你好，这里是巡山猫编辑部，我是巡山猫。
上篇，我们讲了如何分析产品功能：
「原理」产品新功能分析-实操篇
「原理」如何分析产品新功能的效果？
但产品不可能只有一个页面或者一个功能，往往是多个功能组合而成的。那么分析这一系列的功能点，知道哪些该优化，该往哪个方向优化，就很重要了。产品功能组合的分析，我们需要度量的是多个功能分析。
所以本期，我们就来讲讲，如何分析产品路径的问题。该问题预计共有4篇，从简单的理论基础，到后期的马尔科夫链模型都会有，敬请期待。
言归正传，我们正式开始本期知识点分享。
按照用户操作步骤，根据时间轴，组合每个功能的使用情况，我们就会需要用到用户行为路径分析。
这样是为了检测到用户的流向，其次也有两个目标：
一个目标是统计用户在产品上的使用深度
一个是优化产品上的功能流转
对此，我们可以有两个共识点：
- 如果更快地达成使用目标，那么留存率会更高；
- 如果更深地使用了产品，那么留存率会更高。
但是这两个点往往是相互纠缠的。
举个例子，我们在使用京东购物时，往往会不断地浏览商品、搜索商品、加入购物车、查看推荐商品，然后再次加入购物车，最后可能才是提交订单和支付订单。
我们在使用的时候，可能最开始就只想购买了一包纸巾，后来经过推荐或者浏览，可能我们还买了一些别的生活用品。这个操作的过程，就是一个功能之间相互跳转的过程。
用户首次加入购物车后，可能还去浏览别的商品页，也有可能直接取消某个购物车中的东西。
而每个行为的背后可能都代表着某一类用户目标和动机，如何更好地发现用户目标，引导用户消费，增加购买率的同时增加购买金额，是我们从多个路径分析中需要得到的东西。
关于路径分析，一般来说，会有两种方向。
一种方向是单个的路径分析，一个是多个路径分析。不过终归到底，我们想知道的是用户在产品中哪些操作路径需要优化提高。
路径分析的两个要点
我们先来看看在路径分析前，我们要关注的两个要点。
1、产品埋点数据。
由于我们的产品是由多个页面和功能之间不断叠加构成，那么每个页面和功能之间的信息，我们就都可以记录到日志中。
也就是说，我们做路径分析，最需要依赖的是产品埋点数据。每个功能或者产品中的用户使用信息的记录，对路径分析至关重要。如果埋点做得不好，想要的数据都没有，怎么做分析？
2、定义出产品核心路径。
毕竟这么多的埋点信息，我们不能每个信息都用，我们还需要甄别出最核心的信息，定义出关键节点，这也就是我们之前说过的产品核心路径。
这样我们才能知道我们需要记录哪些信息，怎么使用这些信息。
总结下来，我们需要先梳理出产品的核心节点，做好核心节点上的信息收集，之后再针对性地对核心节点上的细节进行数据信息收集。
通俗来说，就是要有层级化的做好产品埋点和数据记录。
常用的路径分析的三种方法
一般来说，路径分析有三种常用的方法：漏斗分析、智能路径、用户路径。
按照关系来说，我们可以用下图来表示它们的关系：
我们首先明确一个点，路径分析度量的是功能与功能间的操作行为上的转化关系。既然度量的数据是转化关系，那么就可以很好地去理解这三个分析方法。
1、漏斗分析：业务方人为选定的路径
你可以从条件中就能看出，漏斗就是人为设定好了路径的节点。而这些节点，通常都是我们自己框定的核心转化路径。
比如我们框定了一批具体的页面或者功能，后续的转化率数据也是根据这些已选中的功能来的，不会涉及其他功能间的关系。
举个例子，我们基本每个 App 的页面都是由页面→区域→模块→按钮组成的。比如京东首页这个页面，就可以分为搜索区域、Banner区域、功能性推荐区域、个性化推荐区域，而个性推荐区域又可以分为不同的按钮，比如我们能看到的“精选”“新品”等。
根据不同的统计维度，我们可以将漏斗统计到不同粒度上。比如页面粒度的漏斗，那就是从一个页面到另一个页面。比如从京东的首页到京东的秒杀页面。
我们还拿京东举例，在首页 Banner 处投放了一些新的物料广告，目标是吸引更多的用户，从Banner 处点击购买相关的产品。
于是利用“漏斗分析”，建立了 首页→Banner点击→商品浏览→加入购物车→订单支付。这样一个核心路径，去观察整体的用户使用行为。
结果最后发现，相比老的 Banner，新物料的 Banner 确实点击率提高了，但反而购买率下降了。也就是说，从Banner点击，到商品浏览这个漏斗的转化有明显提升，但是从商品浏览到加入购物车这个环节有明显下降。
通过对比物料和商品简介发现，Banner 里的物料十分吸引眼球，用户会很好奇点击进来。但进来之后发现商品其实不如介绍的那么好，导致了一个期望落差，所以很少有人加入购物车。
最后运营人员修改了产品详情页的产品介绍内容，从而有效地提高了加入购物车这一步的转化率。
漏斗分析关键点是从业务角度考虑，我们先需要优化的是用户在一个主要操作路径上的步骤，而这些步骤，是我们在分析前了解清楚，有哪些关键步骤，先后顺序是什么，对应到埋点上，我们应该怎么获取对应的数据。
漏斗分析的数据埋点需要在我们预设的关键路径上都有埋点记录用户操作的信息。
如果想我们要有针对性地提高分析某个关键路径上的节点，最好是当前页面上的所有功能点都进行埋点，这样才能从更细粒度的数据上找到可以优化/提高的点。
2、智能路径分析：业务方选定了起始功能或者结束功能
智能路径分析是业务方选定了某一个功能点（一般是核心路径中的某个功能），从这个功能点往前或者往后，查看用户的使用路径。
从条件中可以看出和漏斗分析不同的是，我们只是选定了某一个功能，想要了解和分析的是以这个功能为起始点/结束点，往后/往前的用户使用路径。
这个方法，核心的作用是探索出更多的用户使用路径。
漏斗分析，让我们知道了我们预设的路径上，哪些步骤该优化。但是我们并不知道用户会经过哪些步骤和路径，到达我们最关心的核心功能（或者从核心功能之后的使用过程）。
我们需要知道用户在使用的过程中的偏好，才能在后期的优化和迭代中，有针对性地优化某些功能。
比如更常使用的页面，优化的优先级高于不太使用的页面；
比如我们认为某些用户的转化路径过长，那是否可以引导用户回归主路径。
这些都是使用智能路径分析，通过探索用户的操作过程，找到核心的使用路径后，找到用户转化的核心过程，有针对性地迭代产品和推动用户。
而且，当我们聚焦到某一条具体的路径时，也就回到了我们上文说的漏斗分析。我们也可以将该条路径记录下来，不断地优化迭代。
比如，某视频软件，为了优化产品的使用路径，想要看看用户在播放视频前，都会干些什么。
这里我们就可以用“智能路径”的方案，以用户当天第一次播放视频为节点，查看用户在节点前都会干些什么。梳理用户在播放视频之前，都会经过什么操作。
结果发现有一批用户，在浏览很多部电影之后，才会去看某一部电影。而大部分都会看推荐的前10 部电影中的一部。那其实这两种用户，一种属于有明确目的要看某一部电影的，而另一种用户属于随机看哪部都行的。因此，我们在头部推荐的地方可以做一个搜索功能，帮助用户查到自己想要的电影。
智能路径分析，能让我们更全面的知道用户如何到达产品的核心功能，从而更有效的从各个路径上去优化，而非单一漏斗。
3、用户路径：需关注用户进来后的每一步
接下来看下用户路径分析。
用户路径分析只需要关注用户进来后的每一步都是什么，关注用户进入 App 之后每一步的路径和转化概率。
相比前两者，用户路径关注的点是从整体产品的角度出发，不会预先圈定任何产品和功能点，而是计算整体用户流转的步骤和转化情况。
目的是为了更好地通过用户路径的重现，识别整体的产品使用路径，发掘出用户在哪一步更容易流失，哪一步转化更好。查看是否有我们在设计产品之初没有预料到的，从而有针对性地改进产品。
比如，某社交软件，我们想要查看用户的使用路径具体是如何的。那我们就可以利用“用户路径”，重新复现用户的整体操作路径情况。
我们通过复现用户的路径，发现很多老用户，反而会去查看之前的一个功能页面：新用户列表。后来通过和用户的访谈和沟通才了解到，其实很多推荐的用户，之前都有聊过天或者联系过，觉得没有太大的新意或者没有匹配上，所以导致老用户们都愿意去发掘新用户。
后来产品讲该页面作为一个主页的 tab，且相比之前，导入了一批沉默回流的用户，增加了“新用户”的数量，从而优化了老用户的产品体验。
总结
我们来总结下这三个方法的区别和关键点：
1、漏斗分析偏重于某一条核心路径，更着重优化该条路径上的产品功能；
2、智能路径偏重于某一个核心行为，着重优化以这个核心行为开始或者结束的所有路径；
3、用户路径偏重于发现用户的使用路径，从而能够找到产品上可优化的点。
以上，就是本期分享。
