数据分析模型主要有,数据分析常用模型

例如，我在以前认识的地方看到有人问：

1、漏斗，统计人数吗？ 还是次数？

2、如何建立漏斗模型？ 要列出浏览交易完成的各步骤吗？

3、有什么分析场景？

今天我们一起捋一捋常见的数据分析方法——漏斗分析模型，同时逐一回答上述问题。

一、什么是漏斗分析模型

漏斗分析模型，简单地说，就是将产品中的一个过程抽象化，观察过程中各个步骤的变换和流失。

例如，教育培训类产品的用户从首页到最终完成支付的行为，往往需要搜索课程，了解课程详情，点击购买，及时支付，支付成功。 我们需要在每个转换级别监控按照流程操作的用户，并找到每个级别的可优化点。 为不遵循流程的用户创建转换路径，以提高用户体验并找到缩短路径的空间。

现在回答文章的第一个问题，漏斗分析通常是按人数统计的，为什么不按次数统计呢？ 请看一个例子。

假设某个漏斗的型号为ABCD，则用户ABCD () a是用户访问课程详细页面的次数，b是点击购买的次数，即此人重复添加到支付页面的次数

按人数统计是基于次数叠加后的时间序列的统计。 只要一个用户做过a到b的转换，无论做多少次，都是从a到b的转换。 当然，这里有非常重要的限定。 限定转换周期。 1天、2天、会话(即用户从A到B发生的时间周期)记录为一次转换，只要他在一个小时周期内从A到B完成转换。

那么，作为统计有使用次数吗？ 例如，我们可能会分析新课程上线，有多少人看，有多少人点击购买，有多少人购买。 你可能也会看。 这个路线一共看了几次？ 平均一个人看了几次？ 然后评估漏斗转化率。你可能也会去看那些成功支付的人。 你一共看了几次？ 平均一个人看了几次？

综上所述，漏斗以人数为统计口径，包括三种转换时间(同一天内/同一个对话内/自定义天数内)的限定，次数用于特定场景的分析。

二、漏斗模型中的新特性

现在，许多产品经理、运营和营销人员仍在通过excel计算自己业务流程的漏斗转化率。 例如，浏览-客户支持咨询-预订试听-支付课程和搜索课程-点击支付-完成交易需要通过不同漏斗的表格进行统计。 流程不仅繁琐，而且是简单的数据汇总，所以在哪个阶段用户流失严重，提高业务指标需要——

在追求运营精细化的道路上，企业对转轨流失分析提出了更高的需求，理想的漏斗模型需要具有一些新的特性。

1、操作简单：可视化操作

传统的漏斗模型需要excel的辅助，需要为每个转换路径手动输入可能的事件，同时需要日常维护和实时同步更新，另一方面效率低下，数据统计和表的使用有一定的阈值； 另一方面，在竞争激励的市场环境中，由于统计数据的延迟，很可能导致业务上的损失。

诸葛io在线教育demo数据的制作漏斗

新的漏斗模式打破了技术门槛，使业务人员能够通过可视化漏斗操作，快速直观地查看转换情况。

2、不仅仅是统计，数字背后的人

统计不是目的，最重要的是指导业务增长，运营的核心任务之一是提高转化率。 在一些行业，这种转化率可能是注册转化率、绑定卡转化率、预约试听转化率、首次投资转化率、付费转化率等，提高转化率的手段除了最短转化路径、优化各节点的用户体验外，还有运营人员从各个环节流失例如，看看如何在漏斗模型中提高转化率。 提高注册转化率时，根据下图漏斗的模型

诸葛io在线教育demo数据

发送手机验证码-我们发现有24人从完成注册这一步骤中流失。 完全可以避免这部分的流出。 只要找出用户为什么完成了发送验证码的行为，如果还没有完成注册，就可以以非常高的概率召回这些用户。 单击转换详细信息可以查看每个流失用户的用户配置文件。

诸葛io在线教育demo数据的用户配置文件

根据用户个人资料，一方面可以直接接触不同用户各自的流失原因。 例如，发送邮件或通过电话直接交流。 另一方面，也可以快速确定上图所示的“服务器忙”等原因，可以将原因反馈到相关技术部门进行处理，修复故障。

三、如何构建漏斗模型

用户通常不按照开发人员的“计划”使用产品。 在做布朗运动的话，甚至会感叹。 cqdjqm还有一个工具——太阳图，可以帮助用户在不知道通过哪个路径最终达到核心行为的情况下，当cqdjqm为漏斗模型的构建而烦恼时，构建漏斗模型。

用户行为路径的太阳图

为了更全面地了解“用户如何使用产品”，太阳图将所有用户的所有行为路径在一张图中直观清晰地展现出来。 圆弧层数越多，表示用户的行动轨迹越长。 圆弧越大，越说

此外，通过太阳图（点我，了解更多），你更有可能发现那些被你忽略的用户行为路径，因为并不是所有用户都会按照咱们期待的核心路径使用产品，那些“误入歧途”的用户行为在太阳图中将一览无遗，此时，你只需快速建立漏斗分析原因，找到运营策略。

通过产品每一个设计步骤的数据反馈得出产品的运行情况，然后通过各阶段的具体分析改善产品的设计，提升产品的用户体验，这就是漏斗模型的核心价值。漏斗分析，仅仅是帮助我们分析问题的工具，重要的是要培养数据分析的思想：通过精细化的拆分，从宏观的视角，将复杂的事件分析拆分为独立的归因分析。

漏斗分析到这里就结束了，下一篇是热图分析模型，zrdbb将继续解读如何改善用户体验，提升转化，帮你更好地运用数据驱动产品运营。

转载于:https://my.oschina.net/u/3371661/blog/3073188