PostHog行为分析实战

PostHog行为分析实战，在这个详细的讨论中，我们将深入探讨几个重要的实战案例。这些案例集中在用户行为分析，包括细致的用户路径和交互方式的解析；转化方面，我们会研究从潜在用户到正式用户的各种转化路径，以及提升转化率的策略；渠道跟踪，将分析不同流量来源的效率及其对业务目标的贡献；广告跟踪方面，我们会详细审视不同广告渠道和内容的效果，帮助优化广告投入；最后，在留存分析中，我们将探讨用户的产品使用习惯、满意度及其对用户忠诚度的影响等。通过这些全面的分析，旨在帮助大家更好地理解用户行为、精准定位市场策略，从而提高全方位的业务成效。

posthog面板分析功能示意图：

基本漏斗分析：

漏斗分析（Funnel Analysis）是一种数据分析方法，用于理解和优化用户行为流程。这种方法的核心思想是，通过一系列有序的步骤，将用户从进入某个流程（如购买流程、注册流程等）开始，直到完成最终目标（如购买商品、完成注册等）为止的行为路径进行可视化展示和分析。PostHog可以轻易的使用事件的漏斗分析功能：

数据API的使用：

PostHog能够轻松且直接地通过SQL查询来获取所需的数据，比如说如下所示的情况：通过简单而强大的SQL语句，用户可以指定从不同的数据库表中提取所需的信息，无论是用户分析、行为统计还是数据集成，这一工具都给予了极大的便利。不仅如此，PostHog的SQL查询功能还允许用户进行复杂的数据分析操作，包括数据聚合、过滤以及排序，从而大幅提升数据处理的效率和精度。对于需要深入分析用户活动或查看特定趋势的团队而言，这项功能尤为重要。因此，使用PostHog的用户可以有效地满足各种数据需求，推动精准的商业决策。

https://posthog.com/docs/api/experiments#get-api-projects-project_id-experiments

参考： https://posthog.com/docs/hogql

本地如何安装posthog：

是基于docker, 命令， 直接执行：

Sudo /bin/bash -c “$(curl -fsSL

https://raw.githubusercontent.com/posthog/posthog/HEAD/bin/deploy-hobby)”

按提示 填写域名等， 等15分钟则可以安装完成。

安装后：

终止运行：To stop the stack run ‘docker-compose stop’

启动运行：To start the stack again run ‘docker-compose start’

数据概览Dashboard：

数据概览通常是指对一组数据进行快速的、高层次的分析，以便深入了解数据的基本情况和关键特征。这种分析可能包括几方面内容，例如数据的总量、分布情况、变化趋势、异常值的识别、以及不同数据之间的相关性和相互影响。通过数据概览，用户可以快速获得关于数据的直观印象，帮助发现潜在的问题或机会，并为更深入的分析提供基础。PostHog的数据概览功能特别强调通过自定义分析来获取所需信息，并将这些分析结果直接固定在面板上，使用户能更方便快捷地查看与管理。这不仅提高了用户对数据的掌控能力，也增强了数据决策的效率和准确性。

录屏功能:

录屏功能是一项能将用户在网站浏览器屏幕上的所有活动捕捉下来，并存储为视频文件的技术。这种技术在多个场景中都具有重要的应用价值。首先，在用户体验优化方面，它允许设计团队真实地看到用户在网站上的行为和互动，从而更好地识别出潜在的使用问题，并进行优化调整。其次，在测试与调试过程中，开发人员可以使用录屏功能回顾用户在特定情境下的操作，这有助于快速诊断和解决程序中的错误。此外，对于教育和培训，录屏功能能记录完整的操作流程，为教学提供生动的示范材料。在商业分析中，这项技术也可以帮助企业了解用户的偏好和习惯，以制定更具针对性的营销策略。以下是PostHog提供的用户行为录屏功能，该功能不仅简化了用户行为分析的过程，还提升了整体工作效率。

转化分析：

转化分析是一种非常重要的数据分析方法，其主要目的是测量和优化用户在特定路径上从初始阶段到最终完成期望行为的整个转化过程。这些期望行为可以是产品购买、网站注册、应用下载等。通过这一分析方法，企业能够深入了解用户行为模式，并据此提高用户的转化率，优化用户交互体验，从而显著提升业务成果。此外，在PostHog中，用户无需具备过多专业知识，便可轻松实现多种多样的转化分析，这种简便的工具帮助企业在分析数据时变得更加有效和高效。这些能力使得PostHog成为寻求提升商业表现企业的绝佳选择。通过这种分析，企业不仅可以跟踪整个用户旅程，还能推动更高的用户留存和满意度，从而最终促进长远的业务增长和发展。转化分析不仅是对于理解用户活动的有效手段，更是企业获得战略优势和市场竞争力的关键因素。

社媒分析：

社交媒体平台（如Facebook、Twitter、Instagram、LinkedIn等），社交媒体分析（Social Media Analytics）是一种利用数据分析技术来理解来源于不同社交媒体上用户行为、趋势、互动和内容表现的方法。它帮助企业和个人从海量的社交媒体数据中提取有价值的洞察，以便更好地制定营销策略、提升品牌影响力、优化客户服务和提高用户参与度。以下展示PostHog轻易的基于数据来源分析社交媒体：

基于用户属性的维度分析：

基于用户属性的维度分析是一种市场分析方法，它侧重于研究和理解用户群体的不同特征，如年龄、性别、地理位置、职业、教育水平、收入水平、消费习惯等。这种分析有助于企业更好地定位目标市场，制定个性化的营销策略，以及优化产品和服务。PostHog的每一个行为事件自带着丰富的用户信息，非常方便的基于用户属性进行分析：

搜索分析：

搜索分析是一种分析方法，它专注于研究用户在网站搜索中输入的查询（即搜索词或关键词）以及这些查询背后的意图。这种分析对于商品优化，搜索 优化 、关键词研究、内容营销、用户体验优化和广告策略制定等方面至关重要。PostHog也是轻松实现搜索分析的各种功能：

用户的活跃分析：

用户活跃分析是衡量用户与产品或服务互动频率和深度的重要方法。这种分析有助于企业了解用户参与度，优化用户体验，提高用户留存率，并制定有效的用户增长策略。PostHog有多种分析工具来实现用户活跃分析：

1. 活跃用户（Active Users, DAU/MAU）：DAU（Daily Active Users）指的是日活跃用户数，MAU（Monthly Active Users）指的是月活跃用户数。这些指标反映了在特定时间内使用产品或服务的用户数量。
2. 用户活跃度：这可以通过用户的登录频率、使用时长、页面浏览量、功能使用情况等来衡量。例如，用户每天登录应用的次数、每次使用的应用时长、浏览的页面数量等。
3. 用户留存率：衡量用户在一段时间内返回使用产品或服务的比例。例如，第一天注册的用户中，有多少在第7天、第30天仍然活跃。
4. 用户参与度：用户与产品互动的深度，如用户在应用内完成任务的数量、参与活动的次数、分享内容的行为等。
5. 用户生命周期价值（LTV）：预测用户在整个使用周期内为产品带来的总收益。
6. 用户流失率：在一定时间内，停止使用产品的用户比例。
7. 回流用户：曾经流失但后来又重新激活的用户。

留存分析：

留存分析（Retention Analysis）是衡量用户在初次使用产品或服务后，继续使用并保持活跃度的过程。留存分析对于评估用户忠诚度、产品吸引力以及用户生命周期价值（LTV）至关重要。例如利用Posthog分析留存率，用户流失，用户生命周期，用户细分，留存曲线等等：

分布分析的使用：

分布分析可以帮助数据分析师、研究人员和决策者理解数据的内在结构，为进一步的数据分析和决策提供基础。例如，在市场研究中，分布分析可以帮助了解消费者行为的多样性；在质量控制中，分布分析可以用来检测生产过程中的异常。PostHog是轻松的利用breakdown by来实现分布分析：

问题异常页面分析：

问题异常页面分析通常指的是对网站或应用程序中出现异常行为的页面进行深入分析，以确定问题的原因并提出解决方案。这在网站运营、用户体验优化和系统维护中非常重要。PostHog和其他主流分析工具一样，利用了Rageclick来分析异常用户行为：

用户访问来源分析：（Ref分析）

通过对用户访问来源进行深入分析，企业能够更加高效地进行资源配置，从而极大地提高广告和营销活动的投资回报率。同时，这项分析还确保了用户体验不断得到优化和提升。通过应用PostHog的Referring功能，企业能够轻松高效地识别和分析用户访问的具体来源。无论是直接访问、搜索引擎跳转，还是通过社交媒体链接，所有的数据都在PostHog的帮助下变得一目了然。这不仅为企业提供了关键的用户行为洞察，还帮助企业在激烈的市场竞争中保持竞争力和创新能力。通过使用这些精准的数据分析工具，企业能对其广告策略进行必要的调整，确保每一分钱都花在刀刃上，从而真正做到既提高了用户满意度，又实现了利润的最大化。

用户行为地图分析：

用户行为地图分析是一种强有力的工具，它可以帮助企业或组织深入了解用户群体在地理上的分布情况。这种分析对于企业在制定市场策略时尤为关键，因为它能够提供详细的市场定位依据，帮助企业更精准地识别高潜力地区，进而优化资源分配。此外，通过对用户分布的全面了解，企业可以更具针对性地制定用户增长策略，从而提高市场渗透率及用户获取效率。 PostHog这个工具自带完备的用户地理属性功能，这意味着企业可以直接获取详细的地理数据信息，便于进一步地进行用户行为地图分析。通过利用这些功能，企业能够洞悉用户行为的地域特征，识别多样化的用户需求，并制定更加符合市场实际的商业决策，以提升整体运营效率和市场竞争力。

汇总指标分析：

通过对汇总指标的深入分析，企业能够以更加有效的方式监控整体业务的表现。这种方法不仅可以帮助企业及时发现潜在问题，还能提前识别各种增长机遇，从而支持管理层做出更加明智的战略决策。在企业运营中，理解总体趋势、评估业务性能以及提升工作效率是至关重要的。而通过汇总指标的分析，决策者可以识别出推动业务发展的关键驱动因素。这一过程对于企业优化资源分配和提升市场竞争力至关重要，能够提供战略方向并促使企业在瞬息万变的商业环境中稳步前进。具体来说，PostHog利用汇总指标分析来达成以上目标，通过对业务各个层面的数据进行全面收集和系统化整理，形成了一套完善的分析流程，使企业能够保持敏锐、灵活的市场反应能力，为长期发展夯实基础。

勾选对比选项：

转化率分析：

转化率分析是一种关键的数据分析方法，它专注于衡量用户在特定目标上的表现，例如在电子商务网站中完成购买、在应用程序中注册账户或在网站上填写表单等。转化率分析的目的是了解用户行为，优化用户体验，并提高用户完成期望行为的概率。PostHog里面的funnels功能很好的达到转化分析：

改变转化率的展示形式：

在Posthog中，有多种用于展示转化率的可视化分析工具。这些工具不仅能帮助用户直观地了解转化率的变化，还提供了历史趋势的数据展示。例如，用户可以通过图表了解不同时间段的转化率发展情况，从而更好地进行市场策略的调整。这些可视化分析工具可以向用户展现详细的历史转化率过程，使其能更准确地判断市场行为和消费者反应。这种历史数据的展示，有助于企业优化其决策过程，提高客户的满意度和企业的整体效益。通过这些工具，用户不仅能够看到转化率的当前状态，还能回溯到以往的变化趋势，从而全面把握业务状况。

复购率分析：

复购率分析在企业的经营管理中扮演着至关重要的角色，它不仅是衡量客户忠诚度的关键指标，同时也是评估产品或服务吸引力的重要标准。复购率反映了用户在首次购买后开始到再次购买相同或相关产品或服务的频率，这一数据可以揭示企业在市场中的竞争力和客户关系维持的有效性。通常情况下，高复购率预示着公司在多个方面表现良好，包括客户对产品或服务的高度满意，以及实施的客户保留策略颇具成效。这可能意味着公司在产品质量、售后服务、品牌管理或市场推广等领域都有卓越表现，从而促使客户愿意持续选择企业的产品或服务。在实际操作中，比如在PostHog系统中，可以通过Retention（用户保持）功能来具体分析顾客的复购行为以及其他相关的数据，从中挖掘出客户消费行为背后的规律和趋势，为制定更精准的营销策略和提高客户满意度提供有力的决策依据。通过全面深入的分析，企业可以不仅仅停留在现有客户的基础上，还能有效地扩展潜在的市场空间，增强在行业中的竞争地位。

用户路径分析：

用户路径分析（User Path Analysis）是指通过分析用户在网站或应用中的具体行为模式来深入了解用户体验的全过程。此方法专注于用户从首次访问平台到最终离开所经历的每个步骤及动作。通过分析用户在不同页面之间如何转移，我们可以明确用户的行为路径。这种分析不仅帮助识别用户在某些环节中遇到的阻碍和痛点，例如页面加载时间过长或导航不清晰，还能为改善产品设计提供切实可行的优化建议。

通过理解这些路径，我们可以更有效地调整内容和功能，以提升用户的整体体验和平台的转化率。正因如此，PostHog利用其Paths功能，使得进行用户路径分析变得尤为简便，使得有意改进平台设计和用户交互的团队可以更轻松地追踪用户行为，有效提升最终的用户满意度。

数据格式显示调整：

Posthog可以调整展示的数据格式：

正则的使用：

当遇到比较复杂的分析情况，可以利用PostHog的正则模式，

https://posthog.com/tutorials/regex-basics

组合新事件分析：

在PostHog中，事件具有强大的组合能力，可以生成新的事件，这使得分析某些特殊情况变得更加高效和精确。通过这种组合方式，用户能够深入洞察业务数据。例如，”加购动作”可以看作是两个独立事件的组合，即”立即购买”和”添加到购物车”。这种组合方法不仅简化了复杂数据的处理过程，还帮助分析人员制定更精准的策略和决策，进而提高整体运营效率和用户体验。通过充分利用事件组合的灵活性，PostHog的用户能够实现更深层次的数据分析，轻松应对各种复杂商业场景。

流失分析：

用户流失分析是一种专门用来深入了解用户停止使用某一产品或服务背后原因的分析方法，并通过采取合适的措施来减少用户流失。通常，用户流失分析会收集并分析用户停止使用产品的各种数据和行为模式，这对于提升用户留存率极为重要，因为提高留存率能够直接改善用户体验，并且增加用户在使用产品期间的生命周期价值。通过这样的分析，企业可以识别出用户在使用产品过程中的痛点，并根据这些关键发现进行相应的优化。以下是PostHog在执行用户流失分析时的一些具体方法和结果展示：通过表面数据与深层次分析结合，PostHog能够有效地找出导致流失的根本原因，并基于科学的方法提出改善方案，帮助企业长久维持客户群体。

数据仓库功能：

数据仓库是一种集成多样化源数据的系统，旨在消除多余的数据并确保其一致性和完整性，为组织提供可靠的数据基础。一旦数据加载到仓库中，它会保持相对稳定而不易受到频繁的修改，这意味着其主要重点在于处理和分析历史数据，而非快速变化的实时数据。这一特性使数据仓库成为长期趋势分析和战略决策的理想工具。通过运用PostHog的数据仓库功能，用户可以将外部数据与现有数据进行关联，从而显著增强其分析能力。这种增强的分析能力不仅提高了数据洞察的深度，还帮助企业根据可靠的数据驱动做出更明智、更有效的业务决策，支持长期的业务增长和发展。数据显示工具与仓库的结合，有助于企业在复杂的数据环境中保持竞争优势。

参考：https://posthog.com/docs/data-warehouse/setup

用户分群：

用户分群是一种重要的数据分析技术，旨在根据用户的特定特征或行为模式将他们划分为不同的群体。这种技术的应用范围十分广泛，涵盖个性化营销、客户服务以及产品开发等各个方面。通过用户分群，企业可以深入洞察客户基础，从而制定更精准的市场策略。这不仅能够提高用户的满意度和忠诚度，还能使资源配置更加高效。例如，在数据分析平台PostHog中，用户分群是通过cohort功能来实现的，该功能让企业可以基于用户的行为特征定义和建立多个具体的用户群体。通过这种方式，企业能够更细致地了解用户需求，优化营销资源，并不断提升品牌价值。用户分群因此成为现代企业宝贵的工具，帮助他们在竞争激烈的市场中保持领先优势。

例子： （30天访问2次+） 的用户，建立分群：

定义活跃用户：

活跃用户（Active Users）被认为是评估产品或服务用户参与水平的重要标准之一。通常来说，活跃用户定义为在特定的时间范围内（例如一天、一周或者一个月）至少完成了一次指定行为的用户，这些行为可能包括登录系统、浏览内容、进行互动等具体操作。这一概念在解读用户行为模式、分析产品生命力和健康状况以及制定增长策略时具有特殊的重要性。活跃用户指标帮助产品经理和市场团队深入理解整体用户体验和参与情况，尤其是在评测新功能或市场活动的效果时更为显著。通过了解活跃用户的变化趋势，企业可以更加精准地调整运营策略，以吸引、留住更多的用户。以下将展示posthog如何界定和计算活跃用户的方式：

ab测试/AB test:

A/B测试，又被称为拆分测试或桶测试，是一种广泛应用于在线环境中的实验方法。这种方法旨在通过比较多个版本的网页、应用界面、营销邮件，或其他形式的用户体验元素的表现，来找出最为有效的版本。A/B测试的核心目标是通过对特定指标的分析，确定哪个版本更能优化用户体验并提高商业价值。例如，可以测试不同版本对转化率、点击率、用户留存率等重要指标的影响。通过实验数据，可以获得量化结果，指导进一步的用户体验优化。Posthog是一款具有强大A/B测试功能的工具，它可以帮助企业全面实施和管理在线实验，使企业能够更精确地识别用户偏好，并不断提升用户体验，从而在激烈的市场竞争中取得更大优势。其友好界面和高效分析能力，是其广受好评的重要原因。

第一步， 后台设置ab test，分流的情况:

第二步， 前端使用ab test:

公式的分析功能:

PostHog有公式的分析功能，如下展示功能，

例如，用户的平均行为： （公式功能的利用）

新用户的跳出率：

跳出率（Bounce Rate）是用于评估网站用户体验及其内容吸引力的一个关键指标。具体来说，跳出率表示在访问网站时，访客仅查看了单个页面（通常为入口页面）后即离开的会话数量占据总会话数量的比例。一般情况下，较高的跳出率往往说明用户在网站上没有找到他们所需的信息，或者是网站本身未能提供足够的吸引力，使用户愿意继续浏览更多页面。接下来，我们可以通过分析工具，如PostHog，深入研究和分析跳出率，从而更好地理解用户行为和提升网站的使用体验。通过这些工具，网站管理员能够掌握用户的流失点，并采取相应措施进行优化，以更好地留住访客，提高网站的访问深度和停留时间。

注意，跳出率：这里使用了谷歌的定义， 10秒内离开就是跳出。

参考：https://posthog.com/tutorials/bounce-rate

新老用户的用户分群：

新老用户的用户分群是一种基于用户行为、活动频率和使用历史等多重数据分析的精细化方法。通过这项分析技术，用户被划分为新用户和老用户两个主要群体。新用户通常指那些刚刚注册并开始体验产品的人，而老用户则是那些使用平台已经有一定时间的客户。这样的划分有助于企业更有针对性地实施营销策略，设计差异化的促销活动，以及进行服务优化，以充分满足不同群体的需求。例如，对新用户，可以通过迎新活动、产品介绍或帮助文档加深其产品体验；而对于老用户，则可通过个性化推荐、忠诚度计划或特殊优惠活动来增强其使用体验和忠诚度。借助PostHog的用户分群功能，可以轻松高效地实现上述目标，在收集和分析行为数据后，立即将用户划入相应的群体，从而更便于商业决策的制定和执行。

新用户：（new user)

老用户： （not new user)

定义活跃用户：

活跃用户（Active Users）是指在特定时间段内与产品或服务进行互动的用户。这个定义可以根据不同的业务需求和分析目的进行调整，但通常包括以下几个关键要素：

1. 时间段：活跃用户的定义通常与一个特定的时间段相关联，如日活跃用户（DAU）、周活跃用户（WAU）或月活跃用户（MAU）。这些指标分别表示在一天、一周或一个月内至少使用过产品或服务一次的用户。
2. 互动行为：活跃用户的定义还涉及用户的具体行为。例如，对于社交媒体平台，活跃用户可能是那些发表帖子、评论或点赞的用户；对于电子商务网站，可能是那些浏览商品、添加商品到购物车或完成购买的用户。

以下利用PostHog的用户分群功能实现定义活跃用户：

活跃用户 日活/月活/周活：

以下利用PostHog的 事件活跃分析 （日活/月活/周活）：

平均使用时长分析：

平均使用时长（Average Time Spent）是一个重要的指标，用于衡量用户在特定应用程序或网站上所花费时间的长短。这一指标对于开发者和运营团队而言，具有重要意义，因为它能够深入洞察用户在其平台上的参与度和兴趣水平。通过分析平均使用时长，团队能够发现用户行为的趋势和偏好，并以此为依据优化用户体验，确保用户能够获得更好的使用感受。此外，这一指标还能帮助团队评估平台内容的吸引力，制定更加精准的内容策略。通常情况下，PostHog通过用户的会话记录来准确统计使用时长，从而为团队提供有价值的数据支持，帮助他们不断改进产品功能和提高用户满意度。通过这样的方法，开发者能够识别哪些部分需要增强或调整，以便吸引更多的用户停留并使用他们的应用程序或网站。总而言之，平均使用时长是评估用户与产品互动程度的关键元素之一，它可以为开发团队的决策提供直接且有力的依据。

多维度的group by分析:

多维度的GROUP BY分析是一种在数据分析中常用且重要的技术手段，它允许用户基于多个不同的字段或维度对数据进行有效的分组整理。这种方法不仅能为每个分组计算聚合值，比如求和、平均值、计数等，更能通过深度的分析使得数据中的隐藏结构和模式显露无遗。特别是在数据仓库和商业智能（BI）领域，多维度分析至关重要。通过这种方法，分析师能够获得对数据更深入的了解，从而发现潜在的趋势和规律，并为决策提供坚实的数据基础。这种多层次的分组分析，不仅提高了对数据的掌控能力，还在复杂的数据生态中发挥了无可替代的作用。通过掌握和运用多维度的GROUP BY分析，分析师可以更精准地进行数据挖掘，揭示出数据之间的深层关系，为企业的战略决策提供有力支持。

在PostHog的breakdown栏 填写类似这样的格式则可以多维度的group by分析：

转化归因：

转化归因（Attribution）是数字营销中的一个概念，它指的是将用户在完成某个转化动作（如购买、注册、下载等）时，将这个转化归功于哪个营销渠道或广告活动。转化归因对于理解不同营销渠道的效果、优化广告预算分配、提高营销效率至关重要。

在多渠道营销环境中，用户可能通过多个触点（touchpoints）与品牌互动，每个触点都可能对最终的转化产生影响。转化归因模型（Attribution Model）就是用来确定这些触点中哪些对转化贡献最大，以便更准确地衡量每个渠道的价值。

以下展示PostHog是怎样实现转化归因：

可视化埋点：

可视化埋点作为一种用户行为分析工具，极大地改变了数据采集的传统方法，它让产品经理、运营人员以及数据分析师无需编写任何代码，就能通过一个直观的图形用户界面直接在应用或网页上选择并定义需要监测的用户行为事件。这种技术显著简化了数据收集的流程，极大地降低了技术门槛。即便是没有技术背景的人员，如一些市场营销人员或业务分析师，也能够轻松驾驭这种工具进行用户行为分析，从而更好地理解用户操作方式与偏好、优化用户体验。以PostHog为例，该平台不仅支持可视化埋点，还提供如热力图等强大的功能，使用户可以直观地看到不同区域的交互情况。这样的功能赋予团队更全面的洞察力，让他们能够做出更精准的数据驱动决策，提升产品与服务质量，从而更好地服务目标用户。

利用SQL的分析: （sql自定义查询）

sql数据探索方法：

• 使用SELECT语句对数据进行初步探索，了解数据的基本分布和特征。
• 创建视图（View）来简化复杂的查询，便于后续分析。

在PostHog中非常方便的SQL调用数据：

这里展示一个SQL例子，计算页面停留时间：

参考： https://posthog.com/tutorials/time-on-page