模型是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式。任何模型都有三个部分组成：目标、变量和关系。
通俗来讲：

  • 目标：这个模型是干嘛用的，要解决什么问题。
  • 变量：自变量、因变量、中介变量，总之就是，明确变量，改变变量，即可直接呈现结果，实现目标。
  • 关系：可以理解为对目标和变量进行组织。
    下面介绍常用的八种基础分析模型，可能大家也都了解。而且这些模型，其实也在不断的优化，并且又有了一些新特性，比如用户分群模型中的“新增后”、事件模型中的“活跃比”

用户模型

“用户”是以人为中心的数据分析平台的最小单元，对单个用户画像构建越完整，数据多维交叉的分析能力才能凸显。

事件模型

用户在产品上的行为（所有代码的交互）都是会被记录的，怎样标记是事件模型的核心，它是漏斗模型，自定义留存模型，全行为路径分析模型的数据源。

活跃比：某一时间区间内触发某事件的人数占该时间区间内活跃人数的百分比。

漏斗分析模型

漏斗是常用也是最经典的分析模型，在行为数据的漏斗分析中，通常我们以每一步触发的人数为统计口径。漏斗中另一个重要的限定因素是：转化时间的限定。当设定转化时间是一天内，用户只要在一天内先后完成所有事件就是一个成功转化，未触发或是超过时间限定都不会记为一个成功转化。

热图分析模型

热图的目标是能更直观的分析用户在页面上的焦点，不需要定义事件，不需要去对比事件，直接在页面上通过颜色深浅还原用户的聚焦位置并形成对比。
过去：分析全量人群的热力表现。
现在：分析特定人群，群组之间进行对比。

自定义留存分析模型

留存被认为是比较高级的一个指标。无论用户在应用内做了什么，只要打开了应用就是一个留存用户，但不同产品对留存有不同的定义。比如，阅读类产品会把至少看过一篇文章的用户定义为有效留存用户，电商类产品会把至少看过一次“商品详情”的用户定义为有效留存用户，所以有了自定义留存。

粘性分析模型

计算一段时间内，以周，月为单位看用户不同的访问天数所占的百分比。

全行为路径分析模型

用户在产品中的行为其实是个黑盒子，全行为路径是用全局视野看用户的行为轨迹，很多时候你会有意想不到的收获，在可视化的过程中有两个模型，一个是树形图、一个是太阳图。

用户分群模型

用户分群其实是最常做的，但是如何把群组划分这一操作变得更便捷和高效，可以进一步优化了这一模型，也足以满足很多场景下的用户分群需求：

  • 维度：新增于、活跃于、触发过什么行为、用户属性满足什么条件；在基于行为事件筛选人群的时候有一个新的维度，叫：新增后。
  • 时间：绝对时间和相对时间
  • 关系：并且、或者

新增后： 计算用户触发某行为的时间和用户新增的时间，然后定义为“新增后”，比如，你可以快速找到新增后 1 天内就付款、新增后 30 天才付款的用户，背后其实是对用户价值的快速衡量；还可以基于此条件，不断去分群，比如用户完成一次购买是发生在新增后的 7 天，30 天，还是一个月，快速找到用户购买的决策周期。