七大數(shù)據(jù)分析模型詳解，做分析不再沒思路
7個常見的大數(shù)據(jù)分析模型：
事件分析
留存分析
漏斗分析
路徑分析
session分析
分布分析
歸因分析
01 事件分析
干啥的：研究某行為事件的發(fā)生對企業(yè)組織價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)過程，如用戶注冊、瀏覽產(chǎn)品詳情頁、成功投資、提現(xiàn)等，通過研究與事件發(fā)生關(guān)聯(lián)的所有因素來挖掘用戶行為事件背后的原因、交互影響等。
應(yīng)用場景舉例：
問題：運營人員發(fā)現(xiàn)，某渠道某天的PV數(shù)據(jù)異常高，需要排查原因？分為以下步驟：
定義事件：將事件定義為PV值，通過篩選條件限定渠道
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？（全部來自某IP），數(shù)值異常高？（某天數(shù)據(jù)上漲）
02 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進(jìn)行后續(xù)行為。這是用來衡量產(chǎn)品對用戶價值高低的重要方法。
怎么用：留存分析分三種，N-day留存、unbounded留存、bracket留存。
應(yīng)用場景舉例：
問題：最近的新增客戶很多，想看用戶留存的情況如何？可分為以下幾個步驟：
根據(jù)新用戶注冊/下載的時間進(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了。
03 漏斗分析模型
干啥的：反映用戶行為狀態(tài)以及從起點到終點各階段用戶轉(zhuǎn)化率情況
怎么用：通過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)化率的差異對比，了解轉(zhuǎn)化率最高的用戶群體，分析漏斗合理性，并針對轉(zhuǎn)化率異常環(huán)節(jié)進(jìn)行調(diào)整。
典型場景舉例：
問題：銷售人員想要了解從需求發(fā)現(xiàn)到贏單的各個環(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)開始，按照需求設(shè)計銷售漏斗圖
根據(jù)銷售漏斗圖的各個環(huán)節(jié)進(jìn)行跟進(jìn)和數(shù)據(jù)錄入
自動生產(chǎn)數(shù)據(jù)分析表，觀測客戶各階段轉(zhuǎn)化率
04 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)站中各個模塊的流轉(zhuǎn)規(guī)律與特點，挖掘用戶的訪問或瀏覽模式，進(jìn)而實現(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?
用戶離開預(yù)想的路徑后，實際走向是什么?
不同特征的用戶行為路徑有什么差異?
05 session分析模型
干啥的：對指定的時間段內(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)鍵點是：多長時間內(nèi)用戶做了什么事。
怎么用：包括訪問次數(shù)、人均訪問次數(shù)、總訪問時長、單次訪問時長、單次訪問深度、跳出次數(shù)、跳出率、退出次數(shù)、退出率、人均訪問時長、總頁面停留時長、平均頁面停留時長等。
兩個公式：
平均訪問時長=所有用戶的session市場之和/Session數(shù)
平均交互深度=session內(nèi)事件之和/session數(shù)
06 分布分析模型
干啥的：通過對質(zhì)量的變動分布狀態(tài)的分析中發(fā)現(xiàn)問題，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)而分析每個維度區(qū)間的分布情況。
舉個例子：
把特別依賴的用戶單獨篩選出來，建一個用戶運營的專項項目，去運營用戶。也可以把那些付款金額大的用戶，去做一些運營活動。
下圖就可以看出人數(shù)和交易客單的分布情況：
07 歸因分析模型
干啥的：歸因分析要解決的問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：衡量和評估站內(nèi)的用戶觸點對總體轉(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運營位和觸點的轉(zhuǎn)化效果和價值貢獻(xiàn)。
舉個例子：
小陳同學(xué)在手機(jī)上看到了朋友圈廣告發(fā)布了最新的蘋果手機(jī)，午休的時候刷抖音看到了有網(wǎng)紅在評測評，下班在地鐵上刷朋友圈的時候發(fā)現(xiàn)已經(jīng)有小伙伴收到手機(jī)在曬圖了，于是喝了一杯江小白壯壯膽回家跟老婆申請經(jīng)費，最后老婆批準(zhǔn)了讓他去京東買，有保障。那么請問，朋友圈廣告、抖音、好友朋友圈、京東各個渠道對這次成交分別貢獻(xiàn)了多少價值？
以上。
