在計算思維中基于社交媒體的行為分析稱為用戶行為分析。
用戶行為是用戶在產品上產生的行為，實際表現為相關的用戶數據。產品經理運用不同分析方法對不同數據進行分析，進而為產品迭代和發展提供方向。
擴展資料：
進行用戶行為分析的方法：
1、行為事件分析
行為事件分析方法主要用于 深度研究某行為事件，以及對產品的影響以及影響程度。
2、留存分析
留存是衡量用戶是否再次使用產品的指標，也是每一個app賴以生存的指標，能夠反映任何一款產品健康度，是產品、運營、推薦效果的整體表現。如果一個app從來沒有留存用戶，那DAU將永遠是新增用戶，那么產品將無法運行下去，更別說新用戶成本付諸東流。
3、漏斗分析
漏斗分析實質是轉化分析，是通過衡量每一個轉化步驟的轉化率，通過轉化率的異常數據找出有問題的環節并解決，進而實現優化整個流程的完成率。
4、 路徑分析
路徑分析可以將紛雜的app日志按照用戶的使用過程，呈現出“明確的”用戶現存路徑。發現路徑問題，進而優化，使用戶盡可能短路徑體驗到產品核心價值。
5、用戶分群分析
通過了解用戶畫像，可以幫助運營理解用戶。根據用戶畫像（基本屬性、用戶偏好、生活習慣、用戶行為等）的標簽信息將用戶分群。
如下：
1. 大數據應用案例之：醫療行業
1）Seton Healthcare是采用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。
在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鐘有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題并且有針對性地采取措施，避免早產嬰兒夭折。
2）大數據配合喬布斯癌癥治療
喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數據文檔。醫生按照所有基因按需下藥，最終這種方式幫助喬布斯延長了好幾年的生命。
2. 大數據應用案例之：能源行業
1）智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多余電的時候還可以買回來。
通過電網收集每隔五分鐘或十分鐘收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測后，就可以向發電或者供電企業購買一定數量的電。
因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測后，可以降低采購成本。
2）丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，系統依靠的是BigInsights軟件和IBM超級計算機，分析出應該在哪里設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，準確的定位能幫助工廠實現能源產出的最大化。
為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的傳感器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。
3. 大數據應用案例之：通信行業—通過大數據分析挽回核心客戶
法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬帶固網供應商，希望有效的途徑來準確預測并解決客戶流失問題。
他們決定進行客戶細分，方法是構建一張“社交圖譜”- 分析客戶數百萬個電話的數據記錄，特別關注 “誰給誰打了電話”以及“打電話的頻率”兩個方面。“社交圖譜”把公司用戶分成幾大類，如：“聯網型”、“橋梁型”、“領導型”以及“跟隨型”。
這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能“棄用”公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法，公司客戶流失預測模型的準確率提升了47%。
4、大數據應用案例之：零售業—大數據幫零售企業制定促銷策略
北美零售商百思買在北美的銷售活動非常活躍，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由于產品種類繁多，成本變化比較頻繁，一年之中，變化可達四次之多。
結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高定價的準確度和響應速度。
定價團隊的分析圍繞著三個關鍵維度：
1）數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。
2）多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由于消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對于公司的促銷活動是否滿意，并微調促銷策略。
3）速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專柜的他/她即時發送優惠券，為客戶帶來便利性和驚喜。
透過這一系列的活動，團隊提高了定價的準確度和響應速度，為零售商新增銷售額和利潤數千萬美元。
5、大數據應用案例之：網絡營銷行業（SEM）
很多企業在做SEM的過程中，都有這樣的感觸：每年都會花費大量的預算在SEM推廣中，但是因為關鍵詞投入產出無法可視化，常常花了很多錢卻不見具體的回報。
在競爭如此激烈的SEM市場中，企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣，例如BDP，來幫企業節省不必要的支出，提升整體的經營績效。
企業可借助數據平臺提供的網絡營銷整合解決方案，打通各個搜索引擎營銷（SEM）、在線客服系統和CRM系統，營銷競價人員無需掌握復雜的編程技術，簡單拖拽即可生成報表，觀察每一個關鍵詞的投入和產出，分析每一個頁面的轉化，有效降低投放成本。
通過BDP實況分析數據，可以快速洞悉對手關鍵詞的投放時段、地域及排名，并對其進行可視化的分析，實時監控自己和競爭對手的投放情況，了解對手的投放策略，支持自定義設置數據更新的時間點、監控頻次和時段，及時調整策略。知已知彼，才能百戰不殆。
6、大數據應用案例之：電商行業
意料之外：胸部最大的是新疆妹子。曾經淘寶平臺顯示，中國女性購買最多的文胸尺碼為B罩杯。B罩杯占比達41.45%，其中又以75B的銷量最好，其次是A罩杯，購買占比達25.26%，C罩杯只有8.96%。
雖然淘寶數據平臺不能代表一切，但是結合現實來看，這個也具有普遍的代表性，只能感慨中國女性普遍size。在文胸顏色中，黑色最為暢銷，黑色絕對是百搭，每個女性必備。
從省市排名，胸部最大的是新疆妹子。這些數據都對于文胸店鋪而言是很好的參考，為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。
7、大數據應用案例之：娛樂行業
微軟大數據成功預測奧斯卡21項大獎。2013年，微軟紐約研究院的經濟學家大衛•羅斯柴爾德（David Rothschild）利用大數據成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。
今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續向人們展示現代科技的神奇魔力。
總的來說，大數據的終極目標并不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家。
案例如下：
1、交通大數據暢通出行
交通作為人類行為的重要組成和重要條件之一，對于大數據的感知也是最急迫的。近年來，我國的智能交通已實現了快速發展，許多技術手段都達到了國際領先水平。交通的大數據應用主要在兩個方面，一方面可以利用大數據傳感器數據來了解車輛通行密度，合理進行道路規劃包括單行線路規劃。另一方面可以利用大活數據來實現即時信號燈調度，提高已有線路運行能力。
2、教育大數據因材施教
在課堂上，數據不僅可以幫助改善教育教學，在重大教育決策制定和教育改革方面，大數據更有用武之地。利用數據來診斷處在輟學危險期的學生、探索教育開支與學生學習成績提升的關系、探索學生缺課與成績的關系。
3、環保大數據對抗PM2.5
在美國NOAA（國家海洋暨大氣總署）其實早就在使用大數據業務。每天通過衛星、船只、飛機、浮標、傳感器等收集超過35億份觀察數據。收集完畢后，NOAA會匯總大氣數據，海洋數據，以及地質數據，進行直接測定，繪制出復雜的高保真預測模型，將其提供給NWS（國家氣象局）做出氣象預報的參考數據。
大數據特點
1、大容量
例如，IDC最近的報告預測到2020年，世界數據量將擴大50倍.目前，大數據的規模仍然是不斷變化的指標，單一數據集的規模范圍從數十TB到數PB不同.簡單來說，存儲1PB數據需要2萬臺配備50GB硬盤的PC.此外，各種意想不到的來源可以產生數據。
2、多樣性
數據多樣性的增加主要是由于網絡日志、社交媒體、網絡檢索、手機通話記錄、傳感器網絡等數據類型。
3、高速
高速描述的是數據創建和移動的速度.在高速網絡時代，通過實現軟件性能優化的高速計算機處理器和服務器，創建實時數據流已成為流行趨勢.企業不僅要知道如何快速創建數據，還要知道如何快速處理、分析和返回用戶，以滿足他們的實時需求。
假設有一家新媒體產品公司，他們開發了一款社交媒體應用。以下是該公司的新媒體產品運營流程的案例分析：
1. 目標設定：公司首先需要確定他們的目標是什么，例如增加用戶數、提高用戶活躍度等。對于社交媒體應用來說，增加用戶數通常是一個重要的目標。
2. 用戶調研：公司需要對目標用戶進行深入調研，了解他們的需求、喜好和使用習慣。通過調研數據，公司可以更好地了解用戶的行為和偏好，進而制定更有效的運營策略。
&nbs