原文參考地址：http://www.woshipm.com/it/4098934.html
1券册、用戶模型
????????用戶的每一步成長(zhǎng)都通過行為記錄下來患雇，基于用戶所在生命周期的不同階段，針對(duì)新用戶汉矿、流失用戶艾凯、活躍用戶、沉默用戶分別采取有針對(duì)性的拉新煮寡、轉(zhuǎn)化、留存等運(yùn)營策略犀呼。
2幸撕、事件模型
????事件是什么：將一段代碼放入對(duì)應(yīng)的頁面/按鈕，用戶進(jìn)入頁面/點(diǎn)擊按鈕的本質(zhì)是在加載背后的代碼外臂，同時(shí)再加載事件采集代碼坐儿，這樣就被SDK所記錄下來了
? ? 事件如何采集：① 事件：用戶在產(chǎn)品上的行為 ② 屬性：描述事件的維度 ③ 值：屬性的內(nèi)容 ④ 采集時(shí)機(jī)：用戶點(diǎn)擊（click）、網(wǎng)頁加載完成宋光、服務(wù)器判斷返回等
? ? 事件的分析：① 人數(shù)：某一事件（行為）有多少人觸發(fā)了 ② 次數(shù)：某一事件（行為）觸發(fā)了多少次 ③ 人均次數(shù)：某一事件（行為）平均觸發(fā)多少次 ④活躍比：在一個(gè)時(shí)間區(qū)間內(nèi)貌矿，觸發(fā)某一事件的人數(shù)占當(dāng)前時(shí)間段內(nèi)所有活躍人數(shù)的比。
? ? 事件的管理：
3罪佳、漏斗模型
-
4逛漫、熱圖分析模型
????????反映用戶在網(wǎng)頁上的關(guān)注點(diǎn)在哪里，尤其對(duì)于官網(wǎng)首頁來說赘艳，信息密度極高酌毡，用戶究竟是如何點(diǎn)擊，如何瀏覽的效果圖蕾管。
5枷踏、自定義留存分析模型
? ? 留存定義和公式
1）定義：滿足某個(gè)條件的用戶，在某個(gè)時(shí)間點(diǎn)有沒有進(jìn)行回訪行為
2）公式：若滿足某個(gè)條件的用戶數(shù)為n掰曾，在某個(gè)時(shí)間點(diǎn)進(jìn)行回訪行為的用戶數(shù)為m旭蠕，那么該時(shí)間點(diǎn)的留存率就是m/n
? ? 三種留存方式
1）N-day留存：即第幾日留存，只計(jì)算第N天完成回訪行為的用戶
2）Unbounded留存（N天內(nèi)留存）：留存會(huì)累計(jì)計(jì)算N天內(nèi)所有完成過回訪行為的用戶旷坦。
3）Bracket留存 （自定義觀察期留存）：N-day留存和Unbounded留存都是按照獨(dú)立的天/周/月為觀察單位計(jì)算掏熬，但有時(shí)候我們不希望受限于這種固定時(shí)間度量，我們希望劃分為幾個(gè)觀察期：第一個(gè)觀察期：次日塞蹭；第二個(gè)觀察期：第3日-第7日孽江；第三個(gè)觀察期：第8日-第14日；第四個(gè)觀察期：第15日到第30日
自定義留存：基于業(yè)務(wù)場(chǎng)景下的留存情況番电，比如閱讀類產(chǎn)品會(huì)把看過至少一篇文章的用戶定義為真正的留存用戶岗屏，電商類產(chǎn)品會(huì)把至少查看過一次商品詳情定義為有效留存
6辆琅、粘性分析
7、全路徑行為分析
????對(duì)用戶在APP或網(wǎng)站的每個(gè)模塊的流轉(zhuǎn)情況这刷，挖掘用戶的訪問模式婉烟，從而優(yōu)化產(chǎn)品或網(wǎng)站（流量管理及問題發(fā)掘）
8、用戶分群模型
最常見的是RFM模型暇屋，即從用戶的業(yè)務(wù)數(shù)據(jù)中提取了三個(gè)特征維度似袁，其中，RFM模型可以refer to this link咐刨，解釋的很能懂~ https://baike.baidu.com/item/RFM%E6%A8%A1%E5%9E%8B/7070365
1）最近一次消費(fèi)時(shí)間（Recency）
2）消費(fèi)頻率 (Frequency)
3）消費(fèi)金額 (Monetary)
通過這三個(gè)維度將用戶有效地細(xì)分為8個(gè)具有不同用戶價(jià)值及應(yīng)對(duì)策略的群體昙衅，如下圖所示：
2. 另外四個(gè)用戶分群的維度
1）用戶屬性：用戶客觀的屬性，描述用戶真實(shí)人口屬性的標(biāo)簽定鸟，比如：年齡损俭、性別怀喉、城市熏迹、瀏覽器版本率翅、系統(tǒng)版本、操作版本沸久、渠道來源等就是用戶屬性
2）活躍時(shí)間
3）做過季眷，沒做過
4）新增于：何時(shí)新增用戶較多
