使用者分群即使用者資訊標籤化，通過使用者的歷史行為路徑、行為特徵、偏好等屬性，將具有相同屬性的使用者劃分為乙個群體，並進行後續分析。
漏斗分析關注階段差異，使用者分群關注群體差異，通過漏斗分析可以看出使用者在不同階段表現出來的行為是不同的， 譬如新使用者的關注點在**？已購使用者什麼情況下會再次付費？ 但是由於群體的特徵不同行為也會有很大的差別，將一定規律特徵的使用者群體進行歸類，然後在繼續觀察這個群體的具體行為，這個是使用者分割槽的原理
使用者分群分為普通分群和**分群 。普通使用者分群是依據使用者的屬性特徵和行為特徵進行分類，**分群是通過對使用者以往的行為特徵，運用機械學習演算法**將來使用者將來會發生某些事件的概率。
普通使用者分群——分析使用者屬性與行為特徵
以直播產品行業為例。高黏性與高頻消費使用者的行為觀察是產品經理和運營人員工作重點。
通過高黏性與高頻消費使用者近期的行為觀察不同使用者群體近期的行為表現，從而可以看出該使用者群體的人均**時長與其他使用者存一些差別，如高頻花費使用者與非高頻花費使用者**時長人均值對比。
**使用者分群——通過機器學習演算法**事件概率
網際網路金融產品常常會用到**使用者分群的功能。網際網路金融客戶按照風險投資偏好這一屬性分為保守、穩健和激進，按照投資行為可分為已投資和未投資。
運營人員可以根據這一屬性和行為將滿足某種條件的使用者群體提取出來，譬如激進型但未投資的這群使用者，然後分析這一群體的行為特徵從而優化產品促進使用者投資，或者根據其瀏覽的專案頁面推薦使用者可能會感興趣的專案。
使用者行為分析
使用者行為軌跡 熟悉 瀏覽 搜尋 平均停留時長 跳出率 頁面偏好 搜尋訪問次數佔比 試用 使用者註冊 註冊使用者數 註冊轉化率 使用 使用者登入 使用者訂購 登入使用者數 人均登入 訪問登入比 訂購量 訂購頻次 內容 轉化率 忠誠 使用者粘度 使用者流失 回訪者比率 訪問深度 使用者流失數 流失率 ...
使用者行為分析
這一篇介紹的來介紹一下我在工作中接觸到的使用者行為分析系統。在這個系統中主要負責功能開發，計算邏輯開發，日誌檢測告警等，資料處理，資料準清洗備也有涉及。使用者行為分析在現在這個時期已經是乙個比較常見，使用很廣的乙個詞，在網際網路公司，有大資料團隊的基本上都會提供這樣一套分析系統，以及近年來也出現了很...
使用者行為分析（摘）
訪問量分時段分析 通過分析不同時段的訪問量 使用者情況 找出幾個業務訪問高峰時段，再對它們進行重點分析。時段可以為分不同的顆粒 小時 一周各天，一月中各個階段，一年中的各個階段。通過它們可以找出線上營 銷的時間點，也可以借助其它的分析手段，分析這些時段的共性，找出哪些使用者群體在些時段為重要消費群。...