從網(wǎng)站的用戶(hù)層面，我們根據用戶(hù)訪(fǎng)問(wèn)的行為特征將用戶(hù)細分成各種類(lèi)型，因為用戶(hù)行為各異，行為統計指標各異，分析的角度各異，所以如果要對用戶(hù)做細分，可以從很多角度根據各種規則實(shí)現各種不同的分類(lèi)，看到過(guò)有些數據分析報告做了各種用戶(hù)的細分，各種用戶(hù)行為的分析，再結合其他各種維度，看上去內容絕對足夠豐富，但很難理解這些分析結果到底是為了說(shuō)明什么問(wèn)題，也許作為一個(gè)咨詢(xún)報告反映當前整體的趨勢和用戶(hù)特征確實(shí)合適，但如果真的要讓數據分析的結果能夠引導我們去做些什么，還是要在做用戶(hù)細分前確定分析的目的，明確業(yè)務(wù)層面的需求。

　　既然要做基于用戶(hù)細分的比較分析，自然是為了明確某些用戶(hù)分類(lèi)群體的行為特征與其他用戶(hù)群體的差異。這里主要從指導內容層面的調整為導向，通過(guò)比較各用戶(hù)細分群體對內容需求的差異，優(yōu)化內容運營(yíng)，將優(yōu)質(zhì)的內容或者符合用戶(hù)偏好的內容推薦給相應的用戶(hù)。

　　既然是基于用戶(hù)細分，首先明確用戶(hù)的細分規則，這里舉例3類(lèi)細分：流失用戶(hù)與留存用戶(hù)、新用戶(hù)與老用戶(hù)、單次購買(mǎi)用戶(hù)和二次購買(mǎi)用戶(hù)，基于這3類(lèi)細分，對每個(gè)分類(lèi)的用戶(hù)購買(mǎi)商品進(jìn)行比較分析，明確哪些商品更加符合用戶(hù)的預期。

　　流失用戶(hù)和留存用戶(hù)比較

　　當然，要區分流失用戶(hù)和留存用戶(hù)，首先必須對用戶(hù)流失有一個(gè)明確的定義，關(guān)于流失用戶(hù)的定義可以參考博客之前的文章——網(wǎng)站的活躍用戶(hù)與流失用戶(hù)。有了定義我們就可以做統計和細分了，還是以電子商務(wù)網(wǎng)站為例，電商網(wǎng)站的內容就是商品，我們基于每個(gè)商品計算購買(mǎi)這些商品的用戶(hù)中購買(mǎi)后造成流失的用戶(hù)比例，如下：

　　這里的指標定義應該比較明確，每個(gè)商品的流失用戶(hù)比例應該是購買(mǎi)該商品后流失的用戶(hù)數在所有購買(mǎi)該商品的用戶(hù)中的占比，但只知道每個(gè)商品的流失用戶(hù)比例無(wú)法評價(jià)這個(gè)商品是否對用戶(hù)保留有促進(jìn)作用，或者在一定程度上造成了用戶(hù)的流失，只有通過(guò)與總體水平的比較才能得出相應的結論。所以這里需要重點(diǎn)解釋的是“與總體比較”這個(gè)數值是怎么計算的到的，這里的百分比不是直接相減的結果，而是一個(gè)差異的幅度體現，這里假設總體用戶(hù)流失率為56%，那么以A商品為例，與總體比較的結果是：( 58.13% – 56% ) / 56% = 3.80% ，使用同樣的計算方法也可以得到其他商品與總體比較的差異幅度。最后就是展示，在Excel里面通過(guò)“條件格式”里面的數據條功能可以直接展現出圖中的效果，非常方便。

　　很明顯，上面圖中的分析結果對運營(yíng)調整有直接的指導性，目的是促進(jìn)用戶(hù)保留，所以我們要做的就是將有利于用戶(hù)留存的商品(F商品的用戶(hù)流失率明顯要比總體低得多，說(shuō)明F產(chǎn)品更有利于用戶(hù)保留)推薦給用戶(hù)，而將那些可能導致用戶(hù)流失的商品(C商品)進(jìn)行優(yōu)化或者下架。

　　新用戶(hù)和老用戶(hù)比較

　　同樣，使用上面的方法可以區分不同用戶(hù)群的購買(mǎi)偏向。新老用戶(hù)的細分是最常見(jiàn)的用戶(hù)細分方法，我們可以使用類(lèi)似的方法來(lái)看看新老用戶(hù)對商品的不同喜好：

　　從上圖中你看出了什么?購買(mǎi)D商品的用戶(hù)中新用戶(hù)的比例明顯偏低，也許新用戶(hù)根本就不喜歡這個(gè)商品，而B(niǎo)商品和F商品顯然更加符合新用戶(hù)的口味。如果你的網(wǎng)站可以進(jìn)行新老用戶(hù)區分的定向推廣，那么上面這個(gè)分析結果將讓你受益良多。

　　當然，這個(gè)數據呈現的特征可能跟商品的推廣渠道有一定的關(guān)系，比如上圖的D商品比較多的是使用老用戶(hù)比較集中的推廣渠道(比如EDM)，那么自然購買(mǎi)用戶(hù)中老用戶(hù)的比例會(huì )偏高;或者把某些商品放在新用戶(hù)比較集中的Landing Page中展示，那么購買(mǎi)該商品的新用戶(hù)比例也顯然會(huì )偏高。所以，在做諸如此類(lèi)的分析時(shí)需要注意根據推廣渠道的差異，具體問(wèn)題具體分析，不能一概而論。

　　單次購買(mǎi)用戶(hù)和二次購買(mǎi)用戶(hù)比較

　　使用同樣的方法也可以促成用戶(hù)的多次購買(mǎi)。對于電子商務(wù)網(wǎng)站而言，用戶(hù)的首次購物體驗非常重要，這將會(huì )直接影響用戶(hù)是不是會(huì )產(chǎn)生再次或者之后的多次購買(mǎi)，或者是否能夠成為網(wǎng)站的忠誠客戶(hù)。如果你的網(wǎng)站注重用戶(hù)關(guān)系管理，那么你可以嘗試下使用下面的分析方法：

　　需要注意的是這里的基礎用戶(hù)群設定在了每個(gè)商品的首次購買(mǎi)用戶(hù)(不是所有)，我們要分析的是所有將該商品作為首次購買(mǎi)商品的情況下，用戶(hù)是否還會(huì )發(fā)起之后的再次甚至多次購買(mǎi)行為，從而評價(jià)商品對于首次購買(mǎi)體驗的影響好壞。從上表可以看出，B商品和F商品在促成二次購買(mǎi)的表現不佳，很有可能商品的使用或質(zhì)量問(wèn)題影響了用戶(hù)的滿(mǎn)意度，阻礙了用戶(hù)再次購買(mǎi)的腳步。根據分析結果，我們尤其需要對那些二次購買(mǎi)率比總體水平低非常多的商品進(jìn)行重點(diǎn)關(guān)注，同時(shí)也需要根據商品的特征進(jìn)行分析，有些商品確實(shí)比較容易促成二次購買(mǎi)，因為可能存在交叉銷(xiāo)售和向上營(yíng)銷(xiāo)的情況。

　　其實(shí)本來(lái)想把這篇文章拆分成多篇整成一個(gè)系列專(zhuān)題，因為從實(shí)現層面而言，每一塊的用戶(hù)細分的分析都需要獨立完成，而且大部分要從底層的數據計算得到，如果你從Google Analytics上面從尋找類(lèi)似的數據，其實(shí)唯一可以找到的就只有新訪(fǎng)問(wèn)比例，而且在內容模塊里面細分到每個(gè)頁(yè)面的指標也未包含% New Visits(在流量來(lái)源、地域細分里面有該度量)，當然你可以自定義報告來(lái)查看網(wǎng)站每個(gè)頁(yè)面的新訪(fǎng)問(wèn)比例，比較的基準還是網(wǎng)站總體的新訪(fǎng)問(wèn)比例，GA的展現方式選擇里面直接提供了與總體比較的視圖“Comparison”，下圖是我做的自定義報表：

　　GA上面的展現的效果跟用Excel 2010上面定制條件格式后的效果很像(2010可以展現正負值在坐標軸左右側區分的紅綠數據條，2007貌似還未實(shí)現此功能)，這種基于基準的比較展現非常直觀(guān)使用，其實(shí)在其它的分析中同樣可以用到。那么你從我的博客的各內容新用戶(hù)比例比較分析中看出了什么?訪(fǎng)問(wèn)數排在前幾名的文章中很明顯的趨勢就是概念性方法論的文章新用戶(hù)比例高于均值(當然主要靠搜索引擎的幫忙)，而觀(guān)點(diǎn)性和分析性的文章的新用戶(hù)比例低于均值(老用戶(hù)更偏向于實(shí)踐和應用)，所以如果我的博客可以動(dòng)態(tài)向新用戶(hù)和老用戶(hù)展現不同的內容，那么這個(gè)分析將十分具有價(jià)值，也許你的網(wǎng)站可以嘗試下。