用户分析的价值体现在两个方面，一是在充分了解用户的前提下，有针对性的制定策略，避免盲目浪费；二是在有限的资源投入下，获得最大的ROI（投资回报比效果）。
主要包含以下几个维度：
1. 用户结构分析
自然属性：年龄，性别，地域，
社会属性：学历，家庭状况，婚姻，子女等；
商业属性：财富等级，消费档次，信用等；
心理属性：价格敏感性、偏好属性等；
行为属性：浏览频次，浏览品类、浏览价格带、下单频次、下单品类、下单价格带等；
价值属性：ADR贡献等。
总结起来，用户结构分析可以分为动态和静态两大类。静态信息就如同我们的性别、地域、家庭状况和婚姻等变化比较小，比较难得信息；动态信息如产品的行为信息，在产品上贡献的价值信息等。后面如果要收集更加精准的策略，就要收集动态用户的结构信息。
2. 用户行为分析
日常工作中，可以通过用户行为日志，将每一个用户的行为都标记出来，并且根据业务需要对行为进行标记。
比如一个线上电商app，可这样标记：A无浏览行为用户；B有浏览行为但无交易行为用户；C有浏览行为且有交易行为用户。打上标签并分类后，就可以分别针对不同用户指定不同策略，比如：针对A类用户，在其进入APP时设置新手上路教程，tips提升用户体验；针对B类用户，直接推送他想要的模块，降低用户搜索成本；针对C类用户，属于备用接受型用户，比较依赖信息推荐这种策略，可以将流推荐算法优化，通过其他push信息，触达到这类用户。
行为信息要格外重视，行为往往能体现心理，一旦抓住了用户的心理，能大大提高我们后续策略的针对性和成功概率。
3. 用户价值分析
用户价值体现在两个方面，当平台是售卖物品或售卖服务的平台，用户发生的交易数据可以体现用户价值；如果平台是以广告变现的平台，那么用户的广告价值则体现用户价值。
针对不同价值的用户进行分析，一般考虑如下方面：
购买金额：指在一段时间内累计的消费金额；
购买频次：指在一段时间内，购买的次数；
购买平均金额：指在一段时间内，平均每次消费的金额；
购买内容：指在一段时间内，购买商品或服务的属性；
复购频次：指在一段时间内，反复消费的次数；
复购间隔：指在一段时间内，每次复购行为之间的时间间隔；
复购内容：指在一段时间内，每次复购时购买的商品或服务的属性。
4. 用户分析总结
用户的交易数据经常会被忽略
行为+结果=心理
不要单纯的把用户交易数据当作结果数据使用。比如，一个用户在第一次发生交易后，每隔一段时间就会继续发生交易，那么该用户就不能被简单的定义为普通用户，而应视为忠实用户。
网友评论