常见的几种用户行为分析模型（一）

一、漏斗分析

1、什么是漏斗分析

用一个简单的例子分析说明：假如有100个人访问了某商品页面，有30人点击了加入购物车，有十个人付款成功了，在这个例子中整个过程分为三步，第一步到第二步的转换率为30%，流失率为70%。第二步到第一步的转换率为33%，流失率为67%。整个过程的转换率紧为10%，流失率为90%。这就是一个典型的漏斗分析模型

2、漏斗分析的应用

通过漏斗分析用户行为路径在每一步的转换和流失，对流失比较多的路径进行细化多维度的分析，找到漏点、弥补漏点，提升转化率。

二、留存分析

1、什么是留存分析

留存分析是一种用来分析用户参与情况/活跃情况的分析模型，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（产品的用户粘性）的重要指标。

2、留存分析的特点以及应用价值

1）、留存率是判断产品价值的最重要的标准，揭示了产品保留用户的能力

2）、宏观上把握用户生命周期长度以及有效定位产品需要改善的地方

3、留存分析与活跃用户百分比的区别

用户活跃度的大小并不能体现产品对用户的粘性，比如产品目前正处于快速增长阶段，很有可能新用户中的用户活跃度会掩盖老用户的活跃度的变化以及老用户的留存情况。而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。

4、留存分析的应用场景

​ 场景一、精准找到游戏行业的玩家“流失点”，提升用户留存及用户活跃度。

​ 场景二、了解新用户的留存

三、行为事件分析

1、什么是行为事件分析

用户行为事件，指的是用户操作产品的一个行为，例如：我们在购物平台购物时有：注册、浏览店铺、加入购物车、立即购买、提交订单等行为事件。事件分析是对用户行为事件的指标进行统计、维度细分、筛选等分析操作。

2、行为事件分析的作用及意义

能够科学揭示出用户个人／群体行为的内部规律，并据此做出理论推导，不断在工作实践中优化商业决策和产品智能。

四、用户分群

1、什么是用户分群

用户分群被分为普通分群和预测分群。普通分群是依据用户的属性特征和行为特征将用户群体进行分类，预测分群是根据用户以往的行为属性特征，运用机器学习算法来预测他们将来会发生某些事件的概率。

2、用户分群的意义

用户分群对推广营销和用户运营最大的意义在于精细化的定位用户群体细分用户需求。用户分群可以通过用户属性组合定义不同用户群体，也可以通过用户群体的行为表现反推用户的属性特征。推广和运营已经从初期发的模糊运营进化到当前基于用户行为甚至是基于预测模型的用户分群。

举例来说，互联网金融产品的用户按照风险投资偏好这一属性分为保守、稳健和激进，按照投资行为可分为已投资和未投资。你可以根据这一属性和行为将满足某种条件的用户群体提取出来，譬如激进型但未投资的这群用户，然后分析这一群体的行为特征从而优化产品促进用户投资，或者根据其浏览的项目页面推荐用户可能会感兴趣的项目。

以后添加其他几种模型