比较实用的大数据分析模型有哪些？花这么多钱做营销，营销效果达到了吗？什么样的功能才能真正触达用户？互联网民工数据分析是必备技能。学习数据分析，既要会Excel、Python等工具，又要有数据分析的思维。分享一个实用的大数据分析模型，助您高效完成数据分析。

　　一、事件分析

　　What to do：研究某一行为事件的发生对企业组织价值的影响以及影响的程度。

　　使用方法：跟踪或记录用户行为或业务流程，如用户注册、浏览产品详情页、投资成功、提现等，通过研究所有因素，探究用户行为事件背后的原因、交互效果等与事件相关联。

　　应用场景示例：

　　问：运营商发现某天某频道PV数据异常偏高，需要排查原因？它分为以下几个步骤：

　　定义事件：将事件定义为PV值，通过过滤条件限制通道。

　　多维度下钻分析：根据日期、地理位置、型号、操作系统、IP等不同维度分析PV值。

　　多维度展示结果，并给出PV数据的解释。是虚假流量吗?(都来自某个IP)，而且价值高得离谱?(数据在某一天上升)。

　　二、留存分析模型

　　它的作用：分析用户参与度/活动，以查看有多少执行初始操作的用户会跟进。这是衡量产品对用户价值的重要方式。

　　使用方法：留存分析有N天留存、无界留存、括号留存三种。

　　应用场景示例：

　　问：最近有很多新客户。我想看看用户留存率如何?可以分为以下几个步骤：

　　根据新用户注册/下载时间进行同期分组(月/周/日)。

　　观察用户投资的 7 天保留、14 天保留或 30 天保留(可选)。

　　比较不同的同类群组以了解保留率每天如何变化。

　　三、漏斗分析模型

　　作用：反映用户从开始到结束每个阶段的行为状态和用户转化率。

　　使用方法：通过观察不同属性用户群各环节的转化率，比较各流程步骤转化率的差异，了解转化率最高的用户群，分析漏斗的合理性，以及对异常转化率进行调整。

　　典型场景示例：

　　问题：销售人员想了解从需求发现到赢得订单的各个环节的转化情况?您可以参考以下步骤：

　　从需求发现环节出发，根据需求设计销售漏斗图

　　根据销售漏斗的各个环节进行跟进和数据录入

　　自动生产数据分析表，观察客户各阶段转化率

　　四、路径分析模型

　　作用：一类互联网产品特有的数据分析方法，提高产品核心模块到达率，提取特定用户群体的主流路径，刻画用户浏览特征。

　　使用方法：根据每个用户在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通规律和特征，挖掘出用户的访问或浏览方式，进而实现一些特定的商业目的。

　　路径分析主要解决以下问题：

　　用户最终从哪条路径形成支付转化？

　　用户离开预期路径后，实际的方向是什么？

　　不同特征的用户行为路径有何差异？

　　五、session分析模型

　　作用：对指定时间段内在网站/H5/小程序/APP上发生的用户行为集合进行指标分析。

　　Session的关键点是：用户在很长一段时间内做了什么。

　　使用方法：包括访问次数、平均访问次数、总访问时长、单次访问时长、单次访问深度、跳出次数、跳出率、退出次数、退出率、人均访问时长、页面总停留时长, 平均页面停留时间等。

　　两个公式：

　　平均访问时间=所有用户的会话市场之和/会话数

　　平均交互深度=会话中的事件总和/会话数

　　六、分布分析模型

　　What to do：通过质量变化分布分析，发现问题，了解生产过程是否正常，是否出现废品。它的工具是直方图，所以也叫直方图法。

　　使用方法：提供“维度索引”对数据进行分解，将原始维度按照一定的数值区间进行划分，然后分析每个维度区间的分布情况。

　　例如：

　　单独筛选出对他们特别依赖的用户，建立用户运营专项工程来运营用户。也可以利用那些支付金额大的用户做一些运营活动。

　　下图显示了人数和交易订单的分布：

　　七、归因分析模型

　　What it does：归因分析要解决的问题是广告效果的产生，如何将功劳合理分配给哪些渠道。

　　使用方法：衡量和评估站点内用户接触点对整体转化目标达成的贡献，可以直接量化每个操作位置和接触点的转化效果和价值贡献。

　　【免责声明】本文部分系转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与联系我们，我们会予以更改或删除相关文章，以保证您的权益！此页面下方声明无效！