此外，通过页面的点击分析，了解产品体验和用户需求，从而优化产品布局，进行关联产品的销售。次数同产品成交和用户购买需求是弱相关关系，但是结合点击浏览次数等趋势数据，这些数据即可反应出产品转化和用户购买行为。

　　例如：用户在某段时间内突然频繁登录汽车类产品，从趋势分析上可以预测用户的购买需求，在某些场景下，趋势数据比频次数据的商业价值更高，可以直接预测客户的购买需求。

　　3、结果

　　行为数据的结果主要关注是否完成交易，用于判断用户点击浏览的结果。结果数据分为成交和不成交，基于业务需要也可采集填充的数值实现进一步的应用。

　　成交数据，可用于产品体验分析，用户体验分析，渠道ROI分析;

　　不成交数据，可用于二次营销，对潜在用户进行再次营销，结合时间段、持续时间、频次数据进行综合分析，筛选出目标客群。此外，结合成交数据和时间数据，在锁定产品问题后，更精准的优化产品体验，分析转化漏斗。

　　结果数据可用于直接营销，可加入到数据模型中，作为一个重要维度的参考数据。

　　场景举例：

　　筛选出有长期理财产品偏好的用户

　　说明：通过条件设置，在最近30天内搜索并查看长期理财产品分类及详情页大于等于3次的用户筛选出来，定义为有长期理财产品偏好的用户，可以针对这一客群进行潜在用户的二次营销，比如为其推送长期理财产品的加息券等，鼓励其完成投资。

　　四、行为数据的场景化应用

　　从业务需求(业务场景)出发，寻找同其高度相关的行为数据，是建立场景化行为数据标签的思路之一，分析某个业务在产品中的交易路径(交易步骤)。在接近交易路径的前几步，根据时间、频次和结果来建立其场景化标签。

　　基于行为数据的营销，需要将重点放在营销效果的衡量和营销方案迭代优化上，通过多次营销尝试找到一个比较合适的行为标签建立方式，确定频次、时间段、结果等选值，并逐步建立起一个稳定的运营方案和运营计划，其中一些固定运营方案可以固化在一周的某一天，甚至某个时段，形成固定的运营计划。

　　营销成功的关键在于不断的尝试，优化场景化标签中的各个数据维度和数值，同时在效果达到预期的方案固化，形成标准的运营方案。

　　场景举例：

　　1、促进首单转化：不断减少从新增到首投的时长周期

　　以首单转化场景为例，给新增用户设定一个条件：如果注册成功后一天未完成开户行为，即推送一条短信/移动端PUSH。在完成运营动作后，可自动衡量效果，统计出在执行运营动作后3天内实现“首单投资”的用户数，分析绝对数量/转化率/交易额。

　　2、促进追加投资：引导追加资产促进用户价值层级迁越

　　对于新手期的活跃用户，可通过手动设置完成运营：筛选出资产小于5万且最近30天内没有投资行为的用户，为其精准推送现金券，通过自动衡量查看效果：3天内实现使用现金券投资的用户数，自动分析绝对数量/转化率/交易额。

　　基于用户行为数据，以用户为中心，所有的功能体验都围绕用户需求、用户感知而展开，才能很好地提升用户满意度，那么转化率的提升也就显得水到渠成。

　　首发自：微信公众号 诸葛io(ID:zhugeio1)