大數(shù)據(jù)分析模型有哪些?營(yíng)銷花了這么多錢，營(yíng)銷效果到底達(dá)到?jīng)]有?什么樣的功能才能真觸達(dá)到用戶?下面介紹幾個(gè)實(shí)用的大數(shù)據(jù)分析模型，幫助你在實(shí)際開(kāi)發(fā)中高效地完成數(shù)據(jù)分析!

?

1. 事件分析
干啥的：研究某行為事件的發(fā)生對(duì)企業(yè)組織價(jià)值的影響以及影響程度。

怎么用：追蹤或記錄的用戶行為或業(yè)務(wù)過(guò)程，如用戶注冊(cè)、瀏覽產(chǎn)品詳情頁(yè)、成功投資、提現(xiàn)等，通過(guò)研究與事件發(fā)生關(guān)聯(lián)的所有因素來(lái)挖掘用戶行為事件背后的原因、交互影響等。

應(yīng)用場(chǎng)景舉例：

運(yùn)營(yíng)人員發(fā)現(xiàn)，某渠道某天的PV數(shù)據(jù)異常高，需要排查原因?

可參考以下步驟：

定義事件：將事件定義為PV值，通過(guò)篩選條件限定渠道。

多維度下鉆分析：將PV值按照日期、地理位置、機(jī)型、操作系統(tǒng)、IP等不同維度進(jìn)行分析。

通過(guò)多維度展示結(jié)果，給出PV數(shù)據(jù)的解釋，是虛假流量?(全部來(lái)自某IP)，數(shù)值異常高?(某天數(shù)據(jù)上漲)。

2. 留存分析模型
干啥的：分析用戶參與情況/活躍程度，考察進(jìn)行初始行為的用戶中有多少人會(huì)進(jìn)行后續(xù)行為。這是用來(lái)衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要方法。

怎么用：留存分析分三種，N-day留存、unbounded留存、bracket留存。

應(yīng)用場(chǎng)景舉例：

最近的新增客戶很多，想看用戶留存的情況如何?

可參考以下步驟：

根據(jù)新用戶注冊(cè)/下載的時(shí)間進(jìn)行同期分組(月/周/日)。

觀察用戶發(fā)生投資的 7 日留存、14 日留存或 30 日留存(可自由選擇)。

比較不同的同期群，觀察每天留存率的變化趨勢(shì)了。

3. 漏斗分析模型

干啥的：反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況。

怎么用：通過(guò)觀察不同屬性的用戶群體各環(huán)節(jié)轉(zhuǎn)化率，各流程步驟轉(zhuǎn)化率的差異對(duì)比，了解轉(zhuǎn)化率最高的用戶群體，分析漏斗合理性，并針對(duì)轉(zhuǎn)化率異常環(huán)節(jié)進(jìn)行調(diào)整。

典型場(chǎng)景舉例：

銷售人員想要了解從需求發(fā)現(xiàn)到贏單的各個(gè)環(huán)節(jié)的轉(zhuǎn)化情況?

可參考以下步驟：

從需求發(fā)現(xiàn)這一環(huán)節(jié)開(kāi)始，按照需求設(shè)計(jì)銷售漏斗圖

根據(jù)銷售漏斗圖的各個(gè)環(huán)節(jié)進(jìn)行跟進(jìn)和數(shù)據(jù)錄入

自動(dòng)生產(chǎn)數(shù)據(jù)分析表，觀測(cè)客戶各階段轉(zhuǎn)化率

4. 路徑分析模型
干啥的：互聯(lián)網(wǎng)產(chǎn)品特有的一類數(shù)據(jù)分析方法，提升產(chǎn)品核心模塊的到達(dá)率、提取出特定用戶群體的主流路徑與刻畫(huà)用戶瀏覽特征。

怎么用：根據(jù)每位用戶在APP或網(wǎng)站中的行為事件，分析用戶在APP或網(wǎng)站中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘用戶的訪問(wèn)或?yàn)g覽模式，進(jìn)而實(shí)現(xiàn)一些特定的業(yè)務(wù)用途。

路徑分析主要為解決以下問(wèn)題：

用戶主要是從哪條路徑最終形成支付轉(zhuǎn)化的?

用戶離開(kāi)預(yù)想的路徑后，實(shí)際走向是什么?

不同特征的用戶行為路徑有什么差異?

?

5. session分析模型

干啥的：對(duì)指定的時(shí)間段內(nèi)，用戶在網(wǎng)站/H5/小程序/APP上發(fā)生的一系列用戶行為的集合進(jìn)行指標(biāo)分析。Session 的關(guān)鍵點(diǎn)是：多長(zhǎng)時(shí)間內(nèi)用戶做了什么事。

怎么用：包括訪問(wèn)次數(shù)、人均訪問(wèn)次數(shù)、總訪問(wèn)時(shí)長(zhǎng)、單次訪問(wèn)時(shí)長(zhǎng)、單次訪問(wèn)深度、跳出次數(shù)、跳出率、退出次數(shù)、退出率、人均訪問(wèn)時(shí)長(zhǎng)、總頁(yè)面停留時(shí)長(zhǎng)、平均頁(yè)面停留時(shí)長(zhǎng)等。

兩個(gè)公式：

平均訪問(wèn)時(shí)長(zhǎng)=所有用戶的session市場(chǎng)之和/Session數(shù)

平均交互深度=session內(nèi)事件之和/session數(shù)

?

6. 分布分析模型

干啥的：通過(guò)對(duì)質(zhì)量的變動(dòng)分布狀態(tài)的分析中發(fā)現(xiàn)問(wèn)題，了解生產(chǎn)工序是否正常，廢品是否發(fā)生等情況。其工具是直方圖，故又稱直方圖法。

怎么用：提供「維度指標(biāo)化」之后進(jìn)行數(shù)據(jù)分解，將原有維度按照一定的數(shù)值區(qū)間進(jìn)行維度劃分，進(jìn)而分析每個(gè)維度區(qū)間的分布情況。

舉個(gè)例子：

把特別依賴的用戶單獨(dú)篩選出來(lái)，建一個(gè)用戶運(yùn)營(yíng)的專項(xiàng)項(xiàng)目，去運(yùn)營(yíng)用戶。也可以把那些付款金額大的用戶，去做一些運(yùn)營(yíng)活動(dòng)。

7. 歸因分析模型
干啥的：歸因分析要解決的問(wèn)題就是廣告效果的產(chǎn)生，其功勞應(yīng)該如何合理的分配給哪些渠道。

怎么用：衡量和評(píng)估站內(nèi)的用戶觸點(diǎn)對(duì)總體轉(zhuǎn)化目標(biāo)達(dá)成所做出的貢獻(xiàn)，可以非常直接的量化每個(gè)運(yùn)營(yíng)位和觸點(diǎn)的轉(zhuǎn)化效果和價(jià)值貢獻(xiàn)。參觀，小張和他的室友大呼過(guò)癮，但幾天后機(jī)構(gòu)老師開(kāi)始說(shuō)起IT行業(yè)的優(yōu)勢(shì)未來(lái)的光明，簡(jiǎn)而言之就是推銷起了機(jī)構(gòu)的課程，這時(shí)候?qū)W員們很多就和小張一樣沒(méi)有了戒備再加上客服人員頻繁的舌燦蓮花吧IT行業(yè)描繪的遍地是黃金而且拿出了很多學(xué)員的高薪案例無(wú)一不讓小張這樣還在象牙塔中的小白心向往之蠢蠢欲動(dòng)，最終小張他們將近50個(gè)夏令營(yíng)學(xué)員有47個(gè)都沒(méi)有頂?shù)米≌T惑交了高昂的學(xué)費(fèi)。

當(dāng)然其中很多都是貸的款，因?yàn)榭头〗憬阋恢唤榻B這個(gè)助學(xué)貸如何如何正規(guī)如何如何劃算，一旦開(kāi)始工作不出仨月就能完全還上，這正巧讓小張這樣囊中羞澀的如獲至寶，學(xué)習(xí)很快開(kāi)始了期初一切都還好侃侃而談的老師一看就是技術(shù)高深，面授的教學(xué)方式也讓小張很是適應(yīng)，但好景不長(zhǎng)一月后先是原本的老師不見(jiàn)了蹤影，新?lián)Q的老師總有一種莫名的焦慮，而半個(gè)月后他們的課程竟然很多成了自習(xí)，最終他們得知機(jī)構(gòu)老板玩金融玩破產(chǎn)了！他們這撥學(xué)員就像一群沒(méi)了娘的孩子投訴也罷抗議也好客服小姐姐干脆消失了。

小張不知道他的麻煩僅僅是剛開(kāi)始，兩個(gè)月后還款的時(shí)候到了，此時(shí)他才發(fā)班里的根本不是什么助學(xué)貸而是所謂的消費(fèi)貸利息高的嚇人不說(shuō)而且各奔不允許提前還款，欲哭無(wú)淚的他最終只能和他的室友一樣找家長(zhǎng)填窟窿。

類似小張這樣遭遇的同學(xué)這些年數(shù)不勝數(shù)，很多自從互聯(lián)網(wǎng)金融興盛不少金融公司都盯上了學(xué)習(xí)貸款這款蛋糕，他們和一些不自律的培訓(xùn)機(jī)構(gòu)勾結(jié)起來(lái)想那些自我保護(hù)意識(shí)不強(qiáng)的大學(xué)生們舉起了屠刀……對(duì)這種情況除了互娛國(guó)家規(guī)范金融業(yè)自律之外就只能提醒廣大年輕群體提高風(fēng)險(xiǎn)意識(shí)有多少錢花多少錢。最后如果有想入行IT但又不知道去哪里學(xué)習(xí)，擔(dān)心找不到好的培訓(xùn)學(xué)校，可以關(guān)注我，指點(diǎn)迷津不敢說(shuō)但可以參考參考！