在从事数据分析行业中，我们很多从业者都知道数据分析的十大模型，但是对于初学者来说，数据分析模型是一个比较陌生的事物，下面我将从概念入手帮助大家了解数据分析的基础，希望能给正在探索数据分析的你带来一些帮助。

（ 一 ）事件分析

1. 事件分析概述

从广义来说，事件就是事情要素的集合，且伴随时间概念产生一个时间段的事情，可能是历史发生、正在发生或未来预测发生的事情。

2. 事件分析应用

我们在数据分析的实际操控中，主要是以人为核心去梳理相关事件之间的关系。比如我们对目标用户群体进行分析，那么就可以延展到衣食住行的行为分析，在此基础上我们还可以分析人的轨迹，人的物品，还有人的社会关系等，在这个过程中人即成为了数据分析的起点。

在此我们得出了事件分析的三大要素：时间、地点、事物主体。

（ 二 ）漏斗分析

1. 漏斗分析概述

漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。漏斗分析模型已经广泛应用于用户行为分析和APP数据分析的流量监控、产品目标转化等日常数据运营与数据分析的工作中。

2. 漏斗分析应用

我们常常使用漏斗分析来分析用户的行为，比如我们在一款电商APP中对用户进行漏斗分析。当我们分析用户从进入产品到完成消费的过程时，可以大体分为如下几个关键步骤：进入首页、查看商品页、加入购物车、进入支付页面、成功支付。通过分析每个阶段的转化率和流失率，能够直观地发现很多问题，进而找到提升KPI的方法。

（ 三 ）用户路径分析

1. 用户路径分析概述

与漏斗分析模型不同，漏斗分析模型是分析既定的行为转化，如电商产品中用户从浏览产品详情到最终支付每一步的转化率。传统的路径分析，首先需要穷举所有重要的行为路径，根据业务逻辑进行抽象总结，并通过流程图的模式进行可视化。再使用sql计算漏斗间的漏斗关系。

2、用户路径分析应用

在真实的用户路径分析案例中，往往不是一条线路一蹴而就的，用户的路径复杂多样。比如用户可能会有浏览-收藏-添加购物车-下单的路径，也会有浏览-下单的快捷路径。在此基础上，想要对用户进行精细化的分析，就需要选出管件用户的行为，降低归纳难度。

（ 四 ）留存分析

1. 留存分析概述

留存分析是一种用来分析用户参与情况和粘性的分析模型，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。

定义：满足某个条件的用户，在某个时间点有没有进行回访行为。

公式：若满足某个条件的用户数为A，在某个时间点进行回访行为的用户数为B，那么该时间点的留存率就是A/B。

（ 五 ）Session分析

1. Session分析概述

对于APP来说，用户的行为是一次访问，也就是一个Session。如果把我们的产品比作一个超市，那么用户就是一个顾客，他在超市里的一系列行为都可以归纳为一个Session。

分析法是用来分析把用户单点发生的行为串联起来形成一个整体的前提下，Session整体或者Session中某个特定事件的访问特征。常见的指标分为Session整体的次数、人数、时长、深度、跳出率等，以及Session中某个特定事件的次数、人数、时长、退出率等。

以某网站为例，用户在一次访问中，如“新用户每次会停留在页面多久”、“用户每次平均消费了多少钱”、“每个活动吸引用户来我们的活动页多少次”等都需要通过Session分析解决。通过Session分析，我们能获取到用户的整体访问深度、以及某些特殊节点的访问情况，从而去优化我们的运营策略。

在下期中我将接着为大家继续分析剩下的5种数据分析模型，欢迎大家继续关注。