注：使用用戶路徑圖，能夠幫助我們統籌全局，對整個網站/APP的用戶流動洞若觀火。
1971 年，英國倫敦，國際園林藝術研討會，迪斯尼樂園的路徑設計獲得世界最佳設計獎。然而這條路徑并非出自某個大師手筆，全靠游人自行設計。建筑大師格羅培斯在樂園的各景區間撒遍草籽，第二年，他根據被人踩出來的痕跡鋪設了人行道。而獲得最佳設計獎的方案，就是格羅培斯按此人行道事后繪制的。
產品設計的標準不只在專家的大腦中，也在用戶的心里。順應用戶所期望的標準，就能設計出令人滿意的產品。
如果說現實中的路徑設計，可以借鑒草坪踩出的痕跡，那么網站或APP的路徑設計，可以借鑒什么？用戶路徑圖，正為此而生。如你所見，這是數據分析工具系列的第 2 篇：用戶路徑圖。
何為用戶路徑圖
用戶路徑圖，簡單來講，就是抽象用戶在網站或APP中的訪問行為路徑，并用可視化的圖表呈現。
全路徑圖
當新的用戶來到我們的網站/APP后，他們是否如我們預期的那樣進行訪問？還是半路遇到阻礙，沮喪離開？為什么精心設計的功能使用寥寥？而冷僻的功能卻被頻繁使用？ 全路徑圖，正是為了解決此類問題，如下圖所示：
全路徑圖，以某個頁面/事件為起點進行分析的路徑圖。抽象圖中的元素，即為：
路徑節點
流量
流向
其中，路徑節點可以為某個頁面，如：落地頁、登錄頁、商品詳情頁等；也可以為某個事件（用戶動作），如：搜索、收藏、瀏覽、支付等。下面，我們看看全路徑圖可以做什么。
1. 優化流量流向與配比
全路徑圖，以樹狀結構呈現流量的流向與分布，由此可以判斷：
每個路徑節點的流量流向是否與預期一致
每個路徑節點的流量在整個路徑中的占比
在明確問題后，我們可以結合其他數據分析工作做定向優化，比如：從“首頁->導航”的流量過低，是否因為首頁上的導航設計不夠清晰？結合上一篇的熱圖分析，我們可以快速定位問題。
2. 降低跳出率
路徑的整體跳出率是否正常
每個路徑節點的跳出率是否正常
拿問題 1 舉例，一條路徑的整體跳出率偏低，很可能是因為這條路徑的設計存在缺陷，并沒有很好的滿足用戶需求。
轉化路徑圖
我們總是希望用戶去做一些事，如果是電商平臺，我們希望用戶購買商品；如果是社交網站，我們希望用戶參與互動；如果是工具產品，我們希望用戶使用工具。而用戶是如何如何到達我們設定的終點？在這之前，他們又經歷過什么？這些都是轉化路徑圖可以告訴我們答案的。
轉化路徑圖，以頁面/事件為終點進行分析。下面談談轉化路徑圖的作用：
提升轉化率：
到達設定終點的主路徑是什么？支路徑是什么？
每條路徑的轉化率如何？
用戶為什么會選擇這樣的路徑？
舉個例子，電商平臺X寶的購買商品的路徑有A、B兩條，兩條路徑的轉化率和用戶數如下圖所示：
根據數據，我們可以明確問題的解決方向：
A路徑轉化率明顯高于B路徑，能否將分配給B路徑的流量導向A路徑？
B路徑的轉化率過低，原因在于路徑的某個節點轉化率出現問題，是否可以優化？
特定人群的路徑圖
回顧一下用戶路徑圖的構成元素：路徑節點、流量、流向。你可以發現，全路徑圖和轉化路徑圖的差別，實際上就是“流向”的差別。而我們分析的是一組”頁面“的路徑，還是一組”事件“的路徑，實際上就是”路徑節點“大與小的差別。所以，我們同樣可以對”流量“做特定處理，進一步分析用戶的行為軌跡。
（1）流量所具備的屬性
流量，簡而言之就是對人的抽象。所以，流量的屬性實際上就是人的屬性：
訪客使用什么設備？比如：iPhone 7、 iOS 11、4G環境……
訪客具有什么特點？比如：男，北京， 24 歲，大學畢業……
訪客來自哪里？比如：看過優酷的宣傳廣告，對我們的產品產生了興趣……
（2）特定人群的路徑圖
想要查看特定人群的路徑圖，實際上就是將具有相同屬性的人群聚合在一起分析。比如：
使用iPhone的人群的用戶路徑的跳出率遠低于三星，是否因為產品對三星手機的支持做得還不夠好？
來自北京的男性青年的路徑訪問深度遠高于其他人群，原因是什么？
從優酷來的訪客比從愛奇藝來的訪客轉化率更高，是否應該增加優酷廣告的投放？
用戶路徑圖分析工具：欲善其事，必利其器
這里收集了很多非常好的工具，通過不同的方法追蹤用戶的行為并提供給你改進網站可用性的建議。它們中有些可能不是免費的，但一個好的回報是值得去付出的。
Google Analysis
GA的用戶路徑圖功能非常強大，可以添加對比、多屬性過濾、分維度查看。但是缺點也很明顯，功能設計比較臃腫，分析的復雜度過高，一般用戶可能無從下手。以下是GA的用戶路徑圖
使用用戶路徑圖，能夠幫助我們統籌全局，對整個網站/APP的用戶流動洞若觀火。通過觀察用戶“從哪里出發”、“到了哪里”、“在哪里離去”、“怎么到的目的地”，我們能夠迅速定位自身產品的問題，結合包括“熱圖”“漏斗”等分析工具進一步找到問題的根源，并最終解決問題。
如果對漏斗分析有了解的同學，也許已經發現用戶路徑與漏斗的潛在聯系：用戶路徑圖的每條路徑，實際上就是一個個“天然”的漏斗。所以，對于用戶路徑發現的問題，理論上都可以使用漏斗做進一步的分析。而漏斗分析，正是數據分析工具系列的下一篇內容。歡迎關注我的數據分析工具系列，我會講述如何改善用戶體驗，提升轉化，幫助你更好地運用數據驅動產品運營。