留存分析

决策树分析模型

线性回归模型：用于建立变量之间的线性关系，预测一个连续型变量的值。

逻辑回归模型：用于建立变量之间的逻辑关系，预测一个二分类变量的概率。

决策树模型：通过树状结构进行决策和分类，可以用于预测和分类任务。

随机森林模型：通过同时建立多个决策树，并进行投票或均值处理，提高预测准确性。

支持向量机模型：用于分类和回归任务，通过将数据映射到高维空间，实现更好的分类效果。

聚类模型：用于将数据分组成相似的簇，常见的聚类算法有K-means、层次聚类等。

主成分分析模型：通过降维将高维数据转化为低维数据，保留最重要的特征。

关联规则挖掘模型：用于发现数据集中的关联规则，例如购物篮分析。

深度学习模型：通过多层神经网络进行特征提取和模式识别，常见的深度学习模型包括卷积神经网络（CNN）和循环神经网络（RNN）等。

自然语言处理模型：用于处理文本数据，常见的模型有词袋模型、循环神经网络（RNN）等。

RFM分析

1、波特五力分析模型
2、帕累托分析
3、波士顿矩阵

用户画像分析
月复购分析
AARRR用户运营分析
用户流入流出分析
用户生命周期状态分析
用户粘性分析
需求分析方法-KANO模型
库存周转分析
杜邦分析

漏斗分析模型

来学习了

1.用户分析模型
用户分群，分析用户特征
2.留存分析模型
分析用户参与/活动程度，看多少用户有后续行为
3.漏斗分析模型
观察不同属性的用户群体各个环节的转化率
4.全行为途径剖析模型
依据用户在APP或网站上的行为，剖析用户在APP或网站中各个模块的流通规律
5.事件分析模型
研究行为事件的发生对企业的价值。
6.session分析模型
7.黏性分析模型
8.用户属性分析模型