SaaS服务类产品做好用户行为分析，需依据业务需求，对数据采集、数据仓库、分析模型进行设计和创建。

对办公OA、销售营销、人力资源、法务服务、财务税务等SaaS服务类企业而言，如何准确分析不同渠道销售线索效果，产品方案对客户/用户的真实价值，网站/H5界面的客户友好度等， 都将极大的影响到客户的生命周期价值。

下面通过流程图的方式，梳理一下应该如何做好SaaS类产品的渠道评估、用户行为分析，以实现精准营销、精细运营、产品调优。

用户数据分析的目的是驱动业务增长，那么其核心是围绕用户搭建数据流、数据仓库与数据分析模型。

一、抓住用户数据流

也即用户与企业、产品的交互过程中产生的数据，因为交互节点不同，可以通过用户进入的逻辑线，对应出用户数据流。

比如用户点击企业SEM的关键词进入公司官网网站，在网站里浏览博文，最后提交了产品试用的申请，提交的联系信息进入了企业的CRM系统，又由销售联络跟进，并为用户开通了试用账号，用户开始登录产品平台，进行产品试用。

有些用户进入试用后会主动探索各个功能模块，有些用户粗略的查看产品之后就会关闭窗口很长时间不打开。

整个这个环节中，用户完成了“搜索-点击访问-浏览网站-试用申请-登录试用-购买决策”的完整过程，很容易能够看出来，用户的数据流并不是天生会被记录或者能够应用的，而是需要在各个环节进行前期的“数据设计”。

为了比较普适的说明，我们将刚才“搜索-点击访问”的环节统一为“渠道推广吸引用户访问”。

在进行数据设计过程中，可以通过UTM参数，对渠道来源进行标记；对于用户在网站里的浏览行为、申请试用行为，可以通过可视化埋点、前端埋点、后端埋点的方式进行数据采集；试用开通登录后，用户在产品系统里的操作序列，除了埋点方案，还可以通过服务器端数据传输工具的方式，进行数据收集。

做完数据设计和数据采集的部署之后，就能够对用户的来源、试用前行为、试用后在产品里的行为进行细致分析，从而找到最好的推广渠道、网站优化方案、产品优化和用户试用引导方案等。

二、构建统一数据仓库

但是从渠道来源到网站访问数据到产品试用数据，数据的来源与存储都不同，所以在进行数据采集设计之后，还需要规划好数据存储方案，构建统一数据仓库。

最好的方法是，对不同来源的数据进行统一标定，集中存储在同一个基于分布式框架的数据仓库中，以保证分析时对于超大容量数据的实时分析响应。

除了建立统一存储，数据结构方面，可以将所有数据划分为用户属性数据和用户事件数据，分别存在“两张表”中。

• 用户属性数据记为User，比如性别、id、设备号、城市区域、ip号等信息，用于用户区分、用户分群。用户事件数据记为Event，比如进入官网、浏览博客、点击试用、填写信息未提交退出等用户事件。
• 记录事件信息需包含谁（who）在什么时间（when）在哪里（where）以什么方式（how）做了什么事情（what）的完整记录。

在建立好统一的数据仓库与数据模型后，就可以根据业务需要，灵活的创建分析模型调用、分析数据了。

三、根据业务需求创建数据分析模型

数据分析模型有非常多种，但作为市场、运营、产品人员，都不应该忙于学习最全的数据分析模型，而是应该从业务需求出发，灵活创建分析模型。

对于SaaS类公司最基本的业务需求：商机获取、商机转化、客户复购、客户推荐。

对于商机获取，通过渠道转化漏斗对不同渠道转化效率进行分析。

对于商机转化，则需要对用户进行分群，对用户行为事件进行细致分析，寻找用户在签单之前的关键行为，也可单独对每个试用用户的使用行为序列进行分析，并针对性开展用户交流。

复购情况，除了对用户使用产品的行为进行深度下钻分析，进行产品调优、升级外，还需要搭建客户成功团队，做好顾问式服务。

针对这些业务需求，一些常用的分析模型就有漏斗分析、留存分析、用户路径分析、用户行为序列、用户点击热点等。

本文由 @韩进 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash ，基于 CC0 协议