大數據分析模型

7個常見的大數據分析模型：

01 事件分析

干啥的：研究(jiu)某行為事件的(de)發生(sheng)對(dui)企業組(zu)織價值(zhi)的(de)影(ying)響以及影(ying)響程度。

怎么用：追蹤或記錄的用戶行為或業務過程，如用戶注冊、瀏覽產品詳情頁、成功投資、提現等，通過(guo)研究與事(shi)件發生關聯的所(suo)有因素來挖掘(jue)用(yong)戶行為事(shi)件背后的原因、交(jiao)互影響等。

應用場景舉例：

問(wen)題：運營(ying)人員發(fa)現，某(mou)渠(qu)道某(mou)天的PV數據異常高，需要排查(cha)原因？分為以下步驟：

02 留存分析模型

干啥的：分析用戶參與情況/活躍程度，考察進行初始行為的用戶中有多少人會進行后續行為。這是用來衡量產品對用戶價值高低的重要方法。

怎么用：留(liu)存(cun)分析(xi)分三種，N-day留(liu)存(cun)、unbounded留(liu)存(cun)、bracket留(liu)存(cun)。

應用場景舉例：

問題：最近的新增客戶很多，想看(kan)用戶留存的情(qing)況如何？可分為以(yi)下(xia)幾個(ge)步驟：

03 漏斗分析模型

干啥的：反映用(yong)戶行(xing)為狀態以及從起點(dian)到終點(dian)各階段用(yong)戶轉化率情況

怎么用：通過觀察不(bu)同屬性(xing)的(de)(de)用戶(hu)群體各環節(jie)轉化(hua)率(lv)，各流(liu)程步驟轉化(hua)率(lv)的(de)(de)差異(yi)對(dui)比，了(le)解轉化(hua)率(lv)最高的(de)(de)用戶(hu)群體，分(fen)析漏斗合理(li)性(xing)，并針對(dui)轉化(hua)率(lv)異(yi)常環節(jie)進行調整(zheng)。

典型場景舉例：

問題：銷售人員(yuan)想要(yao)了解從需求發(fa)現到贏單的各個(ge)環節的轉化(hua)情(qing)況？可(ke)參考以下步驟：

04 路徑分析模型

干啥的：互聯網產品特有的一類數據分析方法，提(ti)升產(chan)品核(he)心模塊的到達率、提(ti)取(qu)出(chu)特定用戶(hu)群體(ti)的主流路徑與刻畫(hua)用戶(hu)瀏覽(lan)特征。

怎么用：根據每位用戶在APP或網(wang)站中(zhong)的(de)行為(wei)事件(jian)，分析(xi)用戶在APP或網(wang)站中(zhong)各個模(mo)塊的(de)流轉規律與特點，挖掘用戶的(de)訪(fang)問(wen)或瀏(liu)覽模(mo)式，進而實現(xian)一些特定的(de)業務用途。

路徑分析主要為解決以下問題：

05 session分析模型

干啥的：對(dui)指(zhi)定(ding)的時間段(duan)內，用戶在網站/H5/小程序/APP上發生的一系列用戶行為的集合進行指(zhi)標分析。

Session 的關鍵點是(shi)：多長時間(jian)內用戶做了什么事。

怎么用：包括(kuo)訪問(wen)次(ci)數、人均(jun)訪問(wen)次(ci)數、總訪問(wen)時長(chang)、單次(ci)訪問(wen)時長(chang)、單次(ci)訪問(wen)深度、跳(tiao)(tiao)出(chu)次(ci)數、跳(tiao)(tiao)出(chu)率、退出(chu)次(ci)數、退出(chu)率、人均(jun)訪問(wen)時長(chang)、總頁(ye)面停留時長(chang)、平均(jun)頁(ye)面停留時長(chang)等。

兩個公式：

06 分布分析模型

干啥的：通過(guo)對質(zhi)量的(de)變動(dong)分布狀態的(de)分析(xi)中發(fa)(fa)現問(wen)題，了解生產工序是(shi)否(fou)正常(chang)，廢品是(shi)否(fou)發(fa)(fa)生等情況。其工具是(shi)直方圖，故又稱(cheng)直方圖法(fa)。

怎么用：提(ti)供「維(wei)度(du)指標化」之(zhi)后進(jin)行數據分解，將(jiang)原有維(wei)度(du)按照一定的數值區間進(jin)行維(wei)度(du)劃分，進(jin)而分析(xi)每個維(wei)度(du)區間的分布情況。

舉個例子：

把特別依賴的用(yong)戶(hu)(hu)單獨(du)篩選出(chu)來，建(jian)一(yi)個用(yong)戶(hu)(hu)運(yun)營(ying)的專項(xiang)項(xiang)目，去運(yun)營(ying)用(yong)戶(hu)(hu)。也可以(yi)把那(nei)些付(fu)款金額(e)大的用(yong)戶(hu)(hu)，去做一(yi)些運(yun)營(ying)活(huo)動。

下圖就可以看出人數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生，其功勞應該如何合理的分配給哪些渠道。

怎么用：衡量和評估站內的用戶觸點對總體轉(zhuan)(zhuan)化(hua)目標(biao)達(da)成所做出的貢獻(xian)，可(ke)以非(fei)常直接的量化(hua)每(mei)個運營(ying)位(wei)和觸點的轉(zhuan)(zhuan)化(hua)效果(guo)和價值貢獻(xian)。

舉個例子：

小陳同學在手機上看到了朋友圈廣告發布了最新的蘋果手機，午休的時候刷抖音看到了有網紅在評測評，下班在地鐵上刷朋友圈的時候發現已經有小伙伴收到手機在曬圖了，于是喝了一杯江小白壯壯膽回家跟老婆申請經費，最后老婆批準了讓他去京東買，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了多少價值？