本文简单介绍了用户行为路径在业务上的两个应用场景，来了解用户行为路径产品化的应用场景和价值。
用户行为路径分析是互联网行业常用的一种数据分析方法，它可以用来追踪用户从某个事件开始到某个事件介绍过程中所经历的所有路径，是一种检测用户流向，从而统计产品使用深度的分析方法。
用户行为路径可以分析用户在App或小程序中各个模块的流转规律与特点，挖掘用户的访问或点击模式，进而实现一些特定的业务用途，如App核心模块的到达率提升、特定用户群体的主流路径提取，App产品设计的优化与改版等。
下面简单介绍一下用户行为路径在业务上的两个应用场景，了解一下用户行为路径产品化的应用场景和价值。
应用场景一：产品设计的优化与改进
用户行为路径分析对产品设计的优化与改进有着很大的帮助，可以用于监测与优化期望用户路径中各模块的转化率，也可以发现某些冷僻的功能点。
一款电商类App应用中，从开始搜索点击商品到最终下单成交的过程中，用户往往会进行一系列的各种操作。通过路径分析，可以清晰的看到哪些是影响用户最终转换浪费流量，哪些操作过于冗长繁琐，这样可以针对性地改进提高支付转化率，优化用户体验。
如果在路径分析过程中用户的成单数量与搜索结果、列表页展示以及支付速度等密切相关，就可以考虑优化这一部分的产品体验和技术能力，增强用户黏性与转化意愿。
应用场景二：产品运营过程的监控
产品关键模块的转化率本身即是一项很重要的产品运营指标，通过路径分析来监测与验证相应的运营活动结果，可以方便相关人员认识了解运营活动效果。
例如：一款在线教育产品通过用户行为路径对核心业务进行分析，通过用户路径展现，发现路径为用户访问 APP——浏览课程详情页——购买课程 / 课时——完成课程中，浏览课程详情页到购买课程 / 课时仅有 10% 的转化率，比该企业的预测转化率低很多。
那么便可以优化这个这一部分的产品体验或者运营手段等，来提高转化率，进一步增加完成课程的人数。
用户行为路径产品化
下面来介绍本文的重点，如何设计一款用户行为路径的大数据产品，来帮助业务和产品提升体验，提高转化率，实现数据驱动业务的目的。
在开始之前，先来了解一个术语Session，即会话，用于描述用户一次使用App或者小程序的行为总和，用户可能反复在几个页面间流转，但是在足够近的时间内，意味着在一次会话之中。
Session是实现用户行为路径的基础，因为我们要把用户的行为通过Session做切分，具体如何做切分（即Sessionize），因为面向的是产品同学，这里就不做具体介绍（各位产品经理们可以推动你们的技术同学去实现^_^）。
Sessionize完成以后，还要考虑在网络环境下，用户对链接的访问可能出现前进或者后退的情况，不会一层不变按照固定好的站点结构走下去， 例如：在一个用户访问的Session中，用户有目的的完成一件任务需要经过1,2,3,4步，但是在实际过程中可能出现过重复比如进行1,2,3,2,3,4的操作来进行。为了还原用户的真实的路径信息 ，需要去挖掘用户的最大前驱路径。
例如：一个用户的访问Session有如下的路径{A,B,C,D,C,B,E,G,H,G,W,A,O,U,O,V}，这里需要得到其最大的向前的访问路径为{ABCD,ABEGH,ABEGW,AOV,AOU}，把访问路径以属的形式进行展开，就可以清楚的看到用户的访问路径,形象化的图示如下：
图1 最大前驱路径示例
感兴趣的可以搜索下MFR或者MFP来了解下路径模式挖掘之最大前驱路径，这里就不再做具体的算法方面的讨论。
然后，将子路径进行去重，并且记录每个路径的点击次数和UV等数据，将该结果存入Hive或者Druid中（测试发现大数据量下Hive的查询速度较慢些，推荐使用Druid）。
底层数据都准备好了，接下来也就是产品经理们最关心的产品化了，这块要考虑实现哪些维度的筛选来过滤用户的行为路径，根据业务情况，用户行为路径都展示哪些信息等。
如下图的原型设计，可以通过设置路径的起始和结束节点、操作系统、平台、版本号、时间等条件查找用户的行为路径。这里必须提到一点，增加任何维度都是会要增加底层表的数据量的，从而影响最终产品的查询速度，这里还需要根据业务情况具体把握，只筛选业务最关注的几个维度。
图2 用户行为路径筛选条件
查询结果中会按照点击次数从大到小依次显用户行为路径情况，并展示用户的点击次数、访问UV等数据，在每条路径后面可以查看详情，用来显示每一条路径的转化漏斗情况。
如下图3原型所示：
图3 点击查看路径的转化漏斗情况
至此，用户行为路径的产品化已经完成，接下来，就是进一步来修正数据埋点的问题和数据准确性，然后推动让公司包括产品和运营等更多的人用起来。
用户行为路径分析可以让业务人员既可以有的放矢，验证自身假设，有针对性地解决问题。也可以日常监测用户的行为路径，及时发现用户的核心关注点及干扰选项，持续挖掘产品及服务的价值，实实在在的让大数据产品来驱动业务增长，同时也实现了数据产品经理自身的成长。
本文由 @ 徐鹏 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