标签：统计分析   特征   指标   session   产品   如何   不同的   完成   三个月   

1.行为事件分析

场景：

研究某行为事件的发生对企业组织价值的影响以及影响的程度。

举例：

在日常工作中，运营、市场、产品、数据分析师根据实际工作情况而关注不同的事件指标。如最近三个月来自哪个渠道的用户注册量最高？变化趋势如何？各时段的人均充值金额是分别多少？上周来自北京发生过购买行为的独立用户数，按照年龄段的分布情况？每天的独立 Session 数是多少？诸如此类的指标查看的过程中，行为事件分析起到重要作用。

2.漏斗分析模型

场景：

 流程分析，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况。

举例：

漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营工作中。例如在一款产品服务平台中，直播用户从激活APP开始到花费，一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。对于业务流程相对规范、周期较长、环节较多的流程分析,能够直观地发现和说明问题所在。

3.留存分析模型

场景：

分析用户参与情况/活跃程度的分析模型

举例：

一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单等；某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？

4.分布分析模型

场景：

用户在特定指标下的频次、总额等的归类展现。

它可以展现出单用户对产品的依赖程度，分析客户在不同地区、不同时段所购买的不同类型的产品数量、购买频次等，帮助运营人员了解当前的客户状态，以及客户的运转情况。

举例：

如订单金额（100 以下区间、100 元 - 200元区间、200 元以上区间等）、购买次数（5 次以下、5 - 10次、10 以上）等用户的分布情况。

5.点击分析模型

场景：

应用高亮的颜色形式，显示页面或页面组区域中不同元素点击密度的图示。包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史内容等因素。

举例：

APP或小程序

6.用户行为路径分析模型

场景：

用户在APP或者网站中的访问行为路径。

举例：

 以电商为例，买家从登录网站／APP到支付成功要经过首页浏览、搜索商品、加入购物车、提交订单、支付订单等过程。而在用户真实的选购过程是一个交缠反复的过程，例如提交订单后，用户可能会返回首页继续搜索商品，也可能去取消订单，每一个路径背后都有不同的动机。与其他分析模型配合进行深入分析后，能为找到快速用户动机，从而引领用户走向最优路径或者期望中的路径。

7.用户分群分析模型

场景：

用户信息标签化。通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

举例：

新用户的关注点在何处？

已购用户在什么情况下会再次付费？

8.属性分析模型

场景：

根据用户自身属性对用户进行分类和统计分析。

举例：

顾名思义，根据用户自身属性对用户进行分类与统计分析，比如查看用户数量在注册时间上的变化趋势、查看用户按省份的分布情况。用户属性会涉及到用户信息，如姓名、年龄、家庭、婚姻状况、性别、最高教育程度等自然信息；也有产品相关属性，如用户常驻省市、用户等级、用户首次访问渠道来源等。

数据分析模型

标签：统计分析   特征   指标   session   产品   如何   不同的   完成   三个月   

原文地址：https://www.cnblogs.com/earsonlau/p/11439455.html