八大数据分析模型，互联网运营必备！

1、用户模型 不仅要知道用户现在在想什么，还要知道用户在想什么，用户在经历什么。 传统用户模型构建方法 用户模型：基于用户访谈和观察的研究结果，严谨可靠但耗时； 临时用户模型：基于行业专家或市场调查数据对用户的理解，快速但容易产生偏见。（缺乏时间和资源） 为了节省时间，降低风险，产品团队往往会尽快将产品推向用户，在这种情况下如何构建用户模型？ 1.首先，整理和收集任何可识别用户的经验和数据，将这些信息映射成用户描述信息（属性）或行为信息，并存储形成用户档案， 2.实时关注自身数据的波动，及时采取行动 3.记录用户的行为数据，而不仅仅是标记用户 4，360°覆盖用户全生命周期的用户档案 用户成长的每一步都是通过行为记录下来的。根据用户生命周期的不同阶段，对新用户、流失用户、活跃用户和沉默用户采取有针对性的操作策略。 2、事件模型 1.事件是什么？ 这是用户在产品中的行为。这是对用户行为的专业描述。用户在产品中获得的所有程序反馈都可以抽象为事件，开发人员可以通过埋点收集。一般来说，将代码放入相应的页面/按钮中。用户进入页面/点击按钮的本质是加载背后的代码，然后加载事件收集代码，这样就可以了SDK记录下来。 (使用百度统计添加代码收集用户下载成功和失败) 2.收集事件 事件：用户在产品中的行为 属性：描述事件的维度 值：属性内容 采集时间：用户点击（click）、网页加载完成，服务器判断返回等。收集时间的描述在设计埋点需求文档时尤为重要，也是保证数据准确性的核心。 例如，如果在收集过程中没有明确的时间，当用户点击注册按钮时，可能仍然会记录用户输入错误的注册信息，以便在统计成功注册事件时不准确。正确的收集时间描述应该是服务器返回注册成功的判断。（日本官方网站收集的是返回激活成功或失败的页面） 3.事件分析 人数:有多少人触发了某个事件(行为)？ 次数：事件（行为）触发多少次？ 人均次数:事件(行为)平均触发多少次 活动比:在一段时间内，触发某一事件的人数占当前时间段所有活动人数的比例 4.事件管理 当事件很多时，事件可以分类管理。同时，重要的用户行为可以从产品业务的角度进行标记，以便在分析中方便快捷地找到常见和重要的事件。 3、漏斗模型 漏斗模型帮助您分析多步骤过程中每一步的转换和损失。 例如，用户下载产品的完整过程可能包括以下步骤： 我们可以将上述过程设置为漏斗，分析整体转换，每一步的具体转换率和转换中位时间 我们需要根据流程操作的用户对每个转换层次进行监控，找到每个层次的优化点； 绘制未按流程操作的用户的转换路径，找到可以改善用户体验、缩短路径的空间。 更好地利用漏斗模型： 1.细化每个链接，显示到点击之间？点击下载？下载到安装之间？安装到体验之间？ 2.只有有埋点意识和全局观念，才能有效收集，为漏斗优化的各个环节做出决策依据，促进各部门的优化 4.热图分析模型 热图分析模型是什么？ 反映网页上用户的关注点，尤其是官网首页，信息密度极高，用户如何点击，如何浏览效果图 热图可分为点击热图和浏览热图。 点击热图：跟踪鼠标的点击情况，统计人数和次数，并根据百分比进行热分布。点击热图分为两种，一种是鼠标的所有点击，另一种是页面可以点击元素。前者可以跟踪页面上所有可点击和不可点击位置的点击情况，后者只跟踪页面上可点击元素的点击情况。 浏览热图(也称注意力热图)记录用户在不同页面或同一页面不同位置停留时间的百分比。 热图分析模型中的新特性 1.对特定人群的分析与人群的比较 例如，金融产品，投资用户和未投资用户必须有不同的关注点 2、聚焦分析 点击率= 点击次数/当前页面浏览次数 聚焦率=点击次数/当前页面点击总次数 应用场景 1.落地页效果分析 2.主页流量跟踪 3.关键页体验测量(产品体验及下载页) 5.自定义保留分析模型 保留定义和公式 定义:满足某一条件的用户是否在某一时间点回访 公式：满足一定条件的用户数为n，在某个时间点回访的用户数为m，那么这个时间点的留存率就是m/n N-day保留，即第几天保留，只计算第N天完成回访的用户 Unbounded留存（N天内保留)，所有在N天内完成回访的用户将累计计算。 -Bracket留存 (自定义观察期保留)N-day留存和Unbounded保留是根据独立的日/周/月作为观察单位计算的，但有时我们不想局限于这个固定的时间测量，我们想分为几个观察期 第一个观察期:第二天 第二个观察期:第三天-第七天 第三个观察期:8-14 第四个观察期:从15日到30日 自定义留存 以上三种保留方式都限制了时间，用户打开了保留的定义APP或者进入网站 定制保留是基于业务场景中的保留。例如，阅读产品将至少一篇文章的用户定义为真正的保留用户，电子商务产品将至少一次查看产品的详细信息定义为有效保留 初始行为：初始和回访是相对的概念。 回访行为：与初始行为的设置和关系。用户的初始行为可以理解为最后一种行为，即下一种行为。 初始行为和回访行为的设置本质上是为了进一步筛选用户组。在滴滴的一次增长分享会上，提到抢红包的用户后来打车的日常保留，即最初的行为是抢红包，回访是打车。抢红包的用户打车三天，也就是说，最初的行为是抢红包，回访是打车。看这些人的第三天。 6、粘性分析 定义：分析活跃用户使用产品的习惯，如一个月使用几天、一天以上、七天以上的用户数量。例如，一些产品已经推出了新的功能，用户需要登录，这可以分析用户的使用习惯，评估新功能的吸引力和健康。 功能：使用保留分析，了解产品和功能如何坚持用户的能力，用户喜欢哪个功能，不同用户在同一功能上的差异，有助于科学评价产品，制定保留策略 举例：股票APP，已投资用户和未投资用户触发功能查看股市次数 7.全行为路径分析 行为路径分析分为漏斗分析和全行为路径分析。与漏斗分析模型不同，漏斗分析模型分析了既定的行为转换，如电子商务产品，从查看产品细节到最终支付每一步的转换率。全行为路径分析是针对用户的APP或网站各模块的流通，挖掘用户访问模式，优化产品或网站 一般可以使用树形图表示，如下图所示，在线培训网站，大多数用户将打开搜索课程，因此需要优化搜索课程。在第一次搜索课程后，用户没有搜索他们想要的课程，并进行了第二次搜索，因此他们可以将用户搜索频率高的关键字设置为可点击元素，并链接到用户使用频率高的相关课程。引导用户点击以获得预期的结果 8.用户群模型 分组是对特定用户的划分和分组，分层更多的是对所有用户的管理手段。事实上，我们一直在使用细分用户的方法，比如我们熟悉的RFM模型： RFM该模型从用户的业务数据中提取了三个特征维度：最新的消费时间（Recency）、消费频率 (Frequency)、消费金额 (Monetary)。如下图所示，将用户有效地细分为8个具有不同用户价值和应对策略的群体。 另外四个用户分组维度： 1、用户属性：用户客观属性，描述用户真实人口属性的标签，如：年龄、性别、城市、浏览器版本、系统版本、操作版本、渠道来源等 2.活跃时间 3.做过，没做过 4.什么时候新用户多？ 本文内容来源：CSDN，这并不意味着操作狗的观点。如有版权问题，请联系操作狗进行官方处理。 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。