分享|运营必备11大数据分析模型，建议收藏

数据运营能力已经被公认为运营人员的加分项甚至是必备技能，其高低也在很 大程度上决定着运营人员的薪资高低和职业生命周期的长短。一方面，它能大幅提 升运营人员的工作效率；另一方面，它能更全面和深入地分析运营工作，从而更好 地辅助策略、指导实践。为了让运营人员能够更好地落地数据运营，各种数据分析 模型应运而生。通过数据分析模型，不仅能降低运营人员的认知成本，还能帮助我 们拨冗化简复杂问题，快速理解客观事物，轻松上手数据分析。

01基础介绍

易观方舟推出《运营必备 11 大数据分析模型》，梳理总结事件分析、 属性分析、渠道分析、Session 分析、留存分析、归因分析、热图分析、分布分析、 漏斗分析、间隔分析、路径分析。这 11 大数据分析模型在不同运营场景中有着不 同的作用，已经被广泛应用于数据分析工作。

02事件分析

事件，是指用户在APP、网站等应用上发生的行为，即何人、何时、何地、 通过何种方式、做了什么事情。事件分析模型主要用于分析用户在应用上的行为， 例如，打开APP、注册、登录、支付订单。通过触发用户数、触发次数、访问时 长等基础指标度量用户行为，同时也可进行指标运算，构建复杂的指标衡量业务 过程。具体而言，事件分析模型能够解决以下示例问题：

• 监测产品每天的用户数、访问次数、使用时长，趋势是否发生了变化？引 起变化的因素有哪些？

• 北京地区的用户和上海地区的用户，购买家电品类的金额分布差异在哪里？

• 今天在产品中发起了一个话题，各个时段用户的参与情况如何？

• 最近半年付费用户数和 ARPU（Average Revenue Per Paying User,平均 每付费用户收入）值是多少？

易观方舟智能分析产品的事 件分析模型（见图 1-1），通过选择要分析的关 指标，即可实时监测用户在不同平台的用户行为。

03 Session分析

在使用事件分析模型时，用户事件以“点”的方式呈现，例如，张三在昨天 晚上 10 点注册成为了某外卖平台会员并支付了首单，李四今天早上 8 点在王府井

附近扫开了某共享单车后上报了车辆故障。根据用户行为的实时记录反馈，我们 可以确切地了解用户在什么时间做什么事情。但事实上，有些事件并不能用这些“点”来描述，例如，用户本月平均访问 次数，每次访问时长，平均访问深度。这些问题需要将一个个“点”连成“线”， 再加以分析计算。

Session分析就可以完美解决用户分析中的“线”性难题。Session 即会话，是指在指定的时间段内，用户在网站/H5/小程序/APP 上发 生的一系列用户行为的集合，例如，一次 Session 可以包含多个页面浏览、交互事 件。Session 是具备时间属性的，根据不同的切割规则，可以生成不同时间长度的 Session。

具体而言，以下一系列示例行为可被计算为一个 Session：

• iOS 应用：用户屏熄、Home 键切换到后台、杀掉进程、跨天等视为 Session 结束；

• Android 应用：用户杀掉进程、屏熄、按 Home 键超过 30s、跨天等视为 Session 结束；

• H5/Web 应用：用户从打开网页到离开视为一次 Session，离开包括关闭 整个浏览器、30min 未进行新打开页面或触发事件等行为；如果一次访问跨天， 会被切割为两次 Session。

易观方舟智能分析的 Session 分析模型（见图 4-1），能够按照不同时间粒度， 分析多种度量 Session 访问质量的指标，包括访问次数、人均访问次数、总访问时 长、单次访问时长、单次访问深度、跳出次数、跳出率、退出次数、退出率、人 均访问时长、总页面停留时长、平均页面停留时长。

此外，可以多指标、多维度和多过滤条件，还可以多用户分群之间横向对比。相比事件分析，Session 分析额外新增了一些维度的细分，以满足特定场景下针对 Session 分析的需求，包括：

• 渠道来源分组：用以区分每次访问的渠道来源，仅适用于 Web/H5/小程 序；

• 浏览页面数：以步长 5 为间隔，统计每次浏览页面数的分布情况；

• 着陆页：用以区分每次访问的着陆页，可以评价不同着陆页的访问质量；

• 退出页：用以区分每次访问的退出页，可以评价不同页面的退出情况，找 到退出率高的页面进行优化；

•访问时长：按照0-3secs，3-10secs，10-30secs，30-60secs，1-3mins，3-10mins，10-30mins，30-60mins，1 hour 以上的区间进行划分，统计每次访 问的时长分布。

04 留存分析

留存是指用户在小程序、APP、网站等应用上使用过，并一段时间后仍有使用。留存分析是一种衡量用户健康度或参与度的方法，基于某个用户群体的初始行为 时间计算，描述发生某个行为的同期用户群体，在一段时间后是否发生了期望的 行为。

留存分析能帮助我们深入了解用户的留存和流失状况，发现影响产品可持续 增长的关键因素，指导市场决策和产品改进，并提升用户价值。

具体而言，留存 分析能够解决以下示例问题：

• 上个月做了一次产品迭代，如何评估其效果？是否完成了产品经理期望完 成的行为？

• 作为社交 APP，注册后不添加好友和添加 10 个好友的用户，后续留存有 差异吗？

• 短期留存低，长期留存一定很差吗？

• 两个推广渠道带来不同的用户，哪个渠道的用户更有可能是的高价值用户？

• 近 30 天注册的用户，半个月都没有回访的用户比例是多少？

易观方舟智能分析产品的留存分析模型（见图 5-1），通过自定义初始行为和 后续行为，选定留存用户数/留存数指标即可查看留存情况，并可以对不同维度的 条件过滤，进行多人群对比分析。此外，还可以通过留存分析判断新用户在几天、 几周、几月后，是否愿意回来继续使用你的某个产品或功能。

更多详细模型介绍和使用，VX后台回复“0912运营分析”领取资料。

以上就是今天我今天的分享，感谢大家的宝贵时间，希望能对大家有所帮助。

欢迎关注，访问更多精彩：数据之魅。

如需转载，请联系授权，谢谢合作。