1樓：牛博
模型其實就是一數學函式對映，從應用層角度來看，會有一些通俗的名字,簡單羅列一下：
一、使用者模型
二、事件模型
三、漏斗模型
四、熱圖分析模型
五、自定義留存分析模型
六、粘性分析
七、全行為路徑分析
八、使用者分群模型
九、 Session 分析
十、 間隔分析
十一、 分布分析
十二、 營銷廣告投放模型
歸根到底，都是根據需求找到乙個高效的對映。大家可以依據上面常見的名字挑一兩個先作簡單了解，然後帶著目的進一步深入，切忌貪多。
2樓：菲爾茲資料分析
基於協同過濾演算法的推薦
協同過濾演算法是一種基於關聯規則的演算法，以購物行為為例。假設有甲和乙兩名使用者，有a、b、c三款產品。如果甲和乙都購買了a和b這兩種產品，我們可以假定甲和乙有近似的購物品味。
當甲購買了產品c而乙還沒有購買c的時候，我們就可以把c也推薦給乙。這是一種典型的user-based情況，就是以user的特性做為一種關聯。
3樓：數數科技
分享幾個常用的統計模型：事件模型、留存模型、漏斗模型、分布模型、路徑分析模型……在資料平台搭建好的基礎上，利用模型來做資料分析就很 easy了。
為了更好解釋以上模型，我以遊戲行業的分析場景舉例。
這是業務上最常用的統計模型，也是最基礎的統計方式。根據統計好的日誌，運營同學只需要簡單的編輯公式，就可以統計各種資料。核心資料這種複雜報表，幾分鐘就可以輕鬆搞定。
不僅如此，我們還可以使用屬性篩選功能，實現更細節的資料分析，比如分析美國facebook使用者在註冊當天的充值情況，只要資料分還能細分，篩選條件就能不斷追加，以滿足更細顆粒度的資料分析。
留存模型也是常用模型之一，分析兩個事件的關聯性。主要適用於以天為單位的資料走勢情況，比如留存、使用者生命價值、某個功能隨天數的參與情況等等。拿最基礎的留存來舉例，我們可以設定初始事件是「Reg」，回訪事件是「Login」，這樣就能看到每天新使用者的留存情況。
不僅我們可以使用篩選功能，還可以使用分組功能，分別檢視每個渠道的留存情況。
如果想對某個使用者群進行下鑽分析，可以通過使用者分群功能，清洗出使用者範圍，進行更深度的分析。比如想分析facebook渠道，次日回來的使用者。使用者群定義中，設定使用者觸發Login事件的天數大於1，且使用者的渠道為facebook即可。
篩選出這批使用者後，在任何模型下，都可以將該人群設定為篩選條件，進行資料分析。
這個模型分析轉化率非常方便，設定每一步行為事件，就可以看到每一步的流失情況。
顧名思義，我們可以看到某資料的分布情況。比如查詢充值使用者周累充分布，來分析使用者充值意願。
這是乙個非常有趣的分析方法，觀測使用者在多個事件之間行為串聯的路徑。比如玩家登入遊戲後的行為順序是什麼，選定好希望分析的事件種類，然後以Login為其路徑起始點，就可以得出想要的結果。
更多可以檢視我們最近分享的乾貨文章 如何搭建遊戲資料分析平台？
4樓：趙素衛
資料分析中， 產品經理經常會用AARRR模型來進行資料分析。著名的《增長黑客》裡面的資料分析基礎，也是以這個模型為基礎的。2A3R理論包括：
獲取（Acquisition）：使用者如何發現（並來到）你的產品？
啟用（Activation）：使用者的第一次使用體驗如何？
留存（Retention）：使用者是否還會回到產品（重複使用）？
收入（Retention）：產品怎樣（通過使用者）賺錢？
傳播（Retention）：使用者是否願意告訴其他使用者？
AARRR使用者運營模型是在海盜理論模型基礎上簡化了，把使用者細分，不同型別的使用者對應的處理方式不同，使用者分為新增、活躍、流失三類，分別對應的業務如下圖：
運營人員需要全面掌握站點、商品、使用者的資訊的同時，更重要的是通過對三者的干預來實現運營目標，不論是增加粉絲、拉公升銷量還是擴大品牌效應。但是有一點需要我們注意的是，我們實際能直接干預的是站點和商品、對使用者我們基本是通過站點和商品來實現的間接影響。
AARRR模型，一般用作使用者運營分析，解決使用者的問題。但是對各種活動來說， 並不能有效的指導活動，活動針對的是商品和體驗，這一點從99click CEPO標準獲客分析模型中可以體現出。
從CEPO標準獲客分析模型可以看出使用者從看到廣告到註冊成功這一流程，經過5個環節，分別對應不同的資料指標，那使用者對站點的而體驗表現在從吸引，興趣、轉化、引導這些，以內容和體驗為主要，因此站點體驗影響了使用者的轉化。根據這些找出問題所在，並進行優化，達到提公升銷量的目的。
5樓：徐美玲
網際網路產品的銷量，主要是電商的轉化分析模型和AARRR模型，前者針對乙個具體使用者的在產品各個環節/里程碑的轉化環節進行診斷，後者針對產品生命週期，進行核心KPI指標的提煉和關鍵目標的拆解，對於精準和精細分析非常有效。
大資料分析和大資料研發的區別？
Rorschach 比較常見的情況下，大資料分析這種強調的是從複雜的資料和關係裡面尋找關係 趨勢等等顯著地統計量來給決策提供資訊支援的。比較強調的能力是公司所在行業的領域知識，資料分析能力，對資料的敏感程度，資料視覺化技術，溝通能力特別是面向非技術職能人員的共同能力。大資料開發人員有一部分是做資料平...
大資料分析使用哪些工具？
shalory 首先要看大資料分析有多少種需求！一般會把資料分析工具分成兩個維度。這兩個維度裡的每乙個層次，其實都對應著不同需求的工具。第一維度 資料儲存層 資料包表層 資料分析層 資料展現層 第二維度 使用者級 部門級 企業級 BI級 比如資料儲存層，就可能需要用到Access2003 Acces...
可以幫我分析一下大資料分析和大資料工程的區別嗎？
九道門聊資料 首先要這兩者的的定義是什麼，工作的內容是什麼？雖然兩者上都會用到程式設計的技術 但是工程師的工作方式在接到乙個專案之後是有標準化的流程，標準化的流程更像是乙個工程。我們在實施工程的時候要將工程細化到每乙個點應該怎麼做，要百分之百的完成這些設計的要求。資料分析師的工作性質和工程師的就不一...