谁更了解用户：用户行为分析软件竞品报告.docx

谁更了解用户：用户行为分析软件竞品 报告本文写作目的是：了解、对比各用户行为分析软件，为选型做准备。
用户行为分析概述随着互联网增长红利的消退，众多企业面临着获客成本高、用户流失率高等的问 题。
获客成本高即表示拉来一个用户需要付出高昂的成本，以投放广告为例，原因可 能来自于投放平台价格昂贵，广告曝光/用户点击率不高，或者直接是投放的渠 道、手段、时机不对，这些都会导致获客成本变高，究其根本原因是对用户不够 了解，同样高流失率的原因同样在于此。
那么如何去了解用户呢？实际上，大多数企业都积累了用户行为数据，但却没有 充分发挥其价值，因此市场上出现了很多用户行为分析软件，并基于上述业务场 景提供了各自的解决方案。
大体来说,众多用户行为分析软件的核心价值都是助力企业实现数据驱动业务增 长，即通过用户行为分析，帮助企业解决三个方面的问题：运营推广效果提升、 产品体验优俯口网站运营状态监控，完成用户行为数据的商业价值发挥。 对页面上的用户行为数据进行统计分析。数极客是对指定页面、页面组和所有页 面上进行某一事件分析，并支持按维度和筛选条件进行分析。GrowinglO的活 动页分析和落地页分析可对指定页面或页面组进行分析,不需要手动操作，就直 观展现页面的基本情况，如pv、uv、停留时长等,也可设置页面关键指标，分 析关键插示的变化情况。
分布分析：
分析用户分布情况，找到核心用户群,如分析不同购买金额区间的用户分布情况, 实时调整运营策略。数极客对事件指标分组区间按只支持按不同的时间粒度进行 划分,而神策和GrowinglO支持多种分组区间，如金额、发生次数等，在业务 分析上更有意义。
漏斗分析：
漏斗分析主要用于分析一个多步骤过程中每一步的转化和流失情况，目的是对流 失较多的路径进行细化多维度分析，找到漏点提升转化。数极客和GrowinglO 支持不同漏斗之间的对比，以及同一漏斗按不同时间和维度进行的细分对比，而 神策只支持对同一漏斗按不同维度进行细分对比。相对于数极客展示每层漏斗的 流入和流出页面细节，神策数据提供的对每层转化和流失用户的查看用户画像和 添加用户分群功能,更能帮助产品和运营人员找到漏点和流失原因。通过查看用 户画像功能，可以查看该层转化成功或流流失用户的用户特征，通过把流失用户 添加到用户分群，在利用用户路径工具，可以清晰找到用户流失原因。
GrowinglO支持对结果创建用户分群。
用户路径:
通过记录用户在进入产品后路径分布情况，可用于优化产品体验流程。数极客只 记录了用户行为在页面间的流向，可以看到每个页面的流失和流入,其起始事件 必须是某一页面地址。神策数据和GrowinglO记录的则是用户行为事件流向， 同时神策支持对每个步进行分组展开，如用户某步是浏览商品详情页，可设置按 页面地址分组展开，就可以看到在这一步用户具体浏览了哪些页面。
归因分析：
根据目标转化事件了解用户转化路径。神策数据属于运营位归因，通过向前回溯 前序行为，按照模型计算出各前序行为对此目标事件完成的贡献程度。
Growingl0属于渠道归因，按照模型计算出各渠道对目标事件的贡献程度。
间隔分析：
间隔分析主要用于分析用户完成两个动作的间隔时长。如电商类产品分析用户首 次打开App到完成首次下单所需要的时间。在创建漏斗或归因分析时需要预判 窗口期，这时就可用间隔分析来大概判断转换窗口期时长。目前GrowinglO不 支持间隔分析。
智能路径：
根据所选好的目标事件，自动分析完成目标事件所经过的路径组合。使用智能路 径可以简化漏斗设计过程，提高分析效率。数极客和GrowinglO都支持该功能。
错误分析:
错误分析是收集并归类崩溃日志，提供错误管理及分析，帮助技术人员解决问题, 从而提高平台的稳定性。数极客的错误分析详细展示了出错平台、错误摘要、错 误页面、出错时间等数据。神策分析没有单独的错误分析模块，但在数据概览中 统计了 App崩溃分析,数据粒度相对较粗。
表单分析：
数极客的表单分析工具从表单转化率、表单放弃率、填写时间、重填率等指标分 析表单填写体验，从而提升表单转化率。
分享分析：
分析微信小程序的拉新、获客、转化等情况,并进一步挖掘分享的KOL。
魔法数字：
通过分析用户初期访问的行为、频次与留存之间的关系，找到影响产品指标的关 键行为指标。该功能是GrowinglO独家的特色功能。
渠道价值分析：
分析各渠道的数据指标，从整体角度把握当前各个渠道推广投放表现。
活跃分析： 包括日活，月活等。神策只在数据看板模块展示了日活，月活等数据，数极客和 GrowinglO则提供了活跃分析工具，支持按照用户行为抽象出来的事件自定义 创建各种用户活跃数据。
留存分析：
分析用户参与情况和活跃程度，包括次日留存、7日留存等,支持按照不同维度 进行拆分，神策还支持流失分析，即次日流失等属性分析：
分析不同属性下用户分布情况,神策中数值型属性支持自定义区间。
用户分群：
用户分群创建方式包括①用户属性和行为规则、②上传ID列表、③保存分析结 果三种，数极客目前支持第①种方式创建分群，神策和GrowinglO三种方式都 支持。通过精细定位的用户分群，可以进行精细化运营,精准营销等用户运营策 略。
用户细查：
从个体层面分析单个用户的行为序列,是精细化运营的关键。支持在事件分析、 漏斗分析、用户分群等只要涉及到〃用户”的时候，都可以查看用户行为序列。
用户画像： 对用户群进行形象的多维度展示。数极客按用户属性、会话环境和行为特征三个 维度来分析用户群画像，不可新增维度。神策数据支持多维度和自定义添加画像 信息来分析用户群画像。
指标预警：
除了配置具体的预警值阈值外，神策数据还提供预测值预警，根据历史趋势自动 计算出建议阈值，进而对偏离历史趋势的异常指标进行预警，可以解决指标阈值 建立困难的问题。
行为录屏：
数极客支持对所有平台进行用户行为录屏，并支持视频回放。行为录屏能清楚复 现用户的实际操作过程，可用于提升产品体验。这是数极客的特色功能。
APP点击分析：
神策数据支持记录用户在APP上的点击情况,并以直观的效果展示给使用者。
链接点击热图：
记录每个页面元素的点击量、点击占比等信息，并可按不同维度进行细分分析， 可用于检查网站的互动性、吸引力，进而优化页面结构。神策数据不仅记录分析 单页面的点击情况，还支持页面组的浏览点击情况。
触达率热图： 展示页面不同高度用户浏览数量和比例,可用于首屏优化,提高重要信息的曝光 度。
页面点击热图：
根据用户的点击数量来绘制热图，被点击多的区域会更亮，反之越暗。
浏览热力图：
用户在浏览网站时，鼠标移动和眼球移动有84%到88%的相关性，浏览热图通过采集用户的鼠标渭动轨迹形成，滑动越多的地方颜色热度越高。
注意力热图：
通过注意力热图，掌握用户停留时长较热的区域，注意力热图可以帮助我们了解 用户浏览时的思考和停留的时间。
元数据管理：
统一配置和管理所追踪数据元信息的地方，比如自定义事件、事件属性、用户属 性等信息。
权限管理: 能按不同业务模块不同职能部门对权限进行细分。两者支持按照功能、应用、数 据等多个层级进行权限自定义配置,但神策数据和GrowinglO的账户管理机制 更丰富。
通过上述分析，神策、数极客和GrowinglO的分析工具可以满足业务需求，就 三者共有功能来看，神策和GrowinglO的分析工具表现更好，数据颗粒度更细， 支持按任意维度和筛选条件细分分析，更能满足多样化业务场景，而数极客表现 一般,仅可满足基本需求。
而从三者各自独有的功能来看，神策数据独有的功能是session分析和运营位归 因分析,数极客独有的功能是错误分析、表单分析、行为录屏、热图分析， GrowinglO独有的功能是分享分析、魔法数字和渠道价值分析。
总体来说，数极客分析工具最全面，尤其在定性分析工具表现更突出，但是缺点 是单个功能挖的不够深。而神策数据和GrowinglO则是功能虽然不如数极客全 面，但是功能各具特色，优点是单个功能做的深，表现比较惊艳。
综上，在功能全面性上：数极客＞ GrowinglO ＞神策数据在数据颗粒度细致程度上：神策数据＞ GrowinglO ＞数极客
3.4数据应用与二次开发

神策数据
数极客
GrowinglO
数据应用
自动化运营
V
V
7
A/B Test
X
V
7
智能推荐
V
V
X
推送服务
7
7
7
用户画像
V
V
7
二次开发
部署方式
私有化为主.SaaS 为希
SaaS为主,私有 化为辅
SaaS为主，私有化 为辅
kafka消息订阅
V
V
X
SQL查询工具
V
V
X
SDK来源
7
V （可选）
X
设备安全信息采集
V
V
X
基于平台二次开发
V
V
X
在数据应用层面，神策数据拥有独立的自动化运营、智能推荐和用户画像产品， 数据应用完整程度更高。数极客拥有A/B Test产品，在这方面完成度更高。 GrowinglO无智能推荐应用。
在二次开发上,神策数据的平台拓展性最好，提供PaaS平台,可深度开发。数 极客的私有化版本支持二次开发，Growingl。不支持二次开发。
四.客户服务神策数据、数极客和GrowinglO的售前、售中和售后的标准客户服务比较完善。

神策数据
数极客
GrowinglO
使用手册
VV
7
7
资源学习社区
7
7
7
远程服务响应
7
7
7
专属顾问
7
7
7
方案咨询
V
7
7
需求梳理
7
7
V
数据实施接入
V
V
V
产品使用培训
7
7
V
技术支持
V
V
7
指标诊断服务
X
V
X
增长专家服务
X
\
X
除此之外，数极客还提供了指标诊断服务和增长专家服务。
五,竞品对比结论神策数据是偏技术风格的数据产品，从核心流程上来说，神策数据的主要优势集 中在数据采集、数据处理（传输、存储和查询）上。神策数据支持私有化部署、 开源SDK ,帮助企业搭建数据仓库，积累数据资产，同时提供丰富的API可做 二次开发,客户可以直接获取和使用数据，与自己的系统集成。但是神策数据的 劣势在于产品化程度不高，功能不全面，交互和逻辑相对复杂，对于非技术侧的 人员，产品使用门槛比较高。
相对于神策数据来说，数极客和GrowinglO更像是BI分析工具,以SaaS部署 为主。数极客的优势在于，分析工具比较丰富，其用户行为录屏和热图分析，是 其最为突出的特色功能。GrowinglO的优势在于"无埋点"采集方式,上手简 单容易。但是两者的劣势都是分析维度相对不足，这归因于其数据采集时的数据 粒度不够精细,此外性能支撑能力也都一般。
总体来说,神策数据更适合数据量级较大、想建立数据仓库的企业使用。数极客 和GrowinglO更适合关注数据在产品运营方面应用的初创团队和中小企业使 用。
二,竞品选择2.1竞品选择
在用户行为分析领域有很多优秀的产品，比如有谷歌分析、百度统计等传统大牌 的数据分析厂商，也有神策数据、数极客、诸葛io等新兴数据分析厂商。
基于写作目的，本文选择神策数据、数极客和GrowinglO三个软件进行对比分 析。
2.2商业画布本部分主要是分析竞品的商业化模式，具体见下图。
神策数据商业画布:
柬要伙伴
关键业务
价值主张
客户关系
客户细分
软件和技术服务商 咨询服务商 授权经销商 大数据星火联盟 产业SEE游可孵化 企业
用户行为分析 智能运营 智能推荐 用户画像 神策客景
灵活多定义的多位 数据分析产品
提供从方案咨询到产品落地 使用全流程服务
开源社区
帝源博客分享
金融、红联网、远 营商、房产、企业 服务、新零样、航 旅、ipt、等行业
核心资源
集道通路
团队背景背书 技术开发能力 行业经教
销再团队 经销商 市场*•题活动
成本结构
收入来源
硬件成本 软件开发成本
私有化部罟为主伽％).支持SoqS部罟
、＜心、版5万起、单仇私有部署版10-20力L集群私0.部署版按数量•单机 买断按3倍价格
数极客商业画布：
敢姿伙伴
美健业务
价值主张
客户关系
客户细分
公有云服务商 咨询服务筒 独立软件或技术at务 筒
授权代理经钥曹
用户行为分析 sin数招分析 用户行为录加 会员甘栖系统
AB测试平台
用户行为分析与大 数据皆能平台
助企业用数抿驭功业务增长 学院社区
互联网、金魅（银行 、保险、证券）、ft 育、零怀等行业
核心骁源
渠道通路
团队背景背书 申富的行朗经验 服务能力高
销街团队 经情商
成本结构
收入来源
硬件成本 软件开发成本
SaaS部罟为主.支持私有化部罟
SaaS标准版5万起、高级版1。万起、极客版15万起
GrowinglO商业画布：
柬要伏停
关健北务
价值主张
客户关系
客户细分
授权经帽商
用户行为分析 智能运营

助企业用数据驱动业务增长 增长大会
零俾、电商、金融 、教育、酒旅航司 等行业
核心资源
用户行为数据分析 产品
梁道通路
团队背景背书
情皆团队 专题活动
成本结构
收入束源
硬件成本 软件开发成本
SaaS部署为主.支持私有化部署 试用版15天.专业版6万起
三家均都宣导提供一站式解决方案，但是从关键业务上来看，神策数据和数极客 表现得更好，除了用户行为分析之外，它还为数据分析结果提供了丰富的数据应 用工具，如智能推荐等。
另外在市场宣传活动上，神策数据和GrowinglO自己开展专题活动,这也是神 策数据和GrowinglO在平台知名度上更高一些的原因之一。
三,用户行为分析系统搭建 用户行为数据采集和分析的核心流程是①数据采集、②数据处理、③数据展示。 围绕这三个核心步骤,进行产品和技术层面的建设。
本部分主要从产品层面分析各竞品如何基于核心流程进行解决方案的建设。
3.1数据采集方案制定在采集数据之前，首先需要设计数据采集方案，确定好需要采集哪些数据和数据 采集方式等，这是后续用户行为分析及数据应用的前提。没有正确的数据源，一 切都是无用功。
用户行为定义用户在网站上发生的一切行为,如点击、浏览等行为,都可以抽象成一个"事件 模型〃，其描述了某用户在某时间某地点通过某方式做了某事，可用4W1H来 表示:who、when、where、what、how ,另外也可用5W2H来表示。
通常我们将事件模型拆解成两部分事件event和用户user,事件记录了 4W1H 信息，用户则记录用户属性信息。对应到用户行为分析系统，则需要建立事件表 和用户表两个基本表，两个表通过唯一标识平台ID （即event表中的userjd 和User表中的id ）来关联。
具体如下图所示：
事件Event
事件模型
「Who：参与此事件的用户
-When：事件发生的实际时间
O- Where：事件发生的地点
-How：用户进行实践的方式
I What：描述用户所做时间的具体内容
用户User
r用户长期属性Userprofile 气通过ID与相关Event关联的属性
数据采集方案
在了解用户行为定义之后，接下来就是设计数据采集方案。
设计数据采集方案，也就是设计数据指标体系，一个完整的数据指标体系会包含 多种类型的指标，如单一和复合指标等。单个数据指标基本构成是事件和事件属 性，因此在设计指标体系时,主要从定义事件和添加事件属性两个方面展开，其 关键点是分析业务流程和用户关键行为。
举例来说，用户搜索时会经过以下流程进入搜索页一触发搜索一点击搜索结果, 那么就可针对这个流程中定义事件和添加事件属性。初步事件表建立如下。
Jr七：V： X您性名
1
点击搜索框
页面入曰
2
触发搜宗
搜索美链漏」
美绥讪类型 页面入口
3
点击搜索结果
结果排名
搜索 关桩伺类型
n入口
当然，详细的事件表中还包括其他信息，如数据类型、获取方式等。这里太多的 细节了，以后补充。
神策数据、数极客和GrowinglO都为客户提供设计数据采集方案的服务，一方 面三者都具有丰富的行业经验，对数据采集更了解，另一方面也可使客户更快上 手使用系统，是续费率的保证。
通过调研发现,神策数据在设计数据采集方案上的能力相对较强，其充分考虑了 现实业务中可能遇到的复杂情况，比如需要一个用于开发和调试的环境，该环境 的数据应该与生产环境的数据相隔离。对于这种情况，神策数据提供了多项目工 具,可解决上述问题。
另外，神策数据的产品使用手册也是一大亮点，对产品使用和技术接入进行了详 细介绍，并全面解答了使用过程中可能遇到的问题。这是客户服务标准化建设一 部分，不仅减少服务成本投入,也能帮助客户快速上手。
3.2数据采集首先,通过下方表格直观的比较神策数据、数极客和GrowinglO在数据采集上 的差异。

神策数据
数极客
GrowinglO
客户端采集
Web/U5
7
7
7
App
7
7
7
小程序
微的支付宝/字节 等小程序
微信小程序
微信/支付室/字节 等小程序
微信小游戏
7
X
V
快应用
7
X
V
后端采集
7
7
V
数据导入
历史数据
7
7
X
H志文件
7
X
X
第三方系统数据
7
X
X
渠道数据
UTM流量标id
向帖/App/小程序
网站/App/小程序
1可站/App/小程序
渠道管理
7
7
7
埋点方式
代码埋点
7
7
7
无埋点
7
浏览和农击事件
V.点击事件
\
可视化埋点
7
7
7
数据验证
埋点管理
7
7
V
调试模式
7
7
7
入库检验规帅J
7
X
X
指标诊断
X
V
X
数据采集需要做到全面、精准、有用，有用性是根据业务场景来判断,系统不可 控，而全面性和精准性则是由系统主导。
通过上述对比可以发现数极客和神策数据都支持全平台、全渠道、全量数据采集。
有区别的是，神策采集的数据源更丰富,数据采集方式也更全面，如提供各式数 据导入API工具。Growing】。数据采集主要采用无埋点方式，虽然很方面，数 据采集很快，但是其采集到的数据颗粒度较粗,无法满足解决深层业务问题的需 求。
在确保数据采集精确性上三者都做了数据验证环节。但相比之下发现，神策有更 多的数据验证方式,更能确保数据源的精准。如对事件、事件属性、用户属性数 据设置了入库检验规则,并支持设置ip、域名黑名单来过滤数据，确保入库数 据有效。
综上，数据采集能力排名结果为：神策数据〉数极客NGrowinglO。
3.3竞品分析功能对比用户行为分析功能可分为定性分析功能和定量分析功能两个方面。飘红表示该竞 品的特色功能。

神策数据
数极客
GrowinglO
数据概施
实时看板
V

V
定时报告
V
X
X
数据实时性
分钟级
分钟级
小时级、少数分钟级
查询速授
豚
豚
部分数据秒级
跨端分析
V. 一套用户身份
X.两套用户身份
V.两套用户身份
定量分析
事件分析
V
7
V
session 分析
W
X
X
页面分析
X
7
77
分布分析
77
\
77
漏斗分析
W
正
W
用户路径
W
7
77
归因分析
7
X
7
间隔分析
V
7
X
智能路径
X
7
7
错误分析
X
7
X
表眼分析
X
7
X
分享分析
X
X
7
魔法数字
X
X
7
梁道价值分析
X
X
7
活跃分析
X
7
7
留存分析
V
7
7
区性分析
V
7
7
用户分群
W
7
W
用户细查
7
7
7
用户丽像
7
7
7
指标预警
77
7
X
定性分析
行为录屏
X
7
X
App点击分析
7
X
7
链接点击热图
7
7
X
触达率热图
V
7
X
页面点击热图
X
7
7
浏览热力图
X
7
X
注意力热图
X
7
X
数据管理
元数据管理
V
7
7
权限管理
7
7
7
数据导出
数据导出方式
文件/API/订阅
文件/API/订阅
API
导出格式
CSV/EXCEL 等
CSV
CSV
导出内容
报表结果、明细数据
报表结果、明细数 据（时效性差）
报表结果
数据概览:
数据概览一般展示的是核心指标的变化情况，如日活，营收等。神策和GrowinglO的数据看板聚合程度要高于数极客，可根据不同的需求建立看板分 组，对看板进行归类。在实际接入和查询数据时，神策数据展示和查询效率最高, 主要是因为①设置了查询缓存机制、②支持流量抽样查询，故使用体验优于后两 者,GrowinglO的数据实时性和查询速度最差。
事件分析：
用户行为分析中，将用户行为抽象为一个事件，通过细分、筛选、对比等对各事 件进行分析可回答渠道推广、运营和产品方面的问题,如对比不同渠道推广效果。 神策还具有事件分组功能可满足自定义下拉面板的展示效果。
Session 分析:
Session记录用户在一段时间内做了什么事情。Session分析就是把用户单点行 为事件串联起来，进行计算，基于计算结果来分析业务问题，如用户每次平均逛 几个页面。Session分析弥补了事件分析的不足，目前神策数据支持session分 析，其还可以自定义session切割时长和参与切割的事件。数极客支持对浏览事 件的session分析。
页面分析: