网页用户行为分析专家

9 浏览
1 试用
0 购买
Nov 21, 2025更新

本提示词专为网站数据分析场景设计,能够基于提供的网页数据和用户行为信息,生成专业、准确的技术分析报告。通过系统化的分析框架,深入解读用户在特定页面的访问模式、交互行为和转化路径,为网站优化提供数据支撑。该提示词采用分步分析方法,确保分析结果的逻辑性和完整性,适用于电商平台、内容网站、企业官网等多种网页分析场景,帮助用户快速获取有价值的用户行为洞察。

  • 页面行为概览

    • 数据范围与样本量:3个会话(2025-11-19 至 2025-11-21),页面 /product/eco-bottle(含一次订单完成)。样本量小,结论需以趋势假设视角谨慎使用。
    • 设备与来源
      • 设备:移动端 2/3(66.7%),桌面端 1/3(33.3%)
      • 来源:付费广告 1/3,搜索 1/3,自然 1/3
    • 关键转化漏斗(会话级)
      • 产品页浏览:3
      • 加入购物车:2(66.7%)
      • 立即购买点击:1(33.3%)
      • 订单完成:1(33.3%)
      • 购物车流失:1(占已加购的50%),流失原因记录为“shipping_fee_seen”
    • 参与度(页面交互)
      • 首次滚动深度:平均 35%,中位数 35%(10%、35%、60%)
      • 首次滚动时长(至记录点):平均 14.7s(8s、12s、24s)
      • 移动端跳出:1/2(50%,来自自然流量)
    • 订单与交易
      • 订单完成用时(page_view → checkout_complete):约 100s(s1)
      • 订单金额(AOV,样本=1):129 CNY
      • 加购件数(会话级):平均 1.5 件(2、1)
  • 用户路径分析

    • s1(移动端|付费广告|成交)
      • page_view → 滚动至35%(12s) → 点击图集缩略图#2 → 选择颜色:SeaGreen → 加入购物车(qty=2) → 展开查看运费信息 → 点击“立即购买” → 订单完成(129 CNY)
      • 行为要点:快速完成初步浏览与图集、规格选择(30s内完成加购);在查看运费信息后继续购买,未出现运费流失。
    • s2(桌面端|搜索|购物车流失)
      • page_view → 滚动至60%(24s) → 查看“评价”并筛选4+星 → 加入购物车(qty=1) → 在购物车页看到运费后退出(reason=shipping_fee_seen)
      • 行为要点:深度信息查阅(评价)提升了加购,但在看到运费时流失,运费透明度或门槛为主要阻力。
    • s3(移动端|自然|跳出)
      • page_view → 滚动至10%(8s) → 20s内跳出
      • 行为要点:首屏未能促成进一步互动(无图集、规格、评价等点击),移动端首屏承载的价值与信任信息可能不足。
  • 行为特征总结

    • 运费透明度影响强:已加购用户中,50%在“看到运费”后退出(1/2);而唯一成交用户在购买前主动展开查看运费信息并完成下单,显示“提前告知/可预期的运费信息”与转化正相关(样本小,但信号明确)。
    • 移动端两极:一个成交(s1),一个快速跳出(s3)。首屏吸引与关键元素(价格/优势点/运费提示/CTA)在移动端的可见性可能是分水岭。
    • 信息查阅助推加购:桌面用户通过“评价筛选”后完成加购,说明评价内容对“加购”阶段有积极作用,但无法抵消运费带来的流失。
    • 深度滚动非必要:成交会话的滚动深度为35%,说明首屏+少量滚动即可促成加购与转化;更深滚动(60%)主要发生在理性评估(看评价)场景。
    • 路径效率:成交路径从进入到下单约100秒,含加购→查看运费→立即购买的连续微转化,显示出“规格选择与运费确认后立即购买”的顺畅路径特征。
  • 优化建议

    • 运费与到货时效透明化(优先级:高)
      • 在产品页价格区块附近展示“运费策略”(如包邮门槛、起步运费区间)与预计到货日期,不要求用户先到购物车/结算页才看到。
      • 提供“预估运费”入口(根据地区IP或用户选择地址),并在移动端首屏可见。
      • 在购物车加入“凑单达包邮”引导与实时差额提示,降低“看到运费后退出”的概率。
      • A/B测试:产品页显示“预估运费+到货时效”对比现状;目标指标:购物车到结算转化率、购物车页退出率、总体CVR。
    • 移动端首屏信息密度与可见性(优先级:高)
      • 将关键信息(价格、核心卖点、评价星级摘要、运费策略提示、主CTA)放入首屏或采用“吸顶CTA”。
      • 在首屏显示已选规格/可选颜色(预选热销色),降低首次滚动与规格选择成本。
      • A/B测试:移动端“吸顶立即购买/加购” vs. 现状;目标:移动端跳出率、加购率、CVR。
    • 评价内容的前置与提炼(优先级:中)
      • 在标题区或CTA附近展示“评分与好评要点摘要”(如“4.7分|好评集中在保温/无异味”),减少深滚动查阅的必要。
      • 保留评价筛选(4+星)控件的易达性(桌面与移动端),提升犹豫用户的加购信心。
      • 目标:加购率、从产品页到购物车的过渡率。
    • 结算路径与“立即购买”强化(优先级:中)
      • 保持“立即购买”在移动端的高可见性(s1路径有效);确保从产品页直达结算的链路加载顺畅、必填项最少。
      • 提示“可在结算页最终确认运费与到货日期”,与产品页的预估信息形成闭环。
    • 媒体与规格互动的可见性优化(优先级:中)
      • 成交会话包含图集与颜色选择互动:在首屏确保次要缩略图可见、颜色选项清晰(文字+色块+选中状态),降低探索成本。
      • 可测试将“第二张场景图”前移至主图轮播首两位(s1点开第2张缩略图),验证是否提升加购率。
    • 监测与数据采集完善(优先级:中)
      • 度量补齐:完整页面停留时长(visibility+unload)、到达购物车后“运费曝光点”的精确时间与费用区间、预估运费组件的曝光与点击。
      • 事件细化:记录“运费政策文案曝光/点击”“评价摘要曝光”“吸顶CTA曝光/点击”“首屏内元素可见性(价格/评分/运费提示)”。
      • 细分报表:设备×来源×首屏可见性×运费策略曝光 → 对加购、结算、流失做多维归因。
  • 数据支撑

    • 运费影响
      • s2:add_to_cart 后在 /cart 因 reason=shipping_fee_seen 退出 → 加购后50%(1/2)在看到运费时流失
      • s1:在下单前 view shipping_info expand=true,随后 buy_now 并完成下单(订单完成用时约100s)
    • 漏斗数据(会话级)
      • 产品页浏览:3;加购:2(66.7%);立即购买点击:1(33.3%);订单完成:1(33.3%)
    • 设备与来源差异
      • 移动端:2会话,1成交、1跳出(50%跳出);桌面端:1会话,加购后因运费退出
      • 来源:付费广告(1/1 成交)、搜索(1/1 购物车见运费退出)、自然(1/1 跳出)
    • 参与度与路径时长
      • 滚动深度:10%、35%、60%(均值/中位35%)
      • 首次滚动记录时长:8s、12s、24s(均值14.7s)
      • 关键时长:s1 从 page_view 到 checkout_complete ≈ 100s;s2 从 page_view 到 add_to_cart ≈ 53s;s3 跳出 ≈ 20s
    • 内容交互
      • 图集缩略图点击:1/3(s1)
      • 规格选择(颜色):1/3(s1)
      • 评价筛选:1/3(s2)
      • 运费信息展开:1/3(s1,且转化)

说明:以上结论均基于提供的事件日志,因样本量有限,建议以A/B测试与扩大样本进行验证,重点围绕“产品页运费与到达时效透明化”“移动端首屏关键要素可见性”两大方向提升转化。

页面行为概览

  • 页面:/article/2025/sleep-quality-long-read(长文内容页)
  • 总会话数:3(mobile/social 1;desktop/search 1;tablet/direct 1)
  • 跳出率:33.3%(1/3,会话 a2)
  • 平均可观测停留时长(基于首末事件时间差,a3为最小值):约92.7秒
    • a1:148秒(含退出)
    • a2:38秒(跳出)
    • a3:≥92秒(无退出事件,取最小值)
  • 平均最大滚动深度:约66.7%(a1=85%,a2=20%,a3=95%)
  • 深阅读(最大滚动≥85%)占比:66.7%(2/3)
  • 关键互动与微转化
    • 视频播放:1/3(a1,观看45秒,位置mid)
    • 复制内容:1/3(a1,复制文本长度110)
    • 社交分享:1/3(a1,渠道=微信)
    • 评论提交:1/3(a3,长度45)
    • 订阅确认:1/3(a3,方案=daily)

用户路径分析

  • 会话 a1(mobile,来源:social)

    1. page_view → 2) scroll 40%(30s) → 3) video_play mid(45s)
    2. scroll 85%(120s) → 5) copy(text_length=110) → 6) share(wechat) → 7) exit
    • 最大滚动:85%
    • 总停留:148s
    • 多重互动:视频播放、复制、分享后退出
  • 会话 a2(desktop,来源:search)

    1. page_view → 2) scroll 20%(15s) → 3) bounce
    • 最大滚动:20%
    • 总停留:38s
    • 快速流失,搜索来访对首屏内容不够“抓手”
  • 会话 a3(tablet,来源:direct)

    1. page_view → 2) scroll 95%(180s) → 3) subscribe_click(daily) → 4) subscribe_confirm → 5) comment_submit(45)
    • 最大滚动:95%
    • 可观测停留:≥92s(至评论提交;无退出事件)
    • 路径显示“深阅读→订阅→互动评论”的强内容驱动

行为特征总结

  • 深阅读驱动转化与互动:在达到≥85%滚动的两个会话(a1、a3)中,出现了订阅确认、评论、分享、复制等高价值行为;而浅阅读(a2)快速跳出。
  • 来源与设备差异明显:
    • 社交流量(mobile)更倾向中段视频互动与分享(a1)。
    • 搜索流量(desktop)在首屏20%即跳出(a2),提示搜索意图与页面首屏信息不匹配或信息密度不足。
    • 直访(tablet)用户表现出强粘性与高转化(a3)。
  • 视频在中段的插入有效:唯一的视频播放发生在“mid”位置,且伴随后续更深滚动与分享,说明中段多媒体对继续阅读与传播有正向作用(样本有限)。
  • 微转化信号强:复制、分享、评论、订阅均出现,说明内容对认知与行动的激励有效。
  • 数据质量提示:a3在07:50:55记录的time_on_page=180s与时间戳不一致(距离page_view仅45s),疑似埋点口径不同或记录误差。本分析以“首末事件时间差”作为停留时长的保守估计。

优化建议

  • 面向搜索来访的首屏优化(针对a2的快速跳出)
    • 在首屏/20%内加入TL;DR或要点提炼(3-5条关键信息),提高意图匹配度。
    • 优化标题与摘要(meta title/description),突出文章核心问题与结论,以提高点击后满足度。
    • 增加锚点目录与小标题分段,让用户能快速定位关心段落。
  • 强化深阅读到转化的路径(借鉴a3)
    • 保留/优化订阅CTA在文章后段(≥70%)的呈现;A/B测试“粘性CTA”(滚动到60-70%触发)与“底部CTA”的转化差异。
    • 在接近完读处加入“评论引导语”或提问,延续完成阅读后的参与度。
  • 社交流量的传播扩散(借鉴a1)
    • 维持中段视频与关键图文的组合,保障社交用户的内容亮点与可分享性。
    • 提升微信等主流分享入口的可见性(例如在中段亮点评后展示分享组件),并提供“一键复制金句”。
  • 体验与性能
    • 确认移动端视频加载与播放性能,避免首屏延迟影响早期滚动节奏。
    • 校准time_on_page埋点口径,统一为“从page_view到最后互动/退出”的会话级时长,减少分析偏差。

数据支撑

  • 深阅读与转化/互动:
    • a3:scroll 95% → subscribe_click → subscribe_confirm → comment_submit
    • a1:scroll 85% → copy(text_length=110)→ share(wechat)
  • 流失与首屏不足:
    • a2:scroll 20%,time_on_page=15s后bounce;总停留38s
  • 社交流量行为:
    • a1(source=social):video_play(mid,45s)、复制、分享,最大滚动85%,总停留148s
  • 视频位置有效性(样本内):
    • a1在“mid”位置触发视频播放,后续滚动加深至85%并完成分享
  • 指标与分布:
    • 会话数=3;跳出率=33.3%;深阅读占比=66.7%;平均最大滚动≈66.7%
    • 互动事件:视频播放=1/3;复制=1/3;分享=1/3;评论=1/3;订阅确认=1/3
  • 数据质量说明:
    • a3的time_on_page=180s与事件时间差不一致,分析改用时间戳计算的保守停留时长(≥92s)进行评估

说明:样本量较小,结论用于方向性判断;建议在更大样本与更长周期内验证上述优化项的效果。

页面行为概览

  • 数据范围:3个会话(desktop=2,mobile=1);来源分布:direct=1、paid_ad=1、organic=1
  • 页面参与度(基于scroll事件的时间与深度):
    • 平均停留(近似):56s(20s、140s、9s)
    • 平均滚动深度:36.7%(25%、75%、10%);中位数:25%
    • 设备差异:desktop滚动更深(25%/75%)且停留更久(20s/140s);mobile滚动浅(10%)且停留短(9s)
  • 关键互动事件:
    • CTA(hero_cta)点击:1次(desktop/direct)
    • 表单:start=1、submit成功=1(完成用时≈67s)
    • 信息探索:pricing_tab=1、FAQ展开=1(DataSecurity)、PDF下载=1、打开在线聊天=1
    • 跳出:1次(mobile/organic)
  • 数据质量提示:
    • 提供的页面URL含utm=campaignA,但会话c1标注source=direct;存在来源归因与UTM不一致
    • time_on_page仅在scroll事件附带;c2无exit事件,无法确定完整会话时长

用户路径分析

  • 会话c1(desktop/direct)
    • page_view → scroll(25%, 20s) → click(hero_cta, BookDemo) → form_start(contact_demo) → form_submit(success) → exit
    • 节点时序:页面到CTA点击≈33s;表单填写≈67s;总体至exit≈138s(参考事件时间差)
  • 会话c2(desktop/paid_ad)
    • page_view → click(pricing_tab=Pro) → expand(FAQ=DataSecurity) → download(product_brief.pdf) → scroll(75%, 140s) → chat_open(livechat)
    • 明显的信息收集路径:定价→安全→资料下载→深度浏览→寻求实时沟通
  • 会话c3(mobile/organic)
    • page_view → scroll(10%, 9s) → bounce
    • 典型快速跳出,停留与滚动均偏低

行为特征总结

  • Desktop用户更深入浏览且更可能转化:1个desktop会话完成从CTA到表单提交;另一个desktop会话进行多项深度信息探索(定价/安全/下载/聊天)。
  • Paid流量呈现“信息评估”特征:优先查看定价与数据安全,随后下载资料与打开聊天,说明该受众在决策前需要可信信息与实时答疑。
  • Mobile用户在首屏快速流失:10%滚动与9s停留显示移动端首屏未能有效传达价值或引导下一步。
  • 安全与定价是关键关注点:FAQ的DataSecurity被展开、定价Tab被点击,表明这些模块对转化前的信任与定位至关重要。
  • 表单可用性初步可接受:单次成功提交,用时≈67s;在样本有限条件下未见明显阻塞,但移动端可能更敏感。

优化建议

  • 移动端首屏与引导优化
    • 将核心价值主张与主要CTA(Book Demo)在移动端首屏明确可见,减少冗长文案与非关键元素。
    • 添加“次级快速动作”入口(如查看定价、下载产品简介、展开安全概览)作为首屏可点击卡片,降低滚动依赖。
    • 使用粘性底部CTA与快捷聊天入口,满足快速决策与即时答疑需求。
  • 针对信息评估型用户的内容编排
    • 将定价、数据安全与资料下载的入口上移或在页面早段提供跳转锚点,提高可达性。
    • 在hero或CTA附近展示简化的安全信任标识(合规认证、加密声明),减少来回浏览。
    • 在定价Tab中加入与安全/合规的简要联动说明,强化一致性。
  • 表单与转化路径
    • 保持“Book Demo”路径清晰,同时在信息探索组件附近增设次级CTA(如“与顾问聊天”或“获取报价”)承接c2这类用户。
    • 评估移动端表单字段与交互,若移动端跳出集中于首屏,可测试“快速预约”短表单(先采集姓名/邮箱/公司,后续补充)。
  • 追踪与归因完善(支持体验优化的度量)
    • 统一记录UTM参数并校验source,修复utm与source不一致问题,确保渠道差异分析可靠。
    • 为所有会话记录exit事件与页面停留时长(含无scroll场景),提升时长与流失点识别准确度。
    • 对关键模块(定价、FAQ安全、下载、聊天)增加点击/可见性埋点,评估其在移动与桌面的曝光与转化承载能力。

数据支撑

  • 移动端快速跳出:c3 scroll深度=10%、time_on_page=9s、随后bounce(ts=15:40:25)
  • Desktop深度参与:
    • c2:pricing_tab点击(11:02:20)、FAQ(DataSecurity)展开(11:02:35)、下载PDF(11:03:02)、scroll 75%且140s、chat_open(11:03:40)
    • c1:hero_cta点击(09:10:45)→ form_start(09:11:05)→ form_submit成功(09:12:12)
  • CTA与表单有效:c1完成从CTA到成功提交;CTA点击率(样本)=1/3会话≈33%,desktop内≈50%(1/2)
  • 时间与深度分布:scroll事件携带time_on_page=20s/140s/9s;深度=25%/75%/10%(desktop更深、更久)
  • 关注主题:c2对定价与数据安全的交互(pricing_tab=Pro、FAQ=DataSecurity)与资料下载表明信息评估偏好
  • 归因异常:用户输入URL含utm=campaignA,而c1标注source=direct,提示追踪需要校验与修复

示例详情

解决的问题

为运营、产品、增长与内容团队提供一键式网页用户行为“读心术”:快速看清页面访问模式、关键流失点与转化路径,自动生成可直接落地的优化方案与依据;把零散数据转成清晰结论,助你提升留存、降低跳出、拉升核心转化。支持电商、内容站点与企业官网等多场景,覆盖多终端。输入页面链接、行为数据与业务目标,即可获得标准化分析报告(行为概览、路径洞察、异常识别、改进建议与证据),降低对资深分析师的依赖,让每次复盘、A/B 测试与版本迭代都有据可依。

适用用户

电商运营经理

用它还原商品详情页浏览与加购路径,定位流失节点,快速输出改版清单与投放落地页优化建议,支撑活动前后复盘与AB结果解读。

内容运营与主编

分析文章阅读深度与推荐位点击热度,识别断点段落与干扰模块,生成版面调整与选题优化方案,提升完读率与收藏关注。

增长产品经理

按业务目标深挖转化路径,评估各入口引导效果,产出需求优先级和里程碑,配合埋点补全建议,驱动漏斗持续提效。

特征总结

自动梳理页面流量全貌,轻松生成可读洞察报告,快速锁定高价值入口与薄弱环节。
一键还原访客路径,可视化呈现点击与停留重点,帮助优化导航布局与内容顺序。
自动识别转化瓶颈,一键定位流失节点与原因,提供针对性改版建议与优先级。
结合目标人群与业务诉求,自动对比不同入口与内容模块的引导效果,指导投放与排版。
面向电商、内容与企业官网场景,轻松生成页面行为摘要,快速服务运营复盘与周报撰写。
支持分步深度解析,先清洗数据再出结论,确保报告逻辑清晰、证据充足、结论可落地。
可按业务目标自定义分析深度,一键切换概览与深挖模式,兼顾效率与细节追踪。
自动生成可执行优化清单,含改版方向、优先级与预期影响,助力快速验证与迭代。
结合点击热区与滚动深度,自动发现内容断层与干扰元素,提升阅读完成率与转化。
跨页面对比同类模块表现,一键识别最佳实践,快速复制到更多页面,形成可复用范式。

如何使用购买的提示词模板

1. 直接在外部 Chat 应用中使用

将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。

2. 发布为 API 接口调用

把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。

3. 在 MCP Client 中配置使用

在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。

AI 提示词价格
¥20.00元
先用后买,用好了再付款,超安全!

您购买后可以获得什么

获得完整提示词模板
- 共 566 tokens
- 4 个可调节参数
{ 网页地址 } { 用户行为数据 } { 分析深度 } { 业务目标 }
获得社区贡献内容的使用权
- 精选社区优质案例,助您快速上手提示词
限时免费

不要错过!

免费获取高级提示词-优惠即将到期

17
:
23
小时
:
59
分钟
:
59