互聯(lián)網(wǎng)打工人來說，數(shù)據(jù)分析是一項(xiàng)必備技能！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正戳中用戶的痛點(diǎn)？

學(xué)會(huì)數(shù)據(jù)分析，既要會(huì)用Excel，Python等工具，也要擁有數(shù)據(jù)分析的思維。給大家整理了7個(gè)最好用最常見的大數(shù)據(jù)分析模型！幫助你高效地完成數(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)過程，如用戶注冊(cè)、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(chǎng)景舉例：

問題：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？分為以下步驟：

1. 定義事件：將事件定義為PV值，通過篩選條件限定渠道。
2. 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。
3. 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）。

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：

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(gè)步驟：

1. 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）。
2. 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)。
3. 比較不同的同期群，觀察每天留存率的變化趨勢(shì)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(diǎn)到終點(diǎn)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(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：

問題：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：

1. 從需求發(fā)現(xiàn)這一環(huán)節(jié)開始，按照需求設(shè)計(jì)銷售漏斗圖
2. 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
3. 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題：

1. 用戶主要是從哪條路徑最終形成支付轉(zhuǎn)化的?
2. 用戶離開預(yù)想的路徑后，實(shí)際走向是什么?
3. 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：包括訪問次數(shù)、人均訪問次數(shù)、總訪問時(shí)長(zhǎng)、單次訪問時(shí)長(zhǎng)、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(shí)長(zhǎng)、總頁面停留時(shí)長(zhǎng)、平均頁面停留時(shí)長(zhǎng)等。

兩個(gè)公式：

• 平均訪問時(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：通過對(duì)質(zhì)量的變動(dòng)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(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，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)。

下圖就可以看出人數(shù)和交易客單的分布情況：

7.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(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)。

舉個(gè)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(shí)候刷抖音看到了有網(wǎng)紅在評(píng)測(cè)評(píng)，下班在地鐵上刷朋友圈的時(shí)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(qǐng)經(jīng)費(fèi)，最后老婆批準(zhǔn)了讓他去京東買，有保障。那么請(qǐng)問，朋友圈廣告、抖音、好友朋友圈、京東各個(gè)渠道對(duì)這次成交分別貢獻(xiàn)了多少價(jià)值？

希望以上的數(shù)據(jù)模型能幫助你事半功倍！