《8种常见大数据分析模型与8种数据分析模型简介.docx》由会员分享，可在线阅读，更多相关《8种常见大数据分析模型与8种数据分析模型简介.docx（10页珍藏版）》请在第壹文秘上搜索。
1、L留存分析模型Retentionanalynt2018留存分析模型DArAK）CVS一八大数据分析模型（五）CYNTHIA留存分析模型是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。三种留存模型NYay留存（N天留存）UnboUnded 留存（N天内留存）BraCket 留存（自定义观察期留存）NYa溜存，即第几日 留存，这里的“日”可 以是“周”，也可以是 “月”，大家现在普迪 认识的用户留存.TR 魄“N-day”留存了.UnbOunded留存就是我们 常说第N日内留存.H-day 留存是只计算第N
2、天完成 回访行为的用户， UnbOUnded省存会累计计 算N天内所有完成过回访 行为的用户N-dayffl 存和 UnboundedS 存都是按照独立的天/周/ 月为观察单位计算，但有 时候M不希望受限于这 种固定时间度量，我们希 望划分为几个魂察期.2 .漏斗分析模型漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。运营人员可以通过观察不同属性的用户群体(如新注册用户与老客户、不同渠道来源的客户)各环节转化率，各流程步骤转化率的差异对比，了解转化率最高的用户群体，分析漏斗合理性，并针对转化率异常环节进行调整。3 .全行为路径分析Fu
3、llBChUiorPatliAnaIybiSm18全行为路径分析皿2一八大数据分析模型（八）全行为路径分析是互联网产品特有的一类数据分析方法，它主要根据每位用户在APP或网站中的行为事件，分析用户在APP或网站中各个模块的流转规律与特点，挖掘用户的访问或浏览模式，进而实现一些特定的业务用途，如对提升APP核心模块的到达率、提取出特定用户群体的主流路径与刻画用户浏览特征，优化与提升APP的产品设计等。4 .热图分析模型CYNTHIA热图分析模型一八大数据分析模型（七）热图分析模型，其实就是指页面点击分析，与一般热力图不同的是，页面点击分析主要应用于用户行为分析领域，分析用户在网站显示页面（比如官
4、网首页）的点击行为、浏览次数、浏览时长等，以及页面区域中不同元素的点击情况，包括首页各元素点击率、元素聚焦度、页面浏览次数和人数以及页面内各个可点击元素的百分比等等。5 .事件分析模型事件分析模型是针对用户行为的分析模型之一，也是用户行为数据分析的核心和基础。用户在产品上的行为我们定义为事件，它是用户行为的一个专业描述,用户在产品上的所有获得的程序反馈都可以抽象为事件进行采集。在日常工作中，市场、运营、产品根据所关注的事件不同而关注不同的事件指标。在指标洞察分析的过程中，行为事件分析就会起到重要作用。6 .用户分群模型UserClusteringModel2019用户分群模型一八大数据分析模型
5、（四）产品运营一段时间和投方推广一段时间后，随着用户的留存和新增，用户数量越来越多，那么我们就需要对用户进行精细化运营，用户分群能帮助企业更加了解用户，分析用户的属性特征、以及用户的行为特征，可以帮助运营人员更好地对比多个用户群的数据，找到产品问题背后的原因，并有效改进优化方向。用户分析模型一八大数据分析模型（一）也LJ 出山Wrikij7 .用户分析模型用户分析模型是基础的分析模型。使用DataFocus数据分析工具，打通CRM数据、历史数据、业务数据以及第三方数据，通过查看用户数量在注册时间上的变化趋势、查看用户按省份的分布情况等等，丰富用户画像维度。将所有维度分析放到同一个可视化大屏中，
6、通过联动、钻取功能，动态化实时查看数据变动，让用户行为洞察粒度更细致。传统用户模型构建方式用户模型基于对用户的访谈和现察等研究结果建立，严谨可靠但赛时。基于行业专家或市场调查数据对用户的理解建立，快速但容易有偏颇。（跳芝时间,崇源的情况下）临时用户模型8 .黏性分析模型VitCBity AnaIyBis Model2018黏性分析模型Daiafocus八 大据 分 析模）黏性分析是在留存分析的基础上，对一些用户指标进行深化，除了一些常用的留存指标外，黏性分析能够从更多维度了解产品或者某功能黏住用户的能力情况，更全面地了解用户如何使用产品，新增什么样的功能可以提升用户留存下来的欲望，不同用户群体
7、之间存在什么样的差异，不同用户对新增的功能有何看法。黏性分析能帮助更科学全面地评估产品及其功能情况，有针对性地制定留存策略。8个数据分析模型简介大家在工作中是不是经常要做各种分析，但又常常遇到无从下手，抓不住重点，搞不清关键数据的情况。俗话说“工欲善其事，必先利其器。”一个好用的数据分析模型，能给我们提供一种视角和思维框架，从而帮我们理清分析逻辑，提高分析准确性。今天特意为大家整理出了8大常用数据分析模型，帮助大家快速提高数据分析能力。1、AARRR模型AARRR模型又叫海盗模型，这个模型把实现用户增长拆分成了5个指标:获客、激活、留存、收益、传播。分别对应“用户如何找到我们？”、“用户的首次
8、体验如何？”、“用户会回来吗？L“如何赚到更多的钱？L“用户会转介绍，告诉其他人吗？“这五个问题。大家在做用户增长的时候可以通过指标数据问自己对应的问题，找到转化低的环节进行优化。只有找到合适的渠道，在合适的时间，把合适的产品，推给合适的用户，才能实现精准的用户增长。AARRR分析2、转化漏斗模型转化漏斗模型，主要是通过转化率分析整个业务流程中的转化和流失情况。通过转化数据，对每个环节的流失用户再进行精准营销。举个例子：一个手机公司同时在抖音和小红书投放了广告，通过转化漏斗发现小红书带来的最终购买比较低，那么此时就找到了解决问题的抓手，可以就提高小红书渠道的转化去做优化。用户转343、RFM模
9、型RFM模型也是一种实用的客户分析方法，主要是通过对R（最近一次消费时间）、F（最近一段时间内消费频次）以及M（最近一段时间内消费金额）这三个关键指标对客户进行观察和分类，从而得出每类细分用户的价值，根据不同的用户价值去做不同的营销动作。这个模型对于实现精准营销和节约成本有很大作用。RFM将户价值分析4、波士顿矩阵波士顿矩阵主要是通过销售增长率（反映市场引力的指标）和市场占有率（反映企业实力的指标）两个指标来对公司的产品进行四象限分类，得出每一个产品所处的时期和特征，便于确定公司整体产品布局，合理投资。高一 销售增长率问题产品导入期瘦狗产品I明星产品成长期金牛产品导入期或衰退期m成熟期IV低市
10、场份额700 XC20Q00CIOA OCO5、购物篮分析购物篮分析是通过研究用户消费数据，将不同商品进行关联，并挖掘二者之间的联系。举个营销学上经典的“啤酒+尿布”案例，超市在统计数据的时候发现一般买尿布的男性顾客也会买啤酒，因此在尿布购物架的旁边放置了各种啤酒。果然，两者销量都显著提升。可见，购物篮分析能够找出一些被忽略的关联，帮助进行产品组合，增加销售额。6、KANo模型KANO模型和波士顿矩阵有一些类似，都是利用四象限。但前者主要是用来对用户需求分类和排序用的，根据用户需求对用户满意的影响，得出产品性能和用户满意之间的非线性关系，其优先级为必备型期望型兴奋型无差异。比如业务提了8个功能
11、，先做哪一个呢？此时就可以用KANO模型，让业务人员填写满意度问卷，最后将统计结果汇总，得出必备型，也就是痛点功能进行优先满足。02无差异7、ABC分析法ABC分析法的核心思想就是少数项目贡献了大部分价值。通过统计事务对于目标达成的贡献度，进行分类排队，分清重点和一般，从而有区别地确定管理方式。举商品销售的例子来说，男士配饰、运动服饰、儿童服饰、女式皮鞋带来的销售额占总销售额的70%,那这些就属于A类商品，后续可以扩大销售和重点运营。商品销售帕累托分析anmMt591.26万10.06%8、杜邦分析法杜邦分析法是财务分析常用的模型，主要通过对RoE进行分解，从盈利能力、运营能力和偿债能力三个方面去衡量企业经营业绩。此外也可以与公司所处的行业、公司盈利模式结合起来，帮助投资者了解一家公司的核心竞争力是什么。4%m5.wue“加RES
