在進(jìn)行數(shù)據(jù)分析時(shí)，那就會(huì)提及數(shù)據(jù)分析模型玄帕。在進(jìn)行數(shù)據(jù)分析之前，首先要建立一個(gè)數(shù)據(jù)分析模型想邦。根據(jù)模型的內(nèi)容裤纹，將其細(xì)分為不同的數(shù)據(jù)指標(biāo)以進(jìn)行詳細(xì)分析，最后得到所需的分析結(jié)果丧没。

一鹰椒、數(shù)據(jù)如何驅(qū)動(dòng)增長(zhǎng)

1.建立完善的報(bào)表體系

2.及時(shí)有效的日常監(jiān)控

3.深入業(yè)務(wù)的專(zhuān)題分析（重點(diǎn)）

a.分析目標(biāo)：明確分析目標(biāo)是最重要的初始步驟
b.數(shù)據(jù)獲取：基于分析目標(biāo)拿到對(duì)應(yīng)的原始數(shù)據(jù)
c.數(shù)據(jù)清洗：對(duì)原始數(shù)據(jù)進(jìn)行異常值呕童、一致性漆际、缺失值、編碼等ETL處理
d.數(shù)據(jù)處理：對(duì)數(shù)據(jù)進(jìn)行匯總夺饲，或者形式上的變換奸汇，以便可以適用于后期的建模
e.數(shù)據(jù)建模：用統(tǒng)計(jì)分析或機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)建模，以便描述數(shù)據(jù)或?qū)ξ磥?lái)進(jìn)行預(yù)測(cè)
f.分析報(bào)告：把建模的結(jié)果直觀往声、簡(jiǎn)潔擂找、好看的可視化方式呈現(xiàn)出來(lái)，最重要的是注明分析結(jié)論
g.發(fā)現(xiàn)業(yè)務(wù)價(jià)值：分析師和業(yè)務(wù)人員共同分析結(jié)果對(duì)應(yīng)的業(yè)務(wù)價(jià)值
h.實(shí)現(xiàn)業(yè)務(wù)價(jià)值：與業(yè)務(wù)一起推動(dòng)發(fā)現(xiàn)的業(yè)務(wù)價(jià)值方案邏輯

4.推動(dòng)產(chǎn)品功能的迭代

5.協(xié)助運(yùn)營(yíng)策略的優(yōu)化

二浩销、常用分析模型

1.行為事件分析

行為事件分析方法贯涎，研究某種行為事件對(duì)企業(yè)組織價(jià)值的影響程度。公司通過(guò)研究與事件發(fā)生有關(guān)的所有因素來(lái)挖掘或跟蹤用戶(hù)行為事件背后的原因撼嗓，公司可以使用它來(lái)跟蹤或記錄用戶(hù)行為或業(yè)務(wù)流程柬采，例如用戶(hù)注冊(cè)，瀏覽產(chǎn)品詳細(xì)信息頁(yè)面且警，成功的投資粉捻，現(xiàn)金提取等交互影響。

在日常工作中斑芜，運(yùn)營(yíng)肩刃，市場(chǎng)，產(chǎn)品和數(shù)據(jù)分析師會(huì)根據(jù)實(shí)際工作條件來(lái)關(guān)注不同的事件指標(biāo)。例如盈包，在過(guò)去三個(gè)月中沸呐，哪個(gè)頻道的用戶(hù)注冊(cè)數(shù)量最多?有什么趨勢(shì)?每個(gè)時(shí)期的人均充值金額是多少?根據(jù)年齡分布，上周從北京購(gòu)物的獨(dú)立用戶(hù)有多少?在查看此類(lèi)指標(biāo)的過(guò)程中呢燥，行為事件分析起著重要作用崭添。

行為事件分析方法具有強(qiáng)大的過(guò)濾，分組和聚合功能叛氨，邏輯清晰呼渣，使用簡(jiǎn)單，已被廣泛使用寞埠。行為事件分析方法通常經(jīng)歷事件定義和選擇深入分析屁置，解釋和結(jié)論的步驟。

如：AARRR增長(zhǎng)模型（用戶(hù)增長(zhǎng)）
獲取 Acquisition 前端加速流量獲取與擴(kuò)大品牌影響力
激活 Activation 通過(guò)運(yùn)營(yíng)動(dòng)作提高注冊(cè)率等關(guān)鍵因素
留存 Retention 產(chǎn)品及運(yùn)營(yíng)通過(guò)各自手段不斷擴(kuò)大用戶(hù)粘性
收益 Revenue 沉淀用戶(hù)之后仁连，如何讓用戶(hù)產(chǎn)生成交并持續(xù)性增加產(chǎn)品收益
傳播 Referral 通過(guò)各部門(mén)聯(lián)動(dòng)增加用戶(hù)購(gòu)買(mǎi)力并形成用戶(hù)文化

2.漏斗分析模型

漏斗分析是一組過(guò)程分析蓝角，可以科學(xué)地反映用戶(hù)的行為以及從頭到尾的用戶(hù)轉(zhuǎn)化率的重要分析模型。

漏斗分析模型已廣泛用千日常數(shù)據(jù)操作饭冬，例如流量監(jiān)控和產(chǎn)品目標(biāo)轉(zhuǎn)化使鹅。例如，在產(chǎn)品服務(wù)平臺(tái)中伍伤，實(shí)時(shí)用戶(hù)從激活A(yù)PP到支出開(kāi)始并徘，一般用戶(hù)的購(gòu)物路徑是激活A(yù)PP遣钳，注冊(cè)帳戶(hù)扰魂，進(jìn)入實(shí)時(shí)空間，交互行為和禮物支出蕴茴。漏斗可以顯示每個(gè)階段的轉(zhuǎn)化率劝评，通過(guò)比較漏斗各環(huán)節(jié)的相關(guān)數(shù)據(jù)，可以直觀地發(fā)現(xiàn)和解釋問(wèn)題倦淀，從而找到優(yōu)化方向蒋畜。為了分析相對(duì)標(biāo)準(zhǔn)化的，且有較長(zhǎng)時(shí)間和許多環(huán)節(jié)的業(yè)務(wù)流程撞叽，可以直觀地找到并說(shuō)明問(wèn)題原因姻成。

附加：AIPL漏斗模型（各步驟轉(zhuǎn)化）
Aware 認(rèn)知
Interest 興趣
Purchase 購(gòu)買(mǎi)
Loyalty 忠誠(chéng)

3.留存分析模型

留存分析是一種分析模型，用干分析用戶(hù)的參與/活動(dòng)級(jí)別愿棋，調(diào)查執(zhí)行初始行為的用戶(hù)執(zhí)行后續(xù)行為的數(shù)量科展。這是衡量產(chǎn)品對(duì)用戶(hù)價(jià)值的重要方法。保留率分析可以幫助回答以下問(wèn)題:

新客戶(hù)是否完成了您對(duì)用戶(hù)將來(lái)要做行為的期望?如付款單等;社交產(chǎn)品可以改善對(duì)新注冊(cè)用戶(hù)的指導(dǎo)流程糠雨，并希望提高注冊(cè)后用戶(hù)的參與度才睹，如何進(jìn)行驗(yàn)證?我想確定產(chǎn)品變更是否有效。例如，我添加了邀請(qǐng)朋友的功能琅攘。觀察是否有人因?yàn)樾鹿δ苁褂昧嗽摦a(chǎn)品幾個(gè)月?

如：OGSM管理模型（項(xiàng)目計(jì)劃法）
Objectives 目的：想達(dá)到的目的
Goal 目標(biāo)：具體細(xì)化量化的指標(biāo)
Stategy 行動(dòng)策略：運(yùn)營(yíng)方案怎樣推動(dòng)
Measurement 衡量指標(biāo)：如何考量項(xiàng)目是否成功

4.分布分析模型

分布分析是在特定指標(biāo)下對(duì)用戶(hù)的頻率和總量進(jìn)行分類(lèi)顯示垮庐。它可以顯示單個(gè)用戶(hù)對(duì)產(chǎn)品的依賴(lài)程度，分析不同地區(qū)和不同時(shí)間段內(nèi)客戶(hù)購(gòu)買(mǎi)的不同類(lèi)型產(chǎn)品的數(shù)量坞琴，購(gòu)買(mǎi)頻率等哨查，以幫助運(yùn)營(yíng)商了解當(dāng)前客戶(hù)狀態(tài)和客戶(hù)運(yùn)營(yíng)情況。如用戶(hù)分配的訂單數(shù)量(低于100元的剧辐、100200元的解恰，超過(guò)200元的等)，購(gòu)買(mǎi)次數(shù)(少于5倍的浙于，5-10倍的护盈，超過(guò)10倍的)等。

分布分析模型的功能和價(jià)值:科學(xué)的分布分析模型根據(jù)時(shí)間羞酗，頻率和事件指標(biāo)支持用戶(hù)進(jìn)行條件篩選和數(shù)據(jù)統(tǒng)計(jì)腐宋。計(jì)算不同用戶(hù)在一天/周月中，有哪些自然的時(shí)間段(小時(shí)/天)執(zhí)行了哪些操作檀轨、操作的次數(shù)等胸竞。

5.點(diǎn)擊分析模型

用一種特殊的突出顯示顏色形式用于顯示頁(yè)面或頁(yè)面組區(qū)域(具有相同結(jié)構(gòu)的頁(yè)面，例如產(chǎn)品詳細(xì)信息頁(yè)面参萄，官方網(wǎng)站博客等)中不同元素的點(diǎn)擊密度的圖表卫枝。包括元素被單擊的次數(shù)，比例讹挎，被單擊的用戶(hù)列表以及按鈕的當(dāng)前和歷史內(nèi)容等因素校赤。

點(diǎn)擊圖片是點(diǎn)擊分析方法的結(jié)果。點(diǎn)擊分析具有高效筒溃，靈活马篮，易于使用的分析過(guò)程和直觀效果的特點(diǎn)。點(diǎn)擊分析采用直觀的設(shè)計(jì)思想和體系結(jié)構(gòu)怜奖，簡(jiǎn)潔直觀的操作方法浑测，以視覺(jué)方式呈現(xiàn)訪問(wèn)者熱衷的領(lǐng)域，并幫助運(yùn)營(yíng)商或管理人員評(píng)估網(wǎng)頁(yè)設(shè)計(jì)的科學(xué)性歪玲。

6.用戶(hù)行為路徑分析模型

顧名思義迁央，用戶(hù)路徑分析是指APP或網(wǎng)站中用戶(hù)的訪問(wèn)行為路徑。為了衡量網(wǎng)站優(yōu)化或市場(chǎng)推廣的有效性以及了解用戶(hù)行為偏好滥崩，通常需要分析訪問(wèn)路徑的轉(zhuǎn)換數(shù)據(jù)岖圈。

比如電商，購(gòu)買(mǎi)者從登錄網(wǎng)站/APP到成功付款必須經(jīng)歷瀏覽主頁(yè)夭委，搜索商品幅狮，添加購(gòu)物車(chē)募强，提交訂單，支付訂單等過(guò)程崇摄。用戶(hù)的實(shí)際購(gòu)買(mǎi)過(guò)程是相互交織和重復(fù)的過(guò)程擎值。例如，在提交訂單之后逐抑，用戶(hù)可以返回主頁(yè)以繼續(xù)搜索產(chǎn)品鸠儿，或者可以取消訂單。每條路徑都有不同的動(dòng)機(jī)厕氨。與其他分析模型一起進(jìn)行深入分析后进每，它可以快速找到用戶(hù)的動(dòng)機(jī)并將用戶(hù)引導(dǎo)至最佳路徑或所需路徑。

7.用戶(hù)分群分析模型

用戶(hù)分群是指用戶(hù)信息的標(biāo)答劃分命斧。通過(guò)用戶(hù)的歷史行為路徑田晚，行為特征偏好和他性將有相性的用戶(hù)分為一組并進(jìn)行后分析。通過(guò)渠道分析国葬，可以看出用戶(hù)在不同階段的行為是不同的贤徒。例如，新用戶(hù)的關(guān)注點(diǎn)在哪里?購(gòu)買(mǎi)的用戶(hù)何時(shí)會(huì)再次付款?由于組的特征不同汇四，行為將有很大的不同接奈，因此可以根據(jù)歷史數(shù)據(jù)對(duì)用戶(hù)進(jìn)行劃分，然后觀察組的具體行為通孽。這是用戶(hù)分組的原則序宦。

如：
RFM（用戶(hù)分層）模型
R：最后交易距離當(dāng)前天數(shù)
F：交易次數(shù)
M：消費(fèi)金額

8.屬性分析模型

屬性分析模型就是根據(jù)用戶(hù)自己的屬性對(duì)用戶(hù)進(jìn)行分類(lèi)和統(tǒng)計(jì)分析，例如查看注冊(cè)期間用戶(hù)數(shù)量的變化趨勢(shì)或查看各省的用戶(hù)分布背苦。用戶(hù)屬性將涉及用戶(hù)信息互捌，例如姓名，年齡糠惫，家庭疫剃，婚姻狀況，性別和最高學(xué)歷;還有與產(chǎn)品相關(guān)的屬性硼讽，例如用戶(hù)所在省市，用戶(hù)級(jí)別以及用戶(hù)首次訪問(wèn)渠道的來(lái)源等牲阁。

屬性分析模型的價(jià)值是什么?

打個(gè)比方固阁，房屋的面積無(wú)法完全衡量其價(jià)值，還需要考慮房屋的位置城菊，樣式备燃，學(xué)區(qū)和交通環(huán)境等相關(guān)屬性。類(lèi)似地凌唬，用戶(hù)的各個(gè)維度的屬性對(duì)于全面地測(cè)量用戶(hù)的肖像是必不可少的并齐。

屬性分析的主要價(jià)值是豐富用戶(hù)肖像的維度，并使用戶(hù)行為洞察的粒度更加詳細(xì)】鐾剩科學(xué)的屬性分析方法可以使用“重復(fù)數(shù)”作為所有類(lèi)型屬性的分析指標(biāo)撕贞，可以把“總和”、“均值”测垛、“最大值”和“最小值”作為數(shù)值類(lèi)型屬性的分析指標(biāo);需要添加多個(gè)維度捏膨，如果沒(méi)有維度則無(wú)法顯示圖形∈澄辏可以自定義數(shù)字類(lèi)型的維度号涯，這便于進(jìn)行更詳細(xì)的分析。

如：SWOT 態(tài)勢(shì)分析（新項(xiàng)目啟動(dòng)）
Strength 競(jìng)爭(zhēng)優(yōu)勢(shì)
--DAU（日活） 锯七、會(huì)員用戶(hù)量 链快、產(chǎn)品生態(tài)等

Weakness 競(jìng)爭(zhēng)劣勢(shì)
--市場(chǎng)占有率、分發(fā)端口等

Opportunity 機(jī)會(huì)
--技術(shù)革新性眉尸、市場(chǎng)體量巨大

Threats 威脅
--政策影響久又、競(jìng)爭(zhēng)者動(dòng)向

AB數(shù)據(jù)分析
競(jìng)品數(shù)據(jù)維度進(jìn)行分析