做实际的用户研究时，可以比较容易的观察到用户是如何使用我们产品的

做实际的用户研究时，可以比较容易的观察到用户是如何使用我们产品的。但是如果想要通过数据记录所有用户的使用行为，就需要通过客户端埋点的方式，才能够详实地记录用户的。

我们可以把我们所关注的产品使用行为都埋上点进行追踪，比如浏览首页、浏览搜索结果页、浏览商品详情页等等。按照行为发生的时间把这些节点串起来，就得到了一条线性的路径，代表有这样一个用户，依次触发了相应的行为。这就是这个用户的行为序列了。

通过这种方式，可以脱离屏幕录像的限制，提取出关键的信息，也就是我们最关注的用户行为序列。之后通过观察不同用户的行为序列，就能比较轻松地了解用户是如何使用我们产品的，比如用户有没有在什么地方迷路、徘徊，喜欢用什么功能查找商品等等。

二、如何观察群体用户行为

让我们再展开一下，如果我们想看某日访问App的所有用户，不同功能之间的转化率差异，会怎样呢？比如，搜索的转化率和活动会场的转化率相比如何？

有的用户会先进入活动会场再进入搜索，有的会先进入搜索再进入活动会场。

为了简化一下这个问题，我们姑且假设100个人进入首页，80个人先搜索再会场、另20个人先会场再搜索，每种都只有10个人下单支付。

如果我们计算转化率的口径是：浏览过XX页之后支付成功的用户，那么这100个人都进入过搜索，也都进入过会场，所以搜索的转化率是(10+10)/100=20%，而会场的转化率也是(10+10)/100=20%，两者的转化效果一样。这个结论显然是有问题的。

从结果上来看，最终通过搜索下单支付的20个人里有10个，而通过会场下单支付的80个人里才有10个，这样看，搜索的转化效果要好一些。另外，先搜索再会场的转化率只有12.5%，而先会场再搜索的转化率有50%，那么会不会这种过程更符合用户认知？

当然，这里都是为了简化问题而设计的数据，不具备真实性，深入挖掘下去也没有意义，这套认知方法才是重点。

在去分析用户行为的时候，人为定义相互独立的转化路径，并通过末次触点归因的方式分析不同路径下的转化效果。根据业务场景的不同，也有可能需要采用其他的归因方式。将各个节点可视化之后，就得到了类似这样的树状节点：