用户行为数据的搜集与分析，还能使运营单位准
确、迅速地发现与用户使用感知相关的产品问题，有助于 产品优化和进行用户对产品的态度预测等分析。例如，在 一些关键操作流程上，用户使用是否流畅？主要操作过程 中涉及到的产品页面布局、信息架构、命名标示方面，用户 是否存在使用障碍等。下面以优化移动互联网门户网站 为例，介绍利用用户行为数据进行产品优化的应用。
1.用户行为采集与建模。根据数据分析的目标进行页 面数据采集，并识别用户行为的群体特征，发现大量用户 在某一个节点的异常行为，触发产品优化需求。（1）页面之 间的路径关系分析：用于改进 WAP 网站信息架构，分析常 用任务的设计路径与用户操作习惯是否匹配。如用户通 常访问“页面 1-页面 3-页面 5”完成一个操作路径。（2）频 道关联分析：即分析用户访问的“频道 1-子频道 1.1-频道 2……”之间的关联，用于管理频道内容和子频道排布，使 其更加符合用户的需求。（3）最终转化率分析：显示用户从 进入流程到实现目标的步骤，通过对某些关键路径的转化 率的分析，以确定整个流程的设计是否合理，各步骤的优 劣，是否存在优化的空间等。（4）热点分析：在特定步骤中 分析用户在页面上的点击操作，是否出现异常点击，用于 分 析 页 面 上 的 图 标 命 名 、操 作 入 口 排 布 方 面 是 否 存 在 障 碍。（5）访问兴趣分析：多数用户或重度访问用户（每次访 问时间超过 15 分钟）或重复访问用户（每周平均访问次数 超过 5 次）访问集中的页面，表明是用户感兴趣的内容。
3.个性化营销应用展示。（1）优选推送方案。对照客 户画像和“WO 视讯”的目标客户特征，显然小 A 是“WO 视 讯”的目标客户，可在小 A 偏好的时段 11:00~13:00 之间， 通过网站弹窗方式，向小 A 推荐体育类手机视频；同理， 小 Z 是“WO 音乐”的目标客户，可在 21:00~23:00 之间，通 过短信方式，向小 Z 推荐王力宏的歌曲。（2）实施交叉销 售。基于前文的关联规则，小 A 成功订购“体育”频道后， 可 再 次 向 他 推 荐“ 娱 乐 ”频 道 ，或 者 将“ 体 育 ”频 道 和“ 娱 乐”频道打包，捆绑销售，给予一定的折扣优惠。小 Z 在试 听 或 下 载“ 王 力 宏 ”的 歌 曲 后 ，自 动 向 她 推 荐“ 潘 玮 柏 ”的 歌曲，或者将王力宏与潘玮柏的歌曲打包销售，提升小 Z 对“WO 音乐”产品的感知和满意度。（3）个性化呈现。在 小 A 登陆统一门户后，可重点展现“WO 视讯”产品，尤其 是体育类视频内容；同时，统一门户的页面色调也切换为 他喜欢的“浅蓝色”。在小 Z 登陆统一门户后，可重点展现 “WO 音乐”产品，尤其是王力宏的歌曲，统一门户的页面 色调切换为她喜欢的“粉红色”。（4）发掘种子用户。通过 客户社会网络分析，小 Z 的手机通话主要集中在 5 个号 码，且通话频率相当高。因此，可将小 Z 作为“WO 音乐” 产品的种子用户，在小 Z 登陆统一门户后，定向推送促销 信息“成功推荐 5 个好友订购 WO 音乐全曲下载，次月返
品和服务。（3）模型的数据 采集多元化。除了来自运
- 184 -
郭宇
营 商 业 务 支 撑 系 统 的 数 据 ，还 有 大 量 基 于 终 端 的 数 据 信 息。由于手机等移动终端具有私密性等特点，终端数据可 跟踪用户的行为轨迹，基本能够准确反映用户使用移动互 联网的行为习惯，为数据建模分析提供更加精确地输入。
性化的客户策略。用户群体特征则为用户个体画像和产
品特性分析找到共性的数据支撑，在此基础上形成用户群
体特征指标集，反映特定用户群的集体偏好。
沙漏模型的主要特点：（1）用中间提炼出的核心数据
把上下两端的数据输入和输出连接起来。其好处是利用
两个核心模型将大量的数据进行了清洗和过滤，建立起描
移 动 业 务 平 台 数 据
终
系
网
端
统
络
自
外
侧
注
数
数
册来自百度文库
据
据
平
台
终 端 管 理 系 统
IT
运 营 支 撑 系 统
述用户特征的宽表体系，
数 供各种分析应用调用和使
据 采
用。避免了使用不同方法
集 直接把用户数据转化输出
为应用所需要付出的大量
输入
用户 个体 画像
用户 群体 特征
工 作 和 繁 重 、重 复 的 劳
数 据
动。（2）模型将特殊性与普
用输出，可以根据各种细分市场的需求以及不同产品的特
点制定相应的市场策略。沙漏中间是用户行为分析的两
个抓手：用户个体画像和用户群体特征。用户个体画像可
通过手机号进行用户识别，并以“打标签”的方式为每位用
户建立用户特征宽表，从而方便移动互联网业务运营单位
通过建模分析找到目标用户，迎合其个性化需求，实施个
关键词：沙漏模型 兴趣营销 产品优化
（一）基本分析框架
1.移动互联网用户行为分析的沙漏模型和特点。围绕
移动互联网业务运营单位分析用户数据的目的——从各
产品平台和 IT 运营支撑系统中抽取有关用户行为数据（包
括消费行为和操作行为）进行统计、挖掘和分析，从中发现
用户使用移动互联网产品的规律，并将这些规律用于精确
2.产品优化建议。通过分析，发现存在的产品问题，评 估产品问题改进的效果，用量化数据验证产品问题，评估产 品运营效果。（1）用户的访问规律。操作步骤与放弃率：当 任务操作步骤超过 3 步时，一半以上的用户已经选择放 弃。响应时间与使用率：当响应时间超过 8 秒，大部分用户 会选择离开。（2）识别用户习惯的操作路径。以手机视频为 例，70%用户播放非直播视频是从首页推荐栏目点击进入， 有 25%的用户从所播放视频旁边的相关链接点击进入。（3） 用户页面信息的关注规律。针对首页等主要页面，监测用 户点击热点，77%用户只看第一屏内容，只有 23%的访问者 在第一次访问时会滚动。轻度访问用户中，75%的用户只 浏览 1 分钟以内；60%的用户访问不超过 6 个页面。（4）特定 操作行为。用户发表评论操作，完成整个操作平均时间 4 分钟，是熟练用户操作用时的 8 倍。在查看评价页面，用户 点 击 热 点 集 中 在“ 评 级 星 号 ”上 ，这 是 一 个 错 误 的 操 作 入 口。（5）访问行为和消费行为关联。相比其他内容偏好者， 偏好财经、视频、游戏的用户手机消费业务金额最高。
动态数据，对可接触的用户进行个体画像，能够颗粒度更细 地判断其是否为“WO 视讯”或“WO 音乐”的目标客户，以便 于进行针对性营销。在此，有两名用户小 A 和小 Z。小 A： “ARPU>100、单月手机上网流量>50M、信用度良好、使用智 能手机”，年轻男性，公司白领，爱看体育类视频，色调偏好 为浅蓝，手机上网时段偏好为 11:00~13:00，渠道偏好为电 子渠道；小 Z：“ARPU<100、短信条数>200、信用度良好、使 用非智能手机”，年轻女生，在校学生，喜好王力宏的歌曲， 色调偏好为粉红，手机上网时段偏好为 21:00~23:00，渠道 偏好为电子渠道。
营销、产品优化和服务提升，为进一步制定运营策略、提升
用户体验提供有价值的客户层面的依据，本文探索建立了
一个用户行为分析模型——沙漏模型（见图 1），作为今后
用户行为分析研究工作的基础。该模型包括数据采集、数
据建模和数据应用等 3 个部分。
沙漏上部是数据来源，各种系统、平台的数据将作为
数据分析的原始输入被采集。沙漏下部是数据分析的应
（二）模型应用一：基于用户行为的受众兴趣营销
在移动互联网时代进行精确营销，向用户的移动终端 推送产品信息，首先要回答“4W1H”这几个问题：“推送什 么产品？”、“向谁推送？”、“推送的时间？”、“推送的方式？”、
数据采集
IT 运营支撑系统 终端管理系统 终端自注册平台 基地业务平台数据 网络侧数据 系统外数据
基于沙漏模型的移动互联网用户行为分析 短论
基于沙漏模型的移动互联网用户行为分析
胡宇辰
摘要：本文从通信运营商的角度，对移动互联网用户 行为分析的框架进行了模型化研究，初步建立了一种基于 沙漏模型的移动互联网用户行为分析框架；并利用该模型 框架对基于用户行为的受众兴趣营销和产品优化进行了 案例分析。说明基于该模型的用户行为分析在精确营销、 产品改进等方面的作用，以期更加有效地提升移动互联网 用户的使用体验，探索了一种有效地进行移动互联网客户 行为分析的方法。
2.用户行为分析沙漏模型的数据—功能—方法框架。 为了进一步对用户行为分析沙漏模型进行描述，本文参考 方安儒等（2009）提出的基于数据挖掘的客户细分 DFM 模 型，建立了用户行为分析沙漏模型的数据—功能—方法框 架（见图 2）。该框架由数据、功能和方法 3 部分组成。
数据部分包括沙漏模型中数据采集和数据建模两个 方面的内容。数据采集主要通过在线方式获取用户在移 动互联网业务平台及客户端上的浏览、使用、消费等行为 数据，以及搜集各 IT 系统、线下测试、客户调研等离线数 据。采集的数据类型主要包括用户特征类数据、使用行为 类数据、消费行为类数据、客服投诉类数据以及一些辅助 数据。数据建模将以上相关数据采集入库，经历提取、传 输、清洗、转换、加载等，概念聚类成用户个体画像和用户 群体特征中描述用户的相关概念，并为用户打上标签。如 “客户兴趣”概念的标签可能是“游戏爱好者”、“阅读爱好 者”或者“视频爱好者”，“客户观念”概念的标签可能是“保 守客户”或者“新潮客户”。随着移动互联网的发展和应用 需求的变化，用户个体画像和群体特征中将产生不同的概 念维度，这些维度将通过数据挖掘分析来进一步指导产品 的实际运营工作。
数据侧 概念聚类
数据建模 概念 1 标签 1 标签 2
概念 2 概念 3
功能侧 个性化营销 个性化服务 个性化产品
产品创新 产品改进 产品运营提升
方法 数据抽取、清洗 聚类算法 关联规则 决策树 模型 图 2 用户行为分析沙漏模型的数据-功能-方法框架
“ 如 何 实 施 交 叉 销 售 ？如 何 发 掘 种 子 用 户 ，实 施 病 毒 式 营 销？如何进行个性化呈现，提高客户满意度？” 以某电信运营商的移动互联网业务营销为例。两个 移动互联网业务“WO 视讯”和“WO 音乐”希望能够实现个 性化营销，数据分析的关键在于沙漏模型中的数据建模部 分需要为用户或用户群打上概念标签。 1.用户群体特征建模。（1）分类模型。分类模型对类 别未知的用户进行预测，以判断其属于哪个类别的概率比 较高。假定，通过对前期经分数据进行分析后发现，满足
功能部分对应沙漏模型中的数据应用，是用户数据分 析的价值体现，是紧密围绕用户需求进行个性化营销、个 性化服务、产品优化、产品创新、运营提升等的应用。在数 据分析中，往往需要通过实际应用需求提出问题，引导数 据分析。例如希望实施病毒式营销，首先需要发掘种子用 户进行业务推介，回答“谁是种子用户？”这个问题。方法 部分是数据分析的核心部分，该部分使用多种数据挖掘方 法和模型，建立原始数据与概念维度之间的关系。
“ARPU>100、单 月 手 机 上 网 流 量 >50M、信 用 度 良 好 、使 用 智能手机”的用户群体中订购“WO 视讯”的比例显著高于 总体，因此可以认为，满足该特征的用户订购“WO 视讯”的 可能性比较高，是“WO 视讯”的主要目标客户。同理，假定 分类分析后发现，满足“ARPU<100、短信条数>200、信用度 良好、使用非智能手机”的用户订购“WO 音乐”的可能性比 较高，那么这个群体可能是“WO 音乐”的主要目标客户。 （2）关联模型。关联模型研究产品购买的关联性，即购买 A 产品的同时是否会对 B 产品也感兴趣。例如，分析“WO 视讯”的经营数据发现，订购“体育”频道的用户 80%以上 同时订购了“娱乐”频道；分析“WO 音乐—全曲下载”的数 据发现，下载“王力宏”歌曲的用户 80%以上会同时下载
建 模
遍性相结合，互相支撑、互
为补充。分析者既可以将
输出
个 性 化 营 销
个 性 化 服 务
个 性 化 产 品
产 品 创 新
资源放在寻找消费者潜在
产 品
运 营
数 据
需 求 的 共 性 上 ，也 能 够 顺
改 进
支 撑
应 用
利找到特定的目标用户
群 ，为 其 提 供 个 性 化 的 产
图 1 移动互联网用户为 分析的沙漏模型
《管理世界》(月刊)
2013 年第 7 期
还话费 20 元”。 （三）模型应用二：移动互联网的产品优化 大量用户行为数据的搜集与分析，还能使运营单位准
确、迅速地发现与用户使用感知相关的产品问题，有助于 产品优化和进行用户对产品的态度预测等分析。例如，在 一些关键操作流程上，用户使用是否流畅？主要操作过程 中涉及到的产品页面布局、信息架构、命名标示方面，用户 是否存在使用障碍等。下面以优化移动互联网门户网站 为例，介绍利用用户行为数据进行产品优化的应用。
1.用户行为采集与建模。根据数据分析的目标进行页 面数据采集，并识别用户行为的群体特征，发现大量用户 在某一个节点的异常行为，触发产品优化需求。（1）页面之 间的路径关系分析：用于改进 WAP 网站信息架构，分析常 用任务的设计路径与用户操作习惯是否匹配。如用户通 常访问“页面 1-页面 3-页面 5”完成一个操作路径。（2）频 道关联分析：即分析用户访问的“频道 1-子频道 1.1-频道 2……”之间的关联，用于管理频道内容和子频道排布，使 其更加符合用户的需求。（3）最终转化率分析：显示用户从 进入流程到实现目标的步骤，通过对某些关键路径的转化 率的分析，以确定整个流程的设计是否合理，各步骤的优 劣，是否存在优化的空间等。（4）热点分析：在特定步骤中 分析用户在页面上的点击操作，是否出现异常点击，用于 分 析 页 面 上 的 图 标 命 名 、操 作 入 口 排 布 方 面 是 否 存 在 障 碍。（5）访问兴趣分析：多数用户或重度访问用户（每次访 问时间超过 15 分钟）或重复访问用户（每周平均访问次数 超过 5 次）访问集中的页面，表明是用户感兴趣的内容。
3.个性化营销应用展示。（1）优选推送方案。对照客 户画像和“WO 视讯”的目标客户特征，显然小 A 是“WO 视 讯”的目标客户，可在小 A 偏好的时段 11:00~13:00 之间， 通过网站弹窗方式，向小 A 推荐体育类手机视频；同理， 小 Z 是“WO 音乐”的目标客户，可在 21:00~23:00 之间，通 过短信方式，向小 Z 推荐王力宏的歌曲。（2）实施交叉销 售。基于前文的关联规则，小 A 成功订购“体育”频道后， 可 再 次 向 他 推 荐“ 娱 乐 ”频 道 ，或 者 将“ 体 育 ”频 道 和“ 娱 乐”频道打包，捆绑销售，给予一定的折扣优惠。小 Z 在试 听 或 下 载“ 王 力 宏 ”的 歌 曲 后 ，自 动 向 她 推 荐“ 潘 玮 柏 ”的 歌曲，或者将王力宏与潘玮柏的歌曲打包销售，提升小 Z 对“WO 音乐”产品的感知和满意度。（3）个性化呈现。在 小 A 登陆统一门户后，可重点展现“WO 视讯”产品，尤其 是体育类视频内容；同时，统一门户的页面色调也切换为 他喜欢的“浅蓝色”。在小 Z 登陆统一门户后，可重点展现 “WO 音乐”产品，尤其是王力宏的歌曲，统一门户的页面 色调切换为她喜欢的“粉红色”。（4）发掘种子用户。通过 客户社会网络分析，小 Z 的手机通话主要集中在 5 个号 码，且通话频率相当高。因此，可将小 Z 作为“WO 音乐” 产品的种子用户，在小 Z 登陆统一门户后，定向推送促销 信息“成功推荐 5 个好友订购 WO 音乐全曲下载，次月返
品和服务。（3）模型的数据 采集多元化。除了来自运
- 184 -
郭宇
营 商 业 务 支 撑 系 统 的 数 据 ，还 有 大 量 基 于 终 端 的 数 据 信 息。由于手机等移动终端具有私密性等特点，终端数据可 跟踪用户的行为轨迹，基本能够准确反映用户使用移动互 联网的行为习惯，为数据建模分析提供更加精确地输入。
性化的客户策略。用户群体特征则为用户个体画像和产
品特性分析找到共性的数据支撑，在此基础上形成用户群
体特征指标集，反映特定用户群的集体偏好。
沙漏模型的主要特点：（1）用中间提炼出的核心数据
把上下两端的数据输入和输出连接起来。其好处是利用
两个核心模型将大量的数据进行了清洗和过滤，建立起描
移 动 业 务 平 台 数 据
终
系
网
端
统
络
自
外
侧
注
数
数
册来自百度文库
据
据
平
台
终 端 管 理 系 统
IT
运 营 支 撑 系 统
述用户特征的宽表体系，
数 供各种分析应用调用和使
据 采
用。避免了使用不同方法
集 直接把用户数据转化输出
为应用所需要付出的大量
输入
用户 个体 画像
用户 群体 特征
工 作 和 繁 重 、重 复 的 劳
数 据
动。（2）模型将特殊性与普
用输出，可以根据各种细分市场的需求以及不同产品的特
点制定相应的市场策略。沙漏中间是用户行为分析的两
个抓手：用户个体画像和用户群体特征。用户个体画像可
通过手机号进行用户识别，并以“打标签”的方式为每位用
户建立用户特征宽表，从而方便移动互联网业务运营单位
通过建模分析找到目标用户，迎合其个性化需求，实施个
关键词：沙漏模型 兴趣营销 产品优化
（一）基本分析框架
1.移动互联网用户行为分析的沙漏模型和特点。围绕
移动互联网业务运营单位分析用户数据的目的——从各
产品平台和 IT 运营支撑系统中抽取有关用户行为数据（包
括消费行为和操作行为）进行统计、挖掘和分析，从中发现
用户使用移动互联网产品的规律，并将这些规律用于精确
2.产品优化建议。通过分析，发现存在的产品问题，评 估产品问题改进的效果，用量化数据验证产品问题，评估产 品运营效果。（1）用户的访问规律。操作步骤与放弃率：当 任务操作步骤超过 3 步时，一半以上的用户已经选择放 弃。响应时间与使用率：当响应时间超过 8 秒，大部分用户 会选择离开。（2）识别用户习惯的操作路径。以手机视频为 例，70%用户播放非直播视频是从首页推荐栏目点击进入， 有 25%的用户从所播放视频旁边的相关链接点击进入。（3） 用户页面信息的关注规律。针对首页等主要页面，监测用 户点击热点，77%用户只看第一屏内容，只有 23%的访问者 在第一次访问时会滚动。轻度访问用户中，75%的用户只 浏览 1 分钟以内；60%的用户访问不超过 6 个页面。（4）特定 操作行为。用户发表评论操作，完成整个操作平均时间 4 分钟，是熟练用户操作用时的 8 倍。在查看评价页面，用户 点 击 热 点 集 中 在“ 评 级 星 号 ”上 ，这 是 一 个 错 误 的 操 作 入 口。（5）访问行为和消费行为关联。相比其他内容偏好者， 偏好财经、视频、游戏的用户手机消费业务金额最高。