如何进行用户行为分析并提高用户粘性

ghshaishan

在分析用户持续使用行为的时候，我们可能过多地强调有形的激励，而忽略了自我激励带来的好处。事实上，外在激励可能会促使用户消费，但是不太可能增加用户持续使用企业的产品服务。而如果用户在使用的过程中能够得到一种“最优体验”的话，即使在没有外界激励的情况下也会持续使用，增加消费的可能性，并且愿意主动与他人分享。

最优体验（FLOW）最早由Csikszentmihalyi(发音直译：奇凯岑特米哈伊)博士提出，指人们对某一活动或事物表现出浓厚的兴趣并能推动个体完全投入某项活动或事物的一种情绪体验。这种体验由个人能力与这个事件挑战难度来决定，即一个人的能力低于他做一件事情所需要的能力，他就会感到焦虑；而如果能力高于这件事情所需要的能力，他又会觉得太简单了，感到厌烦。只有当能力刚刚与挑战难度相等时，人既不会感到焦虑，也不会感到厌烦，才会产生FLOW。



目前，很多互联网产品都在进行用户行为数据的收集，这些数据能否利用这个方法分析吗？我们以某网游两个月间的用户行为数据为例：



游戏按难度设置了10个关卡，用户每通过一关会得到一个操作得分用以评价完成关卡的能力水平。下图中X轴为操作得分，Y轴为关卡，点代表各个玩家，颜色用以区分10月和11月。可以看到，大部分用户在各个关卡（难度）的操作得分不高，只有极少数用户得到了较高的分数。再比较10月与11月的话可以看到，超过5个关卡后，用户11月的得分情况要高于10月的得分。可见用户感受到了游戏的挑战难度，为了得到较高的得分而磨练自己的能力水平。以某个用户为例：



1个月的时间，该用户的操作得分和关卡数都在提升。如果其他人也具备类似的情况，我们可以认为关卡的难度设置较合理，有效地刺激用户提升操作得分；操作得分的提升可以有效地激励用户挑战更高的难度。

不止网游，其他领域也在不断尝试通过数据套用flow理论。如果能够实时把握用户体验过程中的满意状态，对于我们产品的后续发展、优化或者营销等活动都能提供有力的数据支撑。

本文由数据观原创整理，更多数据分析案例请登录http://shujuguan.cn/show