数据分析指标

用户画像：用户消费行为分析
①用户标签：它包括了性别、年龄、地域、收入、学历、职业等。这些包括了用户的基础属性。
②消费标签：消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。
③行为标签：时间段、频次、时长、访问路径。这些是通过分析用户行为，来得到他们使用 App 的习惯。
④内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如，金融、娱乐、教育、体育、时尚、科技等。

我们可以从用户生命周期的三个阶段来划分业务价值，包括：获客、粘客和留客。
获客：如何进行拉新，通过更精准的营销获取客户。
粘客：个性化推荐，搜索排序，场景运营等。
留客：流失率预测，分析关键节点降低流失率。

用户画像建模
可以分为数据层、算法层和业务层。你会发现在不同的层，都需要打上不同的标签。
数据层指的是用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录。
算法层指的是透过这些行为算出的用户建模。我们可以打上“模型标签”，作为用户画像的分类标识。
业务层指的是获客、粘客、留客的手段。我们可以打上“预测标签”，作为业务关联的结果。

用户画像标签化流程：

1. 留存率
   次日留存率