常见用户行为分析模型1

漏斗分析

一、什么是漏斗分析

​ 漏斗分析是一套流程式数据分析，能够科学的反应用户行为状态以及从起点到终点的各个阶段的用户转化率的情况的分析模型。

二、漏斗分析模型的特点与价值

​ 对于一些业务流程相对规范，周期较长、环节较多的流程进行分析，可以直观的发现和说明问题的所在，但是漏斗分析模型也不是之单独的呈现简单的转化率。

​ 1.企业可以监控用户在各个阶段的转化情况，聚焦于最有效的转化路径的同时找到短板优化短板，提高用户的体验。（通过漏斗分析可以快速的定位用户的流失环节，优化缺点，从而提升用户存留率）

​ 2.多维度切分与呈现用户的转化率情况（通过科学的漏斗分析可以展现转化率的趋势曲线，能够帮助企业精细的捕捉用户的行为变化，从而异常的定位和策略调整效果的验证有科学的指导意义）

​ 3.不同属性的用户全体的漏斗进行比较，（如新注册用户与老客户、不同渠道来源的客户）通过各个流程步骤转化率对的差异性对比，了解转化率最高的用户群体，分析漏斗的合理性，并且针对转化率异常的环节进行调整

三、科学归因，属性关联重要性

科学归因：

​ 在科学的漏斗分析中，需要科学归因设置。每一次转化节点应根据事件功劳差异（事件对转化的功劳大小）而科学设置，以功劳最大的实际转化事件为准，可以提高漏斗分析的科学性。

属性关联：

在进行漏斗分析时，尤其电商行业的数据分析场景中，运营人员在定义“转化”时，会要求漏斗转化的前后步骤有相同的属性值。比如同一 ID（包括品类 ID、商品 ID）才能作为转化条件——浏览 iphone6，购买同一款 iphone6 才能被定义为一次转化。因此，“属性关联”的设置功能是科学漏斗分析不可或缺的内容。

存留分析

一、什么是存留分析

​ 留存分析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。

二、为什么做存留分析

​ 如果产品目前处于快速增长阶段，很有可能新用户中的活跃用户数增长掩盖了老用户活跃度的变化。按初始行为时间分组的留存分析可以消除用户增长对用户参与数据带来的影响。

三、存留分析模型的特点与价值

特点： 科学的留存分析模型具有灵活条件配置——根据具体需求筛选初始行为或后续行为的细分维度，针对用户属性筛选合适的分析对象的特点。

1、留存率是判断产品价值最重要的标准，揭示了产品保留用户的能力

​ 留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程。随着统计数字的变化，运营人员可看到不同时期用户的变化情况，从而判断产品对客户的吸引力。

2、宏观上把握用户生命周期长度以及定位产品可改善至之处

​ 通过留存分析，可以查看新功能上线之后，对不同群体的留存是否带来不同效果? 可以判断产品新功能或某活动是否提高了用户的留存率？结合版本更新、市场推广等诸多因素结合，砍掉使用频率低的功能，实现快速迭代验证，制定相应的策略。