用户行为指用户为获取、使用产品或服务采取的各种行动，首先要认知熟悉，然后试用，再决定是否继续消费使用，最后成为产品或服务的忠实用户。
习惯将用户的行为指标分为三大类，即黏性、活跃和产出，每个分类可以包含多个行为指标来共同衡量用户在这3类中的行为表现，进而区分用户的行为特征，对用户进行分类或者综合评定，如图2-5所示。
图2-5 用户行为分析模型
- 黏性（Stickiness）主要关注用户在一段时间内持续访问和使用网站的情况，更强调一种持续的状态，这里将“访问频率”和“访问间隔时间”两个指标归到了黏性的分类。
- 活跃（Activity）则更多地针对用户每次的访问过程，考察用户访问中的参与度，所以对统计期中用户的每次访问取了平均值，选择“平均停留时长”和“平均访问页面数”来衡量活跃。黏性和活跃从用户的访问情况衡量用户可能创造的价值。
- 产出（Outcomes）直接根据网站的业务衡量用户创造的直接价值输出，如电子商务网站可以选择“订单数”和“客单价”，一个衡量产出的频率；另一个衡量平均产出价值的大小。
在统计用户行为指标进行分析时，需要注意选择合适的时间段，时间段的长度不能过短，不然无法体现用户长期和持续性的行为特征，黏性指标的分析会不准确；同时短期的用户行为也会误导对用户整体特征和价值的判断，有可能用户在该段时间内极度活跃或者极度低调，也可能用户在短时间内创造了高产出，但从长期看用户创造的价值并没有那么高。
不同的用户分类群体可能会有不同的行为表现，我们可以通过分析各种用户分类的用户行为指标来区分各类用户的特征及对网站的期望要求，进而针对各类用户群体进行调整和定向的营销推广。
可以从3个角度对用户进行细分，即流失用户与留存用户、新用户与老用户、单次购买用户和二次购买用户。基于这3类细分，对每个分类的用户购买商品进行比较分析，计算每类用户的数量，以及占总用户数的比例，每类用户的同比和环比增长率等。此外，还需要注意必须与总体水平的比较才能得出合理的结论，“与总体比较”不是直接的相减，而是一个差异的幅度体现，只有这样才可以明确哪些商品更加符合用户的预期。
