背景&挑战
对于互联网平台来说，传统的用户行为数据分析更多是为了给优化运营方案提供数据支撑，以及满足基础的报表功能。然而，对于如何从用户行为数据中解读用户需求、诊断用户痛点及产品问题、制定相应的产品优化策略，是较为无力的。
ETU 认为，可以通过在产品中应用精益数据分析，借助数据反馈得出用户的真实表现，并通过场景化设计，提升产品的用户体验。
最终成果
ETU 基于体验服务的丰富经验及超过百余个用户研究项目累积，创新打造成长型数据体验解决方案。通过嵌套精益数据分析模型，即时对企业搜集到的最新用户数据进行深度分析，生成行为路径图、梳理典型用户画像。从中获取对企业体验优化更有价值的数据结果，帮助企业快速观测用户趋势、制定产品策略，助力企业产品不断有目标地、有效率地更新迭代。
洞察/策略
关注企业跨业务、跨场景的数据串联，促进用户内部转化
ETU 树立全局观，关注企业中多个产品线的用户行为数据，通过对不同业务数据的交叉分析，绘制更为全面的用户画像，使用户形象更为立体、用户痛点更为显著。同时，在数据串联基础上的分析结果，有助于对企业产品进行整体优化，加强既有用户的内部转化，提升企业商业价值。
“定量 + 定性”研究的快速结合，全面解读、分析用户数据
理解用户需求，是做好产品体验的第一步；持续跟踪用户需求变化，则是推动用户体验升级的关键。
传统用户需求挖掘依赖于定性访谈、定量问卷等调研方法。定性方法获得的用户需求更为深入，但人力、时间成本相对较高且人数有限，不能全面反馈全网用户的行为习惯及需求；定量问卷方法虽然获得的样本量更多，但问卷长度有限。更主要的是，问卷需要设计非常明确的问题及问题选项，对研究的前期准备要求较高。
ETU 采用“定量 + 定性”快速结合的研究方法，先依据对平台用户基本行为特征以及典型用户路径的行业研究积淀，设计大样本分析环节，挖掘用户典型产品使用路径中的特征以及趋势，提出初步的用户画像；继而通过定性研究，针对定量研究所发现的用户真实操作行为的假设，挖掘用户行为背后的动机与需求，构建全面、丰满的用户画像，探索产品进一步优化的方向。
聚焦商业目标，提供精细化诊断，帮助企业产品迭代升级
实际上，用户行为的背后反映的就是用户的需求。作为用户真实、完整的行为记录，如何在庞大的用户行为数据中，看到并跟踪用户需求、转化用户需求，进而优化产品、优化服务，是 ETU 的成长型数据体验解决方案挖掘的重点。
ETU 以企业商业目标为核心，依据用户使用场景、业务场景等对企业产品及其功能进行拆分。
我们提供的精益数据分析服务，从体验的视角对用户行为数据进行高效精准的深度分析，帮助企业快速观测用户趋势、快速制定产品优化策略、快速提升全线体验，助力企业产品不断有目标地、有效率地迭代升级。
设计落地
