一、常見使用者行為分析模型
在資料分析的大架構下，通過對使用者行為監測獲得的資料進行分析研究的行為歸結于使用者行為分析。使用者行為分析可以讓産品更加詳細、清楚地了解使用者的行為習慣，進而找出網站、app、推廣管道等産品存在的問題，有助于産品發掘高轉化率頁面，讓産品的營銷更加精準、有效，提高業務轉化率。 使用者分析是使用者中心的設計流程中的第一步。是一種了解使用者，将他們的目标、需求與商業宗旨相比對的理想方法，可以幫助企業定義産品的目标使用者群。在使用者行為領域，資料的使用及挖掘是非常重要的，通過資料分析方法的科學應用，經過理論推導，能夠相對完整地揭示使用者行為的内在規律，基于此幫助産品實作多元交叉分析。針對使用者行為分析，通常分為如下幾個方法：1.行為事件分析2.頁面點選分析3.使用者行為路徑分析4.漏鬥模型分析5.使用者健康度分析6.使用者畫像分析
二、常見分析模型的作用與應用場景
1、行為事件分析
1)作用：行為事件分析方法主要用于研究某行為事件的發生對産品的影響以及影響程度。
2)應用場景：針對某一具體行為，進行深度下鑽分析，分析次元全面細緻，确認導緻該行為的原因;或針對某一結果現象，回溯可能造成此現象的行為是什麼。例如檢視功能子產品的滲透率，回溯點選該功能和不點選該功能的使用者有什麼行為差别。
3)涉及的資料名額：每個産品根據産品特性，會有不同的行為事件和篩選次元，但基本涵蓋了該業務所需要的所有資料名額次元，進行前期資料規劃中，需要對可分析事件進行全量資料埋點。後期平台營運過程中，将依賴于前期的資料采集規劃。
4)圖例：
2、頁面點選分析
1)作用：點選分析被應用于顯示頁面區域中不同元素點選密度的圖示，可以：
1.精準評估使用者與産品互動背後的深層關系
2.實作産品的跳轉路徑分析，完成産品頁面之間的深層次的關系需求挖掘
3.與其他分析模型配合，全面視角探索資料價值
4.直覺的對比和分析使用者在頁面的聚焦度、頁面浏覽次數和人數以及頁面内各個可點選元素的百分比。
2)應用場景：通常用于首頁、活動頁、産品詳情頁等存在複雜互動邏輯的頁面分析。一般分為可視化熱力圖、固定埋點兩種形式。
3)涉及的資料名額：
1. 浏覽次數(PV)：該頁面被浏覽的次數。
2. 浏覽人數(UV)：該頁面被浏覽的人數。
3. 頁面内點選次數：該頁面内所有可點選元素的總次數。
4. 頁面内點選人數：該頁面内所有可點選元素的總人數。
5. 點選人數占比：頁面内點選人數/浏覽人數。
4)圖例：
頁面點選熱力圖
滑鼠滑動熱力圖
頁面點選統計圖
3、使用者行為路徑分析
1)作用：明确使用者現存路徑有哪些，發現路徑問題，或優化使用者行為沿着最優通路路徑前進，結合業務場景需求進行前端布局調整
2)應用場景：确定産品使用者從通路到轉化/流失都經過了哪些流程，轉化使用者與流失使用者是否有行為差別，以及使用者行為路徑是否符合預期
3)涉及的資料名額：全鍊路頁面級PV、UV，以及路徑流轉關系
4)圖例：
4、漏鬥模型分析
1)作用：從一個事件環節的最開始到最終轉化成購買的整個流程中的一個個子環節，相鄰環節的轉化率表現力。就是指用資料名額來量化每一個步驟的表現。(流量漏鬥模型在産品中的經典運用是AARRR模型，不過現在已經流行更新的RARRA模型)
2)應用場景：衡量每一個轉化步驟的轉化率，通過異常資料名額找出有問題的環節并解決，最終提升整體購買轉化率
3)涉及的資料名額：轉化周期(每層漏鬥的時間的集合)、轉化率(每層漏鬥之間的)
4)圖例：
5、使用者健康度分析
1)作用：使用者健康度是基于使用者行為資料綜合考慮的核心名額，展現産品的營運情況，為産品的發展進行預警。包括三大類型名額：産品基礎名額、流量品質名額、産品營收名額
2)應用場景：更大範圍的業務綜合名額考量，展現完整産品營運情況，預測未來發展
3)涉及的資料名額：
1.産品基礎名額，主要評價産品本身的運作狀态：DAU、PV、UV、新使用者數;
2.流量品質名額，主要評價使用者流量的品質高低：跳出率、人均浏覽次數、人均停留時間、使用者留存率、使用者回訪率;
3. 産品營收名額，主要評價産品的盈利能力與可持續性：使用者支付金額(GMV)、客單價、訂單轉化率;
4)産品營收名額恒等式：
銷售額=訪客數×成交轉化率×客單價
銷售額=曝光次數×點選率×成交轉化率×客單價;
5)圖例：
6、使用者畫像分析
1)作用：根據使用者的屬性、使用者偏好、生活習慣、使用者行為等資訊而抽象出來的标簽化使用者模型。通過高度精煉使用者特征來描述使用者，可以讓人更容易了解使用者，并且可以友善計算機處理
2)應用場景：通過定義使用者畫像，可以幫助産品營運了解使用者，産品設計從為所有人做産品，變成為帶有某些标簽的人群做産品，産品能夠更精細化營運，且設計複雜度降低
3)涉及的資料名額(不限于)：
人口屬性：性别、年齡等人的基本資訊
興趣特征：浏覽内容、收藏内容、閱讀咨詢、購買物品偏好等
位置特征：使用者所處城市、所處居住區域、使用者移動軌迹等
裝置屬性：使用的終端特征等
行為資料：通路時間、浏覽路徑等使用者在網站的行為日志資料
社交資料：使用者社交相關資料
4)使用者标簽庫圖例：