当我们推出新产品和新功能时，很容易立即将注意力集中在首要指标上。试用转换率为7%，第1周保留率为9%，但平均参与率很低。我们如何提高参与度？这些平均指标没有考虑到你的用户并不完全相同。没有"普通用户"。他们有自己的特点，对您的产品的体验截然不同：大多数用户下载您的产品，但从不使用它有些用户尝试过你的产品，但从未发现它的价值另一些人找到了他们的快乐时刻并坠入爱河！这些用户角色不会出现在平均转换等指标中。为了能够准确地理解是什么样的模式驱动着你的指标——你需要我们所说的行为协同。行为协同可以帮助您根据产品中采取（或不采取）的任何操作组合立即创建用户细分。它已经成为产品和用户洞察力的新标准，因为它可以帮助您清楚地将用户行为与产品结果关联起来。Hubspot、PayPal和Twitter这样的公司正在大规模地与用户建立共鸣。在这篇文章中，我们将定义队列和行为队列，向您展示如何使用它们，并提供一个简单的模板，用于在您的产品中使用它们。首先，什么是队列？一般来说，术语"群组"通常指的是一组用户，他们在同一时间段（无论是一天、一周还是一个月）开始使用你的产品。当人们谈论"队列分析"时，他们通常意味着测量每一个采集队列随时间的保留率，这通常是这样的：好吧，那么什么是行为队列？了解用户何时开始使用是很重要的，但是他们在你的应用程序或网站中所采取的行动会让你更深入地了解你的用户以及他们如何与你的产品互动。这就是行为群体的原因。行为群组是根据用户在产品中所采取的操作来定义的一组用户。你如何开始定义一个行为群体？你想从你的行为队列分析中学到什么？我们已经创建了一个工作表来帮助您确定这些问题并指导您的群组定义。在这里下载。这里有一个例子。假设你有一个音乐流应用程序。你有兴趣了解更多关于那些在第一天就将至少3首歌曲标记为"最爱"的用户。以下是如何定义振幅的行为队列：行为群组是由用户在你的产品中所采取的行动定义的一组用户。很好，很简单。现在呢？一旦您保存了一个行为队列，您就可以在整个振幅中应用它，以了解更多关于用户行为如何影响诸如保留、转换和收入之类的事情的信息。让我们通过几个例子来说明你可以从行为上获得的见解。在下面的图表中，我们比较了至少喜欢3首歌曲的用户和不喜欢的用户的每周保留率。正如你所看到的，那些至少喜欢3首歌曲的用户拥有更高的保留率，这表明偏爱歌曲的行为可能是你应用程序中的一个重要诱因。在下一张图表中，我们将行为队列应用到一个漏斗中，这样我们就可以看到偏好歌曲对从注册到购买订阅的转化率有多大影响。正如你所看到的，喜欢至少3首歌曲的用户与付费订阅的转换率要高得多：18%，而喜欢少于3首歌曲的用户只有8.8%。基于这些结果，鼓励你的新用户在第一天喜欢更多的歌曲似乎是个好主意。这种行为与保留和转换为付费订阅都有积极的联系！你如何判断你的分析平台是否真的有行为群体？有些公司声称有"行为队列"，但如果你不能保存这组用户并将其应用到其他图表中，就像我们在上面提到的保留率和漏斗图一样，它就不是真正的行为队列。对于许多分析平台（包括振幅），可以为保留报告指定启动操作和返回操作。这为您提供了一个关于保留的更详细的信息–在下面的示例中，我们希望了解注册并随后喜欢一首歌曲的用户比例。有些公司会称之为"行为共栖"，但它实际上是基于事件的保留。您不能使用上述过滤器来保存一组用户并在平台的其他部分执行进一步的分析。你也不能指定一个时间段（比如在第一次使用后的1天内）或者用户已经做了多少次操作。记住，真正的行为性同居会让你：根据用户在应用程序中采取（或不采取）的操作定义一组用户保存这组用户，并在漏斗、保留率和收入等图表中执行进一步的分析了解用户行为并对产品做出更好的决策准备好了解不同的行为如何影响产品的保留、收入和增长吗？下载本指南的PDF版本，并使用末尾的行为协同工作表开始。