UBA中事件流/用戶路徑分析模型的設計，針對的是用戶不同行為事件之間的路徑流向分析，比如分析認領了優惠券的用戶接下來做了什么。但隨著企業精細化運營場景的增多，事件流/用戶路徑分析的場景覆蓋有了諸多局限，比如無法充分滿足企業的頁面流分析需求。

(資料圖片僅供參考)

在實際業務場景中，企業對用戶在不同頁面之間的流轉路徑的分析需求頻率較高，比如想知道用戶從分類頁進入商品詳情頁后的自然訪問路徑，從而與之前規劃的用戶轉化路徑進行對比，找到優化的方向。

頁面流分析示例

以上圖為例，最終分析結果如果是咨詢占比較高，說明企業現在曝光的頁面信息有缺失或者偏差，需要結合客服溝通內容來優化頁面內容；而如果是加購物車的人多，則說明該商品通常是用戶預期購買中的一個，在后續運營上可以重點分析這些加購占比高的商品，以及分析所有訂單中這些商品的連帶商品，做商品推薦。

而通過事件流分析模型來進行頁面流分析，短時間很難輕松得出以上分析結論：一方面，通過事件流模型搭建頁面流分析的操作步驟復雜，對缺少專業分析能力的業務人員來說學習成本高；另一方面，即便用事件流分析模型成功搭建了頁面流分析的相關維度，也不能靈活滿足所有頁面流的分析訴求，如：1、企業擁有多個應用，需要針對具體的某個應用的用戶頁面瀏覽路徑進行分析，但事件流分析不能針對頁面再做過濾條件，無法實現只看某個應用的頁面，或者從某個廣告渠道進來的頁面流向的訴求。2、進行頁面路徑分析時，需要剔除干擾頁面，或者選擇核心的主要頁面進行流向分析，但事件流分析只能對所有頁面進行頁面流分析，不能自由選擇分析頁面。

針對通過事件流分析進行頁面流分析的復雜性和不足，GrowingIO增長分析（UBA）在事件流分析模型中新增了“頁面流分析”，企業可自由選擇要進行事件流分析還是頁面流分析。

事件流分析模型中可選擇“頁面流分析”

降低使用門檻

滿足企業頁面流分析訴求

有了獨立的頁面流分析，企業無需再通過事件流分析模型搭建頁面流分析維度，按照既有維度根據需求選擇分析目標即可，極大節省了業務人員進行功能學習和業務分析的時間。

在目標頁面，企業可以選擇區分瀏覽事件的頁面屬性，如“頁面標題”，并可在維度拆解模塊針對參與分析的頁面再次進行維度拆解，分析更靈活。

頁面流分析維度示例

同樣分析用戶從分類頁進入商品詳情頁后的自然訪問路徑，在頁面流分析環境下企業可直接選擇要分析的目標應用和關鍵頁面，剔除無關頁面。通過選擇不同的目標用戶，企業還能對比不同分層的會員自商品詳情頁后的瀏覽路徑差異。針對商品詳情頁面，企業通過維度拆解可以再進一步做“商品sku”的屬性拆分，分析不同商品的詳情頁是否都存在信息不明的情況。

通過頁面流分析，只需通過簡單選擇，企業就能快速發現用戶在某應用的自然瀏覽路徑，并與規劃路徑對比，找到差異點進行優化，提升運營效率。

頁面流分析作為事件流分析的下鉆維度，此次獨立出來成為與事件流平級的分析模型，是GrowingIO分析云為貼合客戶業務場景做出的又一次更新。

當企業對精細化運營愈發重視和深挖后，服務商們針對某一高頻業務場景開發的應用模型或功能將越來越多，GrowingIO分析云未來也會在各大產品內構建更多靈活易用的功能模塊，增加客戶在業務運營上的確定性。

關鍵詞：