https://www.zhihu.com/question/36360374
鏈接：https://www.zhihu.com/question/36360374/answer/1282016842
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。
數據分析模型比較多，這里介紹互聯網平台最常用、也最實用的 9 大模型
（一）事件分析模型
事件指的是用戶操作產品的一個行為，即用戶在產品內做了什么事情，轉義成描述性語言就是“操作+對象”。事件分析是對用戶行為事件的指標進行統計、維度細分、篩選等分析操作。
事件分析能解決什么問題：
- 產品和運營同學如何才能對網站每天的 PV、UV、DAU 等總體數據有一個直觀的把握，包括它們的數值以及趨勢？
- 面對復雜的數據，單從數字來看，不僅效率低下，而且難以直觀的發現數據背后所展現的趨勢，應該怎么辦？
- 當做了第三方付費渠道推廣后，運營同學如何才能有效比較不同渠道帶來的流量？
（二）分布分析模型
產品優化和運營是一個動態的過程，我們需要不斷監測數據，調整產品設計或運營方法，然后繼續監測效果。
分布分析功能，主要用來了解不同區間事件發生頻次，不同事件計算變量加和，以及不同頁面瀏覽時長等區間的用戶數量分布。
主要使用場景1：頻次分布
Alice是某個電商產品經理，比較關注"用戶瀏覽商品詳情頁"的以下幾個場景：
- 希望了解最近一周瀏覽商品詳情頁的用戶，例如1-5次, 6-10次 ... 不同區間的用戶量分布有多少；
- 希望知道最近一段時間內，每日用戶瀏覽商品詳情頁人均數量、最大值、最小值、中位數（50%瀏覽商品詳情頁的用戶瀏覽小於等於多少頁）、25分位（25%瀏覽商品詳情頁的用戶瀏覽小於等於多少頁）、75分位（75%瀏覽商品詳情頁的用戶瀏覽小於等於多少頁）的趨勢;
- 希望對比渠道來源A\B\C三個主要廣告渠道帶來的用戶，瀏覽商品詳情頁1-5次；6-10次等等不同區間的用戶量分布分別有多少；
- 希望對比"高消費"和"低消費"的兩個用戶群體瀏覽商品詳情頁1-5次, 6-10次, ... , 不同區間的用戶量分布分別有多少。
（三）用戶分群模型
用戶分群，就是通過一定的規則找到對應的用戶群體。 常用的方法包括：
- 找到做過某些事情的人群：比如過去 7 天完成過 3 次購物車計算
- 有某些特定屬性的人群：比如年齡在 25 歲以下的男性
- 在轉化過程中流失的人群：比如提交了訂單但沒有付款
您可以根據自己要解決的業務問題，來定義關注的用戶群體，還可以在 GrowingIO 平台中通過將分群套用在事件分析、漏斗分析與留存分析等分析工具中進一步分析；或者通過運營手段對這部分人群進行運營。
比如在考慮注冊轉化率的時候，需要區分移動端和 Web 端，以及美國用戶和中國用戶等不同場景。這樣可以在渠道策略和運營策略上，有針對性地進行優化。
（四）漏斗分析模型
漏斗分析是一套流程式的數據分析模型，通過將用戶行為起始的各個行為節點作為分析模型節點，來衡量每個節點的轉化效果，是轉化分析的重要工具。
通過漏斗分析可以從先到后的順序還原某一用戶的路徑，分析每一個轉化節點的轉化數據；
所有互聯網產品、數據分析都離不開漏斗，無論是注冊轉化漏斗，還是電商下單的漏斗，需要關注的有兩點。第一是關注哪一步流失最多，第二是關注流失的人都有哪些行為。
關注注冊流程的每一個步驟，可以有效定位高損耗節點。
（五）用戶行為軌跡分析
行為軌跡是進行全量用戶行為的還原。只看 PV、UV 這類數據，無法全面理解用戶如何使用你的產品。了解用戶的行為軌跡，有助於運營團隊關注具體的用戶體驗，發現具體問題，根據用戶使用習慣設計產品，投放內容。
（六）留存分析模型
留存，顧名思義，就是用戶在你的產品中留下來、持續使用的意思。
留存為什么重要？留存是 AARRR 模型中重要的環節之一，只有做好了留存，才能保障新用戶在注冊后不會白白流失。有時候我們光看日活（DAU），會覺得數據不錯，但有可能是因為近期有密集的推廣拉新活動，注入了大量的新用戶，但是留下來的用戶不一定在增長，可能在減少，只不過被新用戶數掩蓋了所以看不出來。這就好像一個不斷漏水的籃子，如果不去修補底下的裂縫，而只顧着往里倒水，是很難獲得持續的增長的。
以 "日留存"顆粒度為例，留存圖中的橫坐標和留存率趨勢曲線和留存表的對應關系圖
一般我們講的留存率，是指「目標用戶」在一段時間內「回到網站/App 中完成某個行為」的比例。常見的指標有次日留存率、七日留存率、次周留存率等。比如：某個時間獲取的「新用戶」 的 「次日留存率」常用來度量拉新效果。
（七）熱圖分析
熱圖是以網站頁面中的元素的點擊率（元素點擊次數/當前頁面 PV）為基礎的數據的圖形表示。通過聚合用戶行為，熱圖可以讓人一目了然地了解人們如何與網站頁面進行交互，這有助於識別用戶行為趨勢並優化進一步流程。 您的網站存在以便人們可以實現特定的目標，如查找信息、注冊服務、購買產品等。當人們進入您的網站但很難找到或使用他們正在尋找的東西時，他們會感到沮喪，最糟糕的情況是，他們離開你的網站不再回來。
為了讓用戶在訪問中停留下來並進行下一步動作，也許您在關心這些問題：
- 用戶是否點擊了我們希望互動的內容？
- 有沒有重要按鈕或元素被大量點擊，卻被放到了不起眼的地方？
- 用戶感興趣的內容是否和我們預想的一樣？
- 不同的運營位、不同的內容對用戶的吸引分別是怎樣的？
- 具體元素的點擊數據如何？
- 不同渠道的訪問者對於頁面的關注點具備哪些差異和特征？
- 從重要元素的點擊來看，哪個渠道質量更好？
- 「未轉化」的用戶與「轉化」用戶之間的熱圖表現差異如何？
熱圖提供了一種清晰直觀的方式來幫助您解答這些問題。
（八）溫度-健康度模型
通過客戶的“溫度-健康度模型”實現用戶分群。下圖的橫坐標“健康指數”代表用戶的活躍度；縱坐標的“溫度指數”代表用戶轉化的可能性。
該模型一般用戶企業級 SaaS 企業中的客戶成功部門。有了該模型，我們就可以對不同分群的用戶進行差異化的運營策略。左上角的用戶活躍度不高，但是付費轉化的可能性很高；我們需要對用戶加強培訓，提高其使用頻率。右下角的用戶非常活躍，但是付費的可能性很低，值得我們深入思考背后的原因。
（九）歸因分析模型
歸因分析要解決的問題就是廣告效果的產生，其功勞應該如何合理的分配給哪些渠道。常見的歸因分析方法有：線性歸因、首次歸因、末次歸因、基於位置歸因、時間衰減歸因等。
我們可以根據自己業務的實際情況，選擇歸因模型。
假設一個丹丹購買口紅的場景，在依次瀏覽了頭條、微博上的廣告后，她參加了小紅書上的注冊促銷活動，又收到了優惠券，於是在百度上搜索 App，完成下單購買。
如果按照 ROI 分析的邏輯，我們會把所有的權重算在百度這一渠道上，這是典型的以偏概全。
知友福利：點擊免費試用 GrowingIO，體驗快速自定義生成各種數據分析模型