Products
GG网络技术分享 2025-03-18 16:18 5
网站用户行为分析模型是一种用于研究和预测用户在网站上的行为和互动的方法。它可以帮助网站所有者了解用户的需求、偏好和行为模式，从而优化网站设计，提高用户体验和满意度。以下是一些常用的网站用户行为分析模型：
1. 用户画像（User Persona）：用户画像是一种虚构的用户角色，用于描述目标用户群体的特征、需求和期望。通过创建用户画像，开发人员和设计师可以更好地理解用户需求，并据此优化网站设计和功能。
2. 用户流程图（User Flow）：用户流程图是一种可视化工具，用于展示用户在网站上的行为路径。通过分析用户流程图，可以识别网站中的瓶颈、低转化率和潜在问题，从而优化用户体验。
3. A/B测试：A/B测试是一种统计方法，用于比较两个或多个版本（如页面布局、设计或功能）对用户行为的影响。通过进行A/B测试，可以确定哪些更改对用户行为产生积极影响，从而优化网站性能。
4. 数据驱动的决策：通过对网站收集的大量数据进行深入分析，可以发现用户行为的模式和趋势。这些数据可以包括用户访问时间、页面浏览量、转化率等。基于这些数据做出的决策可以帮助网站所有者实现更高的用户满意度和转化率。
5. 用户满意度调查：通过定期进行用户满意度调查，可以收集用户对网站的反馈和建议。这些信息可以帮助网站所有者了解用户的期望和需求，从而优化网站功能和设计。
6. 网站性能指标（SEO）：网站性能指标是一种衡量网站在搜索引擎中的排名和可见性的方法。通过分析这些指标，可以了解网站在搜索结果中的表现，以及用户如何找到和使用网站。这有助于优化网站的搜索引擎优化（SEO）策略，提高用户流量和转化率。
7. 用户行为数据分析：通过使用数据分析工具（如Google Analytics），可以对网站上的用户行为进行实时监控和分析。这些信息可以帮助网站所有者了解用户的行为模式，发现潜在问题和机会，并制定相应的优化措施。
“用户行为是由动机、能力、触发点三者结合的产物”
用户要去完成一个目标任务，驱动用户完成的动力必须具有：足够动机、执行能力、触发点。
01
—
用户行为—动机
动机是行为产生的基础，是我们做产品设计分析用户行为需要思考的第一点
正所谓动机即产生想要去达到某种预想的目的，为了实现自己所预想的结果，为了实现这个结果而去做出了准备，但是每个人的准备不同，百花齐放的方式、方法， 用户产生动机即会有准备的完成，让自己的目标能够快速达到自己理想的结果。
分享自己的一个想要赚钱的方法，主要动机还是为了能够快速赚钱，让自己脱离贫困生活，所以我自己想了很多方法，我有想过自己要开淘宝店铺，有想过做自媒体，迎合时代的浪潮，短视频直播、直播带货等带给了赶上时代福利的用户很多机会，也让他们在这个浪潮中获得了很多收益，看着短视频浪潮的诱惑，我想了很多方式去为赶上这个趋势，我尝试学习的准备工作，希望自己也能成为短视频直播趋势中的一员。相信在自己努力的日子里，未来可期。
从上述个人经历阐述，当用户感知自己需要为满足自己的欲望，会通过自己的行为方式去完成它，直到达成目标。
02
—
用户行为—能力
用户有没有完成这个任务的能力，是判断用户是否会去进行这个任务操作的重要因素
结合我上述为了迎合短视频潮流，我为此准备的努力，因为每个人对于自己所要完成的事情都有不同的方式，而我当然也有属于自己的行为方式，那就是我会为了开淘宝店铺，自己省吃俭用的为了缴纳1000元保证金，最终我如愿以偿的开了淘宝店铺，我有一段时间是花费在淘宝装修、上架、找供应商等，那一段时间想打了鸡血一样注意力集中于搞淘宝店铺，最终，店铺正常运营，客单量还算可以，不管前期收益如何，但是我看到一点点的数据在变化，我就觉得自己的努力值得。
所以，当用户没有能力去完成某个任务或者目标时，用户自己也没有把握开始，但是有计划、有目标、有信心的去开始为了某个目标而奋斗的时候，一定是有决心的去尝试这个过程，结果对于用户而言只是一次的尝试而已。
03
—
用户行为—触发点
触发点我觉得是一把双刃剑，用得好，用户粘性会大大提升，用得不好，会惹恼用户。好的触发点应该充分考虑到用户的动机、能力、当前所处环境等因素
触发点说简单一点，就是让用户想起来有这么回事的提醒机制。例如早上起床闹钟，就是一个触发点；微信提示也是一个触发点。这个世界，触发点太多，用户怎么反应过来怎么去生活工作，其实是把触发点和前两个因素结合起来思考的
结合我的经历，对于我而言，整个过程我的触发的是什么呢？我想说，触发我的可能是时代环境的因素让我有动机去想要完成某个目标。
现在来了解三要素对用户行为的影响，那我们做产品设计如何使用这三要素呢？
第一步，我认为是在三者独立状态都要尽力提升它们。
我们应该深入理解用户的动机，通过业界分析、用户测试、大数据分析、核心用户场景分析等方式来了解用户的核心诉求，这能保证我们给用户带来最切题的 。
我们应该准确把握用户在使用产品时的能力和状态，换位思考，逐步深入，保证每一个产品设计步骤都有理有据，没有产品设计人员凭空臆想的用户操作流程，步步到位。对每种类型用户的能力分析要准确，产品设计要涵盖95%的主体用户，同时尽力照顾5%的边缘用户。
最后我们要使用友好、温柔的触发点，虽然目的都是让用户回到产品上来，形成长期规律使用产品的习惯，但是触发点要让用户感觉不像是催他们来使用产品，而是像一个朋友在提醒他们，说，嘿，朋友，该回来晃哒晃哒啦！这个时候大数据分析、社交动因、用户心理模型分析都会有很大的帮助。
第二步，灵活搭配使用三者。
理想状态当然是三个因素都要很出色，但是事实往往不是如此。用户区分的难度，商业诉求的满足，技术能力的限制，业界情况的影响等，会阻碍我们把三个因素都做到出类拔萃。
这个时候应该找到有限成本内最有效的提升方式去做。
例如一个视频App，触发点很难提升，可能我们发现用户对视频App跳出的任何提示都很反感，这个时候花时间去提升触发点的设计可能收效甚微。这时把精力放在动机这个因素上，给用户更大的理由去使用这个产品，例如App的收费内容正在促销，例如权力的游戏只有这个App有4K品质的片源，让用户不用收到外部触发点，就能通过本能意愿去使用这个视频App。这时我们的精力用在了动机这个因素上，带来了用户内部触发点的好处，最后赢得了用户。
更进一步，如果一个产品一开始一穷二白，三个因素都很初步时，我们需要一个因素非常亮，才能把这个产品带起来。这样把精力集中扑在某一个因素上可能会让产品竞争力短期大幅提升。
一个不太相关的例子，如果一个演员，没有特别出色的作品（观众对他的动机弱），也没有好的经纪公司运营（观众了解到他的渠道少，等于对产品的接触能力弱），但是如果他通过某些正向话题长期大量在微博、新闻上曝光（触发点量大时间持续），那这个演员很有可能红起来，得到更多的演出机会，得到更大的物质回报。
2014年是阿里巴巴集团移动电商业务快速发展的一年，例如2014双11大促中移动端成交占比达到42.6%，超过240亿元。相比PC时代，移动端网络的访问是随时随地的，具有更丰富的场景数据，比如用户的位置信息、用户访问的时间规律等。
通过数据分析，能够挖掘数据背后丰富的内涵，为移动用户在合适的时间、合适的地点精准推荐合适的内容。
本案例的目标是从该数据进行随机抽样，并用mysql进行分析，提高自己对电商指标体系的认识。
1、字段说明
1、提出问题：
1）分析用户购物过程中的常见监控指标，了解运营现状，查看各环节的漏斗转化情况，并找到需要改进的节点；
2）研究用户在不同维度下的行为规律，了解用户行为特征，优化运营策略；
3）利用RFM模型对用户进行分类，指导运营针对不同价值用户进行精细化运营；
4）了解用户生命周期，针对不同周期的用户采取不同的运营策略。
2、指标和字段解读
通过用户和用户行为路径可以分析PV、UV、PV/UV、跳失率、总订单量等运营指标；
通过用户行为和时间可以分析用户的购物行为特征；
通过用户和商品、商品类别可以分析用户的购买商品偏好；用户和时间可以分析用户的购买时间偏好，便于对不同商品和时间偏好的用户采取个性化时间推荐（push、短信等推送）；
通过商品类别和用户行为可以分析不同商品类别受欢迎程度，指导运营进行商品的上新或下架；
通过商品类别和时间可以分析不同商品类别的热销时间段，便于做活动的推广；
结合AARRR模型，可以分析用户的生命周期，划分不同用户所处的周期阶段，采用差异化运营；
通过时间和用户的生命周期字段，结合RFM模型可以给用户做价值分类，对客户进行差异化管理。
将csv导入mysql的方法：
1）选择子集
导入之前已选择好
2）列名重命名
无需更改列名
3）数据类型转换
可以在设计表菜单栏更好数据类型
4）数据去重
存在重复值，但由于同一用户同一个行为在一小时内是可能存在多次的，因此这里不做去重处理。
5）缺失值处理
经查询，无缺失值
6）关联数据
由于只有一个表格，无需做表关联（如果需要关联，可以到分析过程中有需要时进行关联，这样会提高MySQL的性能。
7）异常值处理
无需处理异常值
8）数据标准化整理
日期数据整理：
为方便后续的分析，将日期数据分为日期和时间两个维度
行为数据整理：
将用户行为数据进行替换： 1：pv 2：fav 3：cart 4：buy
以上就完成了数据的整理工作。
1）流量指标：
计算页面访客数(pv)、独立访客数(uv)、人均点击数(uv/pv)
页面访客：987911次、独立访客数：8474位、人均点击次数116.58次。
95/30≈3.89次，日人均点击次数大概为3.89次/人/天
2）每日流量指标变化趋势
通过Navicat导出数据进行可视化处理：
pv、uv指标呈正相关性；
三个指标在大部分时间走势平稳，由于双十二的影响，从2014-12-11开始上升，到2014-12-12达到峰值，2014-12-13结束回到正常水平。
1）按照页面访客计算漏斗转化率
由于在购物环节中，收藏和加入购物车行为没有严格的先后之分，可将两个个步骤作为同一步，最终得到用户购物行为各环节转化率，如下：
从整体转化率来看： 浏览- 收藏/加购转化率仅为5%，总体购买转化率为1%，说明有大部分的用户在浏览后未进行下一步操作，平时“逛街看看”成为一种习惯；
从节点转化率来看： 浏览-加购/收藏环节转化率很低，收藏/加购-购买的转化率也只有20%，说明有相当一部分用户是喜欢“囤货”，可能是为了等节假日购买？由于整体的节点并不是最细的不可分割节点，整体的数据比较粗糙，如果需要进一步的深入分析，需要有更细的转化率数据（由于操作路径每个环节都会损失一部分，因此如果能近量的较少客户购买时所需要的操作步骤，对提升整体转化率应该会有很好的提高）。
2）独立访客计算漏斗转化率
用户每个环节的转化率差不多，需要更多数据才能发现用户流失原因。
3)、跳失率
浏览页跳失率： = 只访问一次就离开的人数/总用户数
只加收藏、购物车人数
1）总成交量和人均购买次数：
2）每日总成交和人均成交情况:
1)总体复购率
复购率=复购人数/购买人数=2295/4330=53%
2)商品品类销量排名(商品复购率)
如果有更多数据，可根据商品品类属性进行研究和下钻，优化商品结果，但这里因为数据脱敏无法进行下钻分析
3)用户复购排名
以上用户对平台的忠诚度比较高，对平台的销售贡献度也高（利润贡献情况 要具体分析），对不同的客户可以收集相应的用户画像，并对用户进行分层管理和营销，从而达到精细化运营
1）、按日期维度
用户活跃度与总体点击数是正相关的，走势平稳，不过在双十二电商大促这天各项指标暴增，且当天点击数占比有所下降(用户的点击更有针对性，前期已经选好商品，就等双十二当天直接购买的客户数量比较多？), 成交数占比大幅上升。
2）、周维度
一周中的大部分时间用户活跃度都比较平稳，周五比较特殊，出现了增长（ 查看数据发现双十二正好是周五，属于特殊活动日，如果进行详细分析时应该将双十二的日期排除分析有更有意义）。
3）、小时维度
晚间用户较为活跃，但用户行为倾向于浏览；白天尤其是中午左右的时段，购买行为的比率相对一天中最高，此时购买的目的性最强（浏览数占比与购买数占比进行关联分析得出结论）。
按照商品品类区分（ 矩阵分析 ），根据点击次数和购买次数两个维度将所有商品划分到四个象限：
点击数高，购买数高。说明此类产品刚需比较强，品牌多且种类丰富，用户在较高的需求下有很多的选择；
点击数低购买数高。用户的购买决策十分果断，且对于该类产品的需求量也是很大的，说明该类产品选择性比较小，可能形成几个品牌垄断的情况，或者产品的差异性较小，用户不愿花费过多的精力去挑选。
点击数低购买数低，绝大多数产品都集中在这个象限，这种产品存在很多的替代品，用户很难集中在某个子类进行大量购买，而是跳跃式选购。
点击数高购买数低，这类产品的需求弹性较大，用户购买存在随机性。
用户购买商品分为以下几类过程：
直接购买
浏览后购买
加购物车购买
浏览加购物车购买
收藏购买
浏览收藏购买
结果显示，直接够买的用户远远多于浏览后加购或者收藏再购买的用户，说明大部分购买者都是喜欢直接购买商品的，这个跟周围朋友的习惯也是符合的，基本上都是在浏览的阶段都不会马上购买，而是等到过段时间想买的时候就直接下单，几个步骤之间相当于是分开的。
用户的购买次数大部分集中在5次以内，购买频率都还挺高的
01
行为事件分析
行为事件分析法主要用于研究某行为事件的发生对企业组织价值的影响以及影响程度。企业借此来追踪或记录用户行为及业务过程，如用户注册、浏览商品详情页、成功下单、退款等，通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。
02
点击分析模型
点击分析模型在各行业内数据分析应用较为广泛，是重要的数据分析模型之一。其中点击图是点击分析方法的效果呈现，在用户行为分析领域，点击分析包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史内容等因素。
03
用户行为路径分析
用户路径的定义，就是用户在APP或网站中的访问行为路径。对于一个指定的页面（URL），用户是从哪些场景来到这个页面（来源）？进入这个页面后又去往哪些场景(去向）？用户浏览路径是否是按照运营设计的路径前进还是偏移？用户行为路径分析就是解决以上问题的分析方法：指导运营明确用户现存路径，优化用户行为沿着最优访问路径前进，结合业务场景需求进行前端布局调整。
04
用户健康度分析
用户健康度是基于用户行为数据综合考虑的核心指标，体现产品的运营情况，为产品的发展进行预警。包括三大类型指标：产品基础指标、流量质量指标、产品营收指标。它们三者构成了评价产品健康度的体系，它们也各有侧重点。
05
漏斗模型分析
定义：漏斗模型分析，本质是分解和量化，也就是说从一个事件环节的最开始（获取用户）到最终转化成购买这整个流程中的一个个子环节，相邻环节的转化率表现力，就是指用数据指标来量化每一个步骤的表现。所以整个漏斗模型就是先将整个事件流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，从而解决问题，优化该步骤，最终达到提升整体购买转化率的目的。
流量漏斗模型在产品运用中的一个经典运用是AARRR模型，来自增长黑客Growth hacker一书中（这本书特别值得一看），AARRR模型是结合产品本身的特点以及产品的生命周期位置，来关注不同的数据指标，最终制定不同的运营策略。
06
用户画像分析
用户画像的正式名称是User Profile，是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。通俗说就是给用户打标签，而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。在产品早期和发展期，会较多地借助用户画像，帮助产品运营理解用户的需求，想象用户使用的场景，产品设计从为所有人做产品，变成为带有某些标签的3-5个人群做产品，间接降低复杂度。
1、RFM模型
RFM分析是客户关系分析中一种简单实用客户分析方法，将最近一次消费、消费频率、消费金额这三个要素构成了数据分析最好的指标，衡量客户价值和客户创利能力。
RFM分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。
R——最后交易距离当前天数（Recency）
F——累计交易次数（Frequency）
M——累计交易金额（Monetary）
在这三个制约条件下，我们把M值大，也就是贡献金额最大的客户作为“ 重要客户 ”，其余则为“ 一般客户 \"和” 流失客户 “，基于此，我们产生了8种不同的客户类型：
重要价值客户 ：复购率高、购买频次高、花费金额大的客户，是价值最大的用户。
重要保持客户 ：买的多、买的贵但是不常买的客户，我们要重点保持；
重要发展客户 ：经常买、花费大但是购买频次不多的客户，我们要发展其多购买；
重要挽留客户 ：愿意花钱但是不常买、购买频次不多的客户，我们要重点挽留；
一般价值客户 ：复购率高、购买频次高，但是花费金额小的客户，属于一般价值；
一般保持客户 ：买的多但是不常买、花钱不多，属于一般保持客户；
一般发展客户 ：经常买，但是买不多、花钱也不多，属于一般发展客户；
一般挽留客户 ：不愿花钱、不常买、购买频次不高，最没有价值的客户；
下面是我用 FineBI 做的RFM模型可视化仪表板，可以通过RFM模型对客户的终生价值做一个合理的预估，基于一个理想的客户特征来衡量现实中客户价值的高低，通过此类分析，定位最有可能成为品牌忠诚客户的群体，让我们把主要精力放在最有价值的用户身上。
波士顿模型最初是一个时间管理模型，按照紧急、不紧急、重要、不重要排列组合分成四个象限，以此便于对时间进行有效的管理。
运用在客户分析中，也就是利用销售额和利润这两个重要指标分为四个象限，对我们的客户进行分组。我们将这两个维度作为横纵坐标轴分为四个象限，将产品或者服务分为下面四种类型：
明星类 ：增长率高、占有率高，代表着十分成功的产品，是主打的明星产品；
金牛类 ：增长率低、占有率高，已经占据了市场但是没有发展空间的产品，属于现金牛产品；
问题类 ：增长率高、占有率低，说明用户需求高，但是本身产品有问题，需要改进优化；
瘦狗类 ：增长率低、占有率低，市场不认可的失败产品，需要尽快去除；
我们如此分类的目的正是要根据波士顿矩阵，将一些没有发展前景和市场潜力的产品尽快淘汰掉，保证明星产品和现金牛产品的份额，从而搭配好产品或者业务的整个市场布局。
FineBI制作的波士顿模型实际使用：
如图所示，每个销售大区与每个销售年份下的客户分布，通过筛选数据，我们得到我们想要的客户信息。而波士顿矩阵则是一个非常有力的工具，可以帮助我们将杂乱无序的东西组块整理，在使用矩阵的的时候，尽量选取纵向和横向毫无关联要素来分析，这样才能发挥矩阵分块整理的作用。
我们知道并不是所有的顾客都具备相同的价值，如果企业能够专注于那些可以带来最大未来利益的客户，就可以实现更好的运营。所以企业必须识别出这些客户，CLV是对客户未来利润的有效预测，它还有另外一个名字，叫做LTV （life time value)。
这里需要特别说明的是，CLV考虑了完整的客户生命周期，包含客户获取和客户流失，也就是它计算的不只是眼前顾客已经产生的价值，还预测了未来价值。
CLV的计算公式有非常多，有的会非常复杂，主要在流失率这个环节和影响因素就相当多，也有会加上投入成本，价值变化率和利率变化等等。
比较实用简单的是这种：
那对于CLV的应用，可以从以下两个模型来看，将企业的最优客户与不值得投入的客户区分出来：
帕累托原则，又称二八原则，是关于效率与分配的判断方法。帕累托法则是指在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。应用在企业中，就是80%的利润来自于20%的项目或重要客户。
模型的解释：当一个企业80%利润来自于20%的客户总数时，这个企业客户群体是健康且趋于稳固的。 当一个企业80%利润来自大于20%的客户总数时，企业需要增加大客户的数量。当一个企业80%利润来自小于20%的客户群时，企业的基础客户群需要拓展与增加。
模型的实际使用，某商场品牌商的销售额。
一共10家客户，5家客户（50%）提供了80%的销售额，这就说明需要增加大品牌客户数量。
带来大量销售额的客户必须认真对待和维护，如果客户数量大，尤其需要列出重点客户重点跟进，把有限的精力放在创造利润大的客户上。
5、漏斗模型
漏斗模型本质是分解和量化，为了方便大家理解，这里以营销漏斗模型举例：
也就是说营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节，相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。
所以整个漏斗模型就是先将一个完整的购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，然后解决该环节的问题，最终达到提升整体购买转化率的目的，所以漏斗模型的核心思想可以归为分解和量化。
比如分析电商的转化，我们要做的就是监控每个层级上的用户转化，寻找每个层级的可优化点。对于没有按照流程操作的用户，专门绘制他们的转化模型，缩短路径提升用户体验。
PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。
宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。
政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。
社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。
技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。
经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析、营销活动等。
该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：
Why：用户为什么要买？产品的吸引点在哪里？
What：产品提供的功能是什么？
Who：用户群体是什么？这个群体的特点是什么？
When：购买频次是多少？
Where：产品在哪里最受欢迎？在哪里卖出去？
How：用户怎么购买？购买方式什么？
How much：用户购买的成本是多少？时间成本是多少？
SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。
SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。
运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。
4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。
可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。
产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足我们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。
价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。
渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。
促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一，营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。
逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。
逻辑树的使用必须遵循以下三个原则：
要素化：把相同的问题总结归纳成要素。
框架化：将各个要素组织成框架。遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不独立。
AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。
每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。
Demand feedback
