今天我们生活水平的提升，和消费服务行业的数字化建设，彼此相互推动。随着交通服务越来越发达，人们日常活动场景的增多，航空铁路等出行需求随之扩大，丰富的航空旅行APP为用户提供了快捷便利的数字化出行体验，在出行者与出行工具之间搭起了更加畅通的桥梁。
通过使用航空旅行APP，用户可以在线获取航班列车的时刻、价格、空余座位等信息，相比于传统方式大大节省了时间与精力，运营者则可以对以数字形式保存的用户行为进行数据分析，洞察各个细节，对全局进行更准确的把控，实现业务的优化提升。在之前，我们也专门写文聊过聊过《旅游出行类APP，如何靠数据驱动补拙“爆款”营销缺失》。
针对自身所处行业的特点，航空旅行APP运营人员在进行用户洞察时，可以从用户转化和用户行为两个大方向着手，从如下业务场景的数据分析埋点入手：
本文根据分析目标及运用模型，将上述业务场景按下图方式进行归类：
01
用户转化分析
【漏斗分析】模型
注册流程分析
使用漏斗分析功能，设置注册转化漏斗，设置以下埋点：
1.进入注册页面
2.进入填写注册信息页面
3.完成注册
新用户购买漏斗
促进用户购买，是用户运营的重要目标之一。用户从产生购买意愿到完成购买的过程中，需要经历若干个步骤，每一个环节都存在用户退出的风险。若更好地提升用户购买率，就要不断优化购买流程体验。比如在用户支付环节，是否因调用支付工具或网络等原因导致失败率较高等。不断优化购买漏斗中的用户流失的关键环节，也将促进复购，提升用户留存率、好感度以及忠诚度。
运营人员可以借助易观方舟的【漏斗分析】模型，还原出用户在进行各个操作时的真实体验，发现不足并进行及时弥补。通过不断优化产品细节提升用户使用体验。例如发现用户在搜索行程后由于页面展示不符合习惯，没有提供按时间展示、按价格展示等多种选项而退出率较高后，可以对该页面进行相应优化。
使用漏斗分析功能，设置购买转化漏斗，需要设置以下埋点：
1.启动APP（筛选首日启动用户）
2.搜索行程
3.预览机票车票订单
4.提交购买订单
5.支付订单完成
Push活动漏斗
Push消息是与用户进行近距离沟通，提高消息展现率的有效触达方式，利用好这一触点，能够及时传达优惠活动、个性化推荐等信息，唤醒沉睡用户，引起更多用户的兴趣，高效促进用户转化。
使用易观方舟【漏斗分析】模型，能够分析从Push消息推送到订单完成的过程中，用户在各环节上的流失情况，进行针对性改进，或是对比各Push消息的用户表现，摒弃低效消息，提升优惠活动吸引力及个性化推荐准确度。
使用漏斗分析功能，设置活动转化漏斗的前提，就需设置以下埋点：
1.推送消息成功
2.点击推送消息
3.推送消息处理成功
4.预览机票车票订单
5.支付订单完成
02
用户行为分析
【事件分析】模型
通用搜索分析
用户在搜索这一主动行为中，包含了许多个人意向，是直达购买商品的重要途径，可以使用【事件分析】模型，了解用户的常用搜索词、用户搜索到结果的情况，能够更好地知晓用户的行为偏好与特征，以用户为中心展开产品的提升，如通过获取推荐搜索使用率，识别出效果较差的推荐词，进行剔除或更改。
使用事件分析建立相应指标评估，需要设置以下埋点：
1.搜索热词排行
2.推荐搜索使用率
3.搜索有结果的比率
优惠券分析
合适的优惠券发放与使用活动，能够提升产品对用户的吸引力，促进更多消费。优惠券活动的效果反馈在多个层次上，如领取数、使用率、成交额等，可借助易观方舟【事件分析】模型对优惠券活动进行更全面的了解。此外，不同类型的优惠券活动效果有所不同，应及时进行对比，识别出作为平台有效手段的优惠券，进行去劣存优的运营策略调整。
使用事件分析建立相应指标评估，需要设置以下埋点：
1.优惠券的领取次数/人数
2.优惠券使用率
3.不同类型优惠券使用率
4.不同类型优惠券带来订单总额
取消订单原因分析
订单被取消当然是我们都不愿看到的结果，但运营人员可以使用【事件分析】模型，寻找到从这一结果倒推出原因的路径。如果是用户主动取消，则可以采用发起询问、增强反馈机制等方式，进一步了解其中缘由，如果是机票/酒店取消，则要继续发掘营销机会，为用户提供良好的善后措施，以免用户因行程被取消而产生不满。
使用事件分析建立相应指标评估，需要设置以下埋点：
1.用户手动取消/超时自动取消的比例
2.机票/酒店取消订单的比例
会员等级分析
会员等级体系基于用户消费金额、活跃度等指标，很好地按照用户在APP内的行为对其进行了划分，可用【事件分析】模型对不同等级用户的订单成交情况、订单取消情况、优惠使用情况加以了解，由此运营人员可以对各个等级的会员推出各具特色的营销活动、权益礼包，优化激励机制，提高用户精细化运营的程度。
使用事件分析建立相应指标评估：
1.不同等级用户的成单数量分布
2.不同等级用户的成单金额分布
3.不同等级用户的取消订单/支付订单的比例分布
4.不同等级用户使用优惠券/支付订单的比例分布
机票舱位分析
一般而言，不同的机票舱位对应着不同的价格，会直接影响到用户的选择，各舱位对用户的吸引力也随之反映出来，可以在用户支付机票车票订单详情事件中进行埋点，对不同舱位成单数量分布情况进行分析，了解用户的消费偏好，从应用服务、价格折扣等方面进行与之相契合的调整。
使用事件分析建立相应指标评估时设置埋点：
不同舱位成单数量分布
出发时段偏好
由于行程时间限制、相近时间价格不同等因素，航空旅行APP用户对出发时段的偏好有所不同。可以使用【事件分析】模型，以小时为单位，了解各时段的出发人数分布情况，在此基础上可以对航班时间安排、不同时段的折扣力度等做出调整，还可以在用户画像中加入时间维度，向不同类型的用户进行更加精准的机票、车票推荐。
使用事件分析建立相应指标评估时设置埋点：
每小时出发人数分布
销售额成分分析
航空旅行APP的销售额由多种要素构成，可以在【事件分析】模型基础之上，分析各来源的收入比例，利于识别应用运营过程中的短板问题，进一步了解用户消费习惯，针对性地优化销售策略和产品设计。如发现用户在到达城市的成交金额占比偏低，可能是由于未在用户订购机票车票后及时推送目的地相关信息，后续运营中对这一问题做出改进。
使用事件分析建立相应指标评估：
1.机票酒店的成交金额分布
2.到达城市的成交金额分布
【间隔分析】模型
通过易观方舟的【间隔分析】模型，能够提供统计起始事件到转化目标之间的时间、步长等指标，支持运营人员自定义所要追踪的起始行为、转化目标等事件，从而对用户转化过程有更为全面深入的认识。
提交到支付间隔时间
运营人员可以使用【间隔分析】模型，在用户提交订单、支付订单事件中进行埋点，可以得到各订单从提交到支付的间隔时间，对订单进行聚类、分类后，运营人员能够清晰地比较各个类型订单的平均支付耗时，对比分析出影响用户支付完成率的原因，如发现是由于预览页提供信息不够完善，用户对订单存在疑问而取消支付转向其他APP，则可丰富订单相关的各方面内容，帮助用户扫除信息盲点。
使用间隔分析建立相应指标评估时设置埋点：
不同类型订单的平均支付耗时
航空旅行APP的用户使用场景繁多复杂，借助数据工具的支持，运营人员能够更为清晰深刻地了解各个场景，洞察用户转化流程与用户行为特征，明确优化方向，为用户提供更加优质的使用体验。更多数据用户运营及分析，欢迎体验易观方舟智能用户运营行业demo。