行为数据是品牌一方数据中的一个大类，目前在品牌中使用的场景比较少，也没有设计过多的数据模型，只是结合各类KPI确认了一些用于日常运营的指标。本文作者对APP、小程序、企微、公众号、广告这些方面的行为数据进行了分析，一起来看一下吧。

终于到了介绍品牌一方数据的最后一个大类，行为数据。介绍各类品牌数据主要是为了帮助大家对品牌有哪些一方数据有个初步的认知，其实每一部分的数据都有非常多的细节可以讨论，实际的数据内容还是要看各个品牌的具体情况。后续会围绕着数据周期和数据应用场景再与大家做更多的讨论。

行为数据现阶段在了解的各个品牌中使用的场景非常的少，也没有太多的去设计一些数据模型，暂时也只是结合各类KPI先确认了一些用于日常运营的指标。

一、APP/小程序行为数据

这类的行为数据主要通过各类埋点产品收集，Web端的官网和商城也是其中的一部分，但在比较久之前的开发时数据意识都比较弱，而且收集到的id主要是一些不稳定的cookie，所以在使用以及数据打通上有比较多的问题。

这类的行为数据能否在数据挖掘或数据分析时高效的使用取决于数据质量，其中埋点设计是非常重要的一环。不同的产品或运营都有自己的设计思路，但从品牌的角度上来说，需要设置一套统一的设计规则是非常必要的。

这里放一个我常用的设计规则抛砖引 玉，埋点的命名规则：品牌_形式_程序名称_页面名_按钮事件，例如BrandA_APP_Mall_Menu_Cart（品牌A-APP-商城-菜单页-加购按钮）, BrandB_MNP_CRM_Profile_Pointhistory（品牌B-小程序-会员-个人页面-积分历史按钮）。一些其他附加的信息因为只在特定的场景下才会产生，所以不放在这套命名规则内，通过其他字段收集储存，在做特定的场景分析时使用。

当然除了点击的行为数据还有浏览的行为数据，消费者访问了哪些页面，在各个页面上停留的时长是多久，从主页面又跳转到了哪些其他页面，最终从哪个页面离开等信息也会被收集分析。可以获取的ID小程序主要是openID和unionID，APP一般是memberid，当然对于游客也会有临时id去记录数据。

1. 商城

商城的核心肯定是产品展示部分，除了最终的成交订单之外还可以获取到消费者的浏览信息，例如查看产品介绍或是否有加购行为。具体查看或加购的产品会另外有产品id字段回传。产品id的品类信息从产品主表内获得，可以得到某一个细分品类或单品从访问到加购到最终成交的转化漏斗。

除了产品展示外在商城首页往往还有一些品牌展示类模块去展示品牌形象或近期的活动，可以根据浏览行为的轨迹去优化页面设计，提高最终的购买转化率。因为品牌自有商城可以搜集的数据更直接，也更细致，可以帮助品牌更好地了解客户需求。但目前来说接触到的应用场景都比较简单，主要还是围绕单位时间内访问次数去筛选一些兴趣人群。

2. 会员

除了商城小程序，针对品牌的会员也会有相对应的专属会员小程序去帮助消费者了解以及兑换会员权益，也会有些围绕着会员权益的相关功能，其中会员的积分以及优惠券也会涵盖在内。

可以通过会员对积分或优惠券权益的兴趣程度以及最终地使用情况去不断地优化相关权益。当然也可以通过会员访问的频率和深度去识别忠诚客户或高权益敏感人群。

3. 活动

品牌活动类的场景往往会有比较强的目的性，可能是品牌宣传，社交裂变，成交转化等。整个活动的参与流程也会有完整的故事线。在活动内的行为数据可以帮助品牌去细化每一步流程的转化效果，从而以最终活动目的为衡量标准去优化整个活动流程，也为后续其他活动积累经验。

也可以通过最终的销售转化人群反推活动期间的消费者特定性为。消费者参与不同的活动本身也可以为品牌积累各式各样的数据，了解客户的行为、偏好、兴趣等特征，帮助品牌更好地了解客户并进行相关营销活动。

二、企微行为数据

企微作为近两年新出现的触客渠道，帮助品牌更直接且有针对性的去做个性化营销。企微现阶段触客场景主要有两个，企微群以及导购。不同行业也会基于实际的业务场景去规划自己的实际应用需求。

1. 企微群

企微群常见的应用场景主要围绕线下门店以及特定活动。门店群是现在比较常见的应用场景，群内成员基本都是到访过某一家门店的客户，有较强的的地域性。门店的店长往往运营该门店下的所有群，品牌则通过店长统一进行品牌形象的建立以及门店活动的传达。

收集到的数据也会有门店到会员的对应归属关系，针对不同性质的门店群（办公楼、商城等）也可以设计不一样的权益。通过更多针对性的品牌内容以及更便捷的服务去提高品牌影响，从而更好地维护客户关系，提高客户忠诚度。

除了门店外还有一些特定的主题活动，如何在活动结束后还能持续的为群成员提供价值输出是一个需要深思的问题，现在通常还是通过一些价格权益的持续输出来完成。

2. 导购

导购类的应用主要是1对1为消费者提供更有针对性的服务，从而提高品牌服务质量，维护客户关系。品牌通过系统为导购提供需要的专业支持，同时也为导购制定一些需要完成的任务去量化导购表现。同时导购也会在与客户1对1的沟通中补充一些非常有价值的客户信息给品牌，帮助品牌获取到最直观的客户反馈。

三、公众号

品牌公众号的运营比较早之前就开始了，相关的个体数据通过微信的官方API接口回传，主要有关注的粉丝数据，行为数据。行为数据又包含关注取关，公众号内留言，菜单点击等数据。

品牌可以结合活动通过设置关键词的回复去增加活动的触客形式，同时根据不同类型的菜单点击行为去分辨消费者感兴趣的内容以及消费渠道。

不过目前由于公众号的应用场景较单一，且公众号关注人数的体量较少，可分析的场景还是比较有限的，如何提高公众号的粉丝数量以及活跃度还是摆在品牌面前的第一大问题。

四、广告

广告数据的体量对于品牌来说是巨大的，但是因为媒体规则的不断变化很多广告流量都不再回传个人信息给品牌。若干年前媒体会回传deviceid（IMEI、IDFA）给品牌，品牌可以通过这些id去做项目间的人群去重，并计算观看频次或reach的指标。并且通过一些三方数据供应商可以与销售数据打通，计算广告带来的销售转化。

现在因为数据规则的变化，ID间的打通率以及id回传都成为一道不可逾越的障碍，仍然可以做但准确程度已经不如从前。这也是为什么把广告放在最后去介绍的原因。

广告数据本身包含两种行为，曝光和点击，而影响点击转化的因素可以分为四大类：媒体，广告形式，广告素材以及广告推送人群。目前其实还是可以通过统计级别的数据去评估对比不同投放策略下的转化效果，其中素材间的表现差异也可以为素材的设计提供优化建议。但这里主要讨论的是可以获取到个体级别的数据，所以就不做过多的深入讨论了。

以上是针对项目中遇到的一些行为相关的数据介绍，现在了解到的应用场景也不多，后续如有补充的内容会再行修改。

当然这也肯定不是全面的介绍，也许一些我没有接触到的品牌有更好的应用场景。欢迎各类讨论共同学习。