于C端产品一样的是，B端产品也是需要做数据分析的，只是方法和效率有所不同而已。本文就分享了B端产品做数据的方法和案例，供大家参考。

SaaS应用的留存和复购至关重要，通过用户行为数据“谁-场景-做什么-怎么样-频次货力度”，配合业务数据分析可以很好的了解产品的使用情况并针对性的做产品的深度优化；

一、常见的分析方法

面向中大型客户的B端应用一般不涉及到广告投放，因此拉新分析不是重点，常见的用户行为分析工作基本上就围绕激活、留存开展，根据不同的业务诉求会配合各类分析方法来找问题或改问题。

二、业务指标构建

用户行为分析可以通过构建指标来进行分析，如访问行为PV、UV、停留时长、跳出率；操作行为如次数、人数等。

三、分析场景样例

1. 用户激活

• 分析诉求：用户培训完成后，在试用期内是否已经开始使用应用
• 构建成分：日期范围、用户ID、用户角色、是否登录、XX页面是否访问、XX操作是否执行
• 构建过程：1.以用户ID+角色来锁定用户群体，配合该角色的总人数，看用户登录情况及该角色的关键业务动作进行分析；2.分析结论用户是否已登录、用户是否已完成关键业务动作的操作、用户已激活漏斗分析

1.角色激活情况分析（YY/MM/DD-YY/MM/DD）

2.用户激活漏斗（YY/MM/DD-YY/MM/DD）

说明：用户只要访问就算是已激活

3.用户 激活明细（YY/MM/DD-YY/MM/DD）

2. 用户留存

• 分析诉求：用户培训完成后，是否在持续使用应用
• 构建成分：日期范围、用户ID、用户角色、是否登录
• 构建过程：查询培训后一段时间内的用户持续登录次数，看多少用户持续使用应用

重要日期后用户持续登录的情况，如培训完成日期、正式上线日期等。

• 分析诉求：挖掘角色喜欢的亮点功能（Aha时刻）
• 构建成分：日期范围、用户ID、用户角色、登录行为、XX功能的观看行为-PV、XX功能的操作行为-操作次数
• 构建过程：提取和留存率相关的行为数据后，使用统计学的相关性计算方法，相关性系数越大，表明用户的留存与此相关性越高，通过归因分析判定核心功能

3. 用户行为路径

YYM

分析：根据流转比例判定流程是否有卡点，主要适用于复杂功能的流转分析，本案例相对简单

用户留存相关性分析（YY/MM/DD -XX角色 -XX应用）

用户留存归因分析（ XX角色 -XX应用）

说明：选取相关性较高的指标，分析指标数值是多少的时候，用户的留存率最高

分析总结：售后部长如果30天内有4天都会看交付看板，那么售后部长登录系统的概率会比较高，这个功能对售后部长是有价值的；

结合数据分析进一步迭代应用

1. 分析客户使用的平均时长

2. 调研客户的使用感受

3. 迭代应用功能

4. 对比功能上线前后的留存率有无升高