數據分析模型

1.行爲事件分析

場景：

研究某行爲事件的發生對企業組織價值的影響以及影響的程度。

舉例：

在平常工做中，運營、市場、產品、數據分析師根據實際工做狀況而關注不一樣的事件指標。如最近三個月來自哪一個渠道的用戶註冊量最高？變化趨勢如何？各時段的人均充值金額是分別多少？上週來自北京發生過購買行爲的獨立用戶數，按照年齡段的分佈狀況？天天的獨立 Session 數是多少？諸如此類的指標查看的過程當中，行爲事件分析起到重要做用。

2.漏斗分析模型

場景：

 流程分析，可以科學反映用戶行爲狀態以及從起點到終點各階段用戶轉化率狀況。

舉例：

漏斗分析模型已經普遍應用於流量監控、產品目標轉化等平常數據運營工做中。例如在一款產品服務平臺中，直播用戶從激活APP開始到花費，通常的用戶購物路徑爲激活APP、註冊帳號、進入直播間、互動行爲、禮物花費五大階段，漏斗可以展示出各個階段的轉化率，經過漏斗各環節相關數據的比較,可以直觀地發現和說明問題所在，從而找到優化方向。對於業務流程相對規範、週期較長、環節較多的流程分析,可以直觀地發現和說明問題所在。

3.留存分析模型

場景：

分析用戶參與狀況/活躍程度的分析模型

舉例：

一個新客戶在將來的一段時間內是否完成了您期許用戶完成的行爲？如支付訂單等；某個社交產品改進了新註冊用戶的引導流程，期待改善用戶註冊後的參與程度，如何驗證？想判斷某項產品改動是否奏效，如新增了一個邀請好友的功能，觀察是否有人因新增功能而多使用產品幾個月？

4.分佈分析模型

場景：

用戶在特定指標下的頻次、總額等的歸類展示。

它能夠展示出單用戶對產品的依賴程度，分析客戶在不一樣地區、不一樣時段所購買的不一樣類型的產品數量、購買頻次等，幫助運營人員瞭解當前的客戶狀態，以及客戶的運轉狀況。

舉例：

如訂單金額（100 如下區間、100 元 - 200元區間、200 元以上區間等）、購買次數（5 次如下、5 - 10次、10 以上）等用戶的分佈狀況。

 

 

5.點擊分析模型

場景：

應用高亮的顏色形式，顯示頁面或頁面組區域中不一樣元素點擊密度的圖示。包括元素被點擊的次數、佔比、發生點擊的用戶列表、按鈕的當前與歷史內容等因素。

舉例：

APP或小程序

6.用戶行爲路徑分析模型

場景：

用戶在APP或者網站中的訪問行爲路徑。

舉例：

 以電商爲例，買家從登陸網站／APP到支付成功要通過首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等過程。而在用戶真實的選購過程是一個交纏反覆的過程，例如提交訂單後，用戶可能會返回首頁繼續搜索商品，也可能去取消訂單，每個路徑背後都有不一樣的動機。與其餘分析模型配合進行深刻分析後，能爲找到快速用戶動機，從而引領用戶走向最優路徑或者指望中的路徑。

 

7.用戶分羣分析模型

場景：

用戶信息標籤化。經過用戶的歷史行爲路徑、行爲特徵、偏好等屬性，將具備相同屬性的用戶劃分爲一個羣體，並進行後續分析。

舉例：

新用戶的關注點在何處？

已購用戶在什麼狀況下會再次付費？

8.屬性分析模型

場景：

根據用戶自身屬性對用戶進行分類和統計分析。

舉例：

顧名思義，根據用戶自身屬性對用戶進行分類與統計分析，好比查看用戶數量在註冊時間上的變化趨勢、查看用戶按省份的分佈狀況。用戶屬性會涉及到用戶信息，如姓名、年齡、家庭、婚姻情況、性別、最高教育程度等天然信息；也有產品相關屬性，如用戶常駐省市、用戶等級、用戶首次訪問渠道來源等。