当前位置:   article > 正文

七大数据分析模型详解,做分析不再没思路_数据量化分析模型

数据量化分析模型

7个常见的大数据分析模型:

  1. 事件分析
  2. 留存分析
  3. 漏斗分析
  4. 路径分析
  5. session分析
  6. 分布分析
  7. 归因分析

01 事件分析

干啥的:研究某行为事件的发生对企业组织价值的影响以及影响程度。

怎么用:追踪或记录的用户行为或业务过程,如用户注册、浏览产品详情页、成功投资、提现等,通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。

应用场景举例:

问题:运营人员发现,某渠道某天的PV数据异常高,需要排查原因?分为以下步骤:

  1. 定义事件:将事件定义为PV值,通过筛选条件限定渠道
  2. 多维度下钻分析:将PV值按照日期、地理位置、机型、操作系统、IP等不同维度进行分析
  3. 通过多维度展示结果,给出PV数据的解释,是虚假流量?(全部来自某IP),数值异常高?(某天数据上涨)

图源网络侵删

 

02 留存分析模型

干啥的:分析用户参与情况/活跃程度,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。

怎么用:留存分析分三种,N-day留存、unbounded留存、bracket留存。

 应用场景举例:

问题:最近的新增客户很多,想看用户留存的情况如何?可分为以下几个步骤:

  1. 根据新用户注册/下载的时间进行同期分组(月/周/日)
  2. 观察用户发生投资的 7 日留存、14 日留存或 30 日留存(可自由选择)
  3. 比较不同的同期群,观察每天留存率的变化趋势了。

 

03 漏斗分析模型

干啥的: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

怎么用:通过观察不同属性的用户群体各环节转化率,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。

典型场景举例:

问题:销售人员想要了解从需求发现到赢单的各个环节的转化情况?可参考以下步骤:

  1. 从需求发现这一环节开始,按照需求设计销售漏斗图
  2. 根据销售漏斗图的各个环节进行跟进和数据录入
  3. 自动生产数据分析表,观测客户各阶段转化率

上图是用简道云做的

 

04 路径分析模型

干啥的:互联网产品特有的一类数据分析方法,提升产品核心模块的到达率、提取出特定用户群体的主流路径与刻画用户浏览特征。

怎么用: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。

路径分析主要为解决以下问题:

  1. 用户主要是从哪条路径最终形成支付转化的?
  2. 用户离开预想的路径后,实际走向是什么?
  3. 不同特征的用户行为路径有什么差异?

 

05 session分析模型

干啥的:对指定的时间段内,用户在网站/H5/小程序/APP上发生的一系列用户行为的集合进行指标分析。

Session 的关键点是:多长时间内用户做了什么事。

怎么用:包括访问次数、人均访问次数、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、总页面停留时长、平均页面停留时长等。

两个公式:

  • 平均访问时长=所有用户的session市场之和/Session数
  • 平均交互深度=session内事件之和/session数

 

06 分布分析模型

干啥的:通过对质量的变动分布状态的分析中发现问题,了解生产工序是否正常,废品是否发生等情况。其工具是直方图,故又称直方图法。

怎么用:提供「维度指标化」之后进行数据分解,将原有维度按照一定的数值区间进行维度划分,进而分析每个维度区间的分布情况。

举个例子:

把特别依赖的用户单独筛选出来,建一个用户运营的专项项目,去运营用户。也可以把那些付款金额大的用户,去做一些运营活动。

下图就可以看出人数和交易客单的分布情况:

 

07 归因分析模型

干啥的:归因分析要解决的问题就是广告效果的产生,其功劳应该如何合理的分配给哪些渠道。

怎么用:衡量和评估站内的用户触点对总体转化目标达成所做出的贡献,可以非常直接的量化每个运营位和触点的转化效果和价值贡献。

举个例子:

小陈同学在手机上看到了朋友圈广告发布了最新的苹果手机,午休的时候刷抖音看到了有网红在评测评,下班在地铁上刷朋友圈的时候发现已经有小伙伴收到手机在晒图了,于是喝了一杯江小白壮壮胆回家跟老婆申请经费,最后老婆批准了让他去京东买,有保障。那么请问,朋友圈广告、抖音、好友朋友圈、京东各个渠道对这次成交分别贡献了多少价值?

 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小蓝xlanll/article/detail/183519
推荐阅读
相关标签
  

闽ICP备14008679号