在大数据被充分利用之前，如果想要了解用户真实使用应用的方式和路径，那么只能通过抽样的方式试验。我还记得刚做产品经理的时候，为了看用户的使用场景和操作习惯，都会随机选择一些志愿者，把他们邀请到公司的会议室，然后当面观察他们的使用情况，这样效率非常低，而且时间成本和人力成本都很高，存在很大的问题，很可能某一环节出现问题，那么整个试验结论就会受到一定影响。
进入大数据时代后，一切都可以通过数据采集和分析的方式进行还原，不仅可以轻松看到每一位用户的行为轨迹，还可以将用户分群，观察不同群体的用户行为模式，找到典型的用户使用习惯。
在大多数情况下，对网站或者应用的数据统计分析针对的都是一些宏观数据情况（如一些指标的汇总等）。例如，查看每天App的活跃用户数、统计文章的用户平均停留时长、用户平均点击文章数等，以此判断产品的业务发展情况和用户使用情况。有时候还会看某个用户使用的行为数据，例如有多少人点击了参与活动按钮，进入活动后又有多少人完成了下单购买，然而，这些都基于群体用户的表现数据，如何让数据以某个用户为单位，呈现出这个用户在网站或者App中的真实交互行为，发现是什么样的用户，都在应用中完成了哪些操作，从而帮助产品运营人员找到出现问题的症结所在，为产品优化提供更多的数据支撑。
例如，某互联网电商平台的购买转化率一直在40%左右波动，想要提高转化率，减少用户流失，却不知道应该怎样优化。
在这里，就可以结合用户分群和用户细查功能，首先使用“用户分群”功能，将点击了“购买”按钮但最终未能成功提交订单的用户筛选出来，然后通过用户细查功能观察用户在购买流程中的交互行为，最终发现了一批典型用户，他们拥有类似的行为模式：由于该电商平台产品设计的问题，用户在订单页无法删掉某一项保险，所以这些用户在下单后，会不断修改订单信息，试图去掉默认的保险，然而在多次尝试无效后，最终失去耐心无奈地放弃了支付购买，最终影响了转化率。
在这个例子中，通过细查功能，产品运营人员能直接观察到用户的行为轨迹，从而发现产品设计中被忽略的部分，找到关键症结，对症下药，进行产品优化。
通过用户分群和用户细查，在日常中经常需要把满足某个或者某些条件的用户区分出来，然后查看这批用户的一些关键指标和一些行为事件等，例如，想了解iOS平台上，最近5天内连续沉默的用户，使用人员选择这些条件组合后，就可以获取一批userid的列表，然后可以查看这批用户中每个userid的用户属性、用户行为轨迹、用户活跃度趋势、用户阅读文章列表等信息，由于不方便透露一些用户信息，用户细查页面就以原型图的形式给予示例，如下图所示。
用户细查原型页面
用户细查功能会以用户在系统中的userid为索引，查询到该用户在最近一段时间内的活跃情况。表示用户的活跃情况可以分两部分展现，第一部分展现用户日粒度的日历热力图，当选择某一天的时候，在下面显示这一天的分钟级粒度的用户活跃曲线，用来全面了解用户对应用的访问次数和访问习惯。
然后，展示该用户的基本信息，包括用户所在地区、使用的设备类型、设备版本等信息，然后显示用户的一些核心指标，比如订阅频道数、本月阅读文章数、最近一个月访问次数以及最后登录时间等。
在用户活跃度和用户基本信息下方，显示用户访问的轨迹，即该用户在什么时间打开了App，输入了什么内容，点击了哪个频道，浏览了哪一篇文章等，并且可以显示该事件的一些详细信息，例如用户都浏览了具体的哪些文章等，清晰地还原了用户在产品内每一次点击、浏览行为，让产品运营人员结合用户设备、属性数据深入分析，优化产品的功能。
用户细查功能可以很好的让我们去了解用户详细信息，优化产品功能，排查用户使用问题等，可以说，用户细查功能是产品经理优化产品的一个很好的助手。作为一名数据人，你需要做的是把这么好的工具尽快的让更多的人用起来。
