1、用戶模型

“不僅要知道用戶當下在想什麼，更要知道用戶背後在想什麼，以及用戶正在經歷着什麼。”

為了節省時間，降低風險，產品團隊往往儘快將產品推向用戶，快速試錯，在這種場景下如何構造用戶模型？

1）首先，整理和收集已經獲得的任何可認知用戶的經驗和數據，將這些信息映射成為用戶的描述信息（屬性）或用戶的行為信息，並存儲起來形成用戶檔案

2）實時關注自身數據的波動，及時採取行動

3）記錄用戶的行為數據而不是單純地為用戶打標籤

4）360°覆蓋用戶全生命周期的用戶檔案

用戶的每一步成長都通過行為記錄下來，基於用戶所在生命周期的不同階段，針對新用戶、流失用戶、活躍用戶、沉默用戶分別採取有針對性的拉新、轉化、留存等運營策略。

2、事件模型

1）事件是什麼

就是用戶在產品上的行為，它是用戶行為的一個專業描述，用戶在產品上的所有獲得的程序反饋都可以抽象為事件，由開發人員通過埋點進行採集，通俗講就是：將一段代碼放入對應的頁面/按鈕，用戶進入頁面/點擊按鈕的本質是在加載背後的代碼，同時再加載事件採集代碼，這樣就被SDK所記錄下來了。（利用百度統計加入代碼採集用戶下載成功和失敗事件）

2）事件的採集

事件：用戶在產品上的行為
屬性：描述事件的維度
值：屬性的內容
採集時機:用戶點擊（click）、網頁加載完成、服務器判斷返回等。在設計埋點需求文檔時，採集時機的說明尤為重要，也是保證數據準確性的核心。

舉個例子，在採集過程中如果沒有明確時機，當用戶點擊了註冊按鈕，由於用戶輸入了錯誤的註冊信息實際沒有註冊成功，可能仍然會進行記錄，這樣在統計註冊成功事件的時候就不是準確的。而正確的採集時機描述應該是“服務器返回註冊成功的判斷”。（日本官網採集的就是返回激活成功或者失敗頁面）

3）事件的分析人數

某一事件（行為）有多少人觸發了次數：某一事件（行為）觸發了多少次人均次數：某一事件（行為）平均觸發多少次活躍比：在一個時間區間內，觸發某一事件的人數占當前時間段內所有活躍人數的比

4）事件的管理

當事件很多時，可以對事件進行分門別類地管理。同時，可以從產品業務角度將重要的用戶行為標註出來，以便可以在分析時方便、快捷地查找常用、重要的事件。

3、漏斗模型

漏斗模型幫助你分析一個多步驟過程中每一步的轉化與流失情況。

舉例來說，用戶下載產品的完整流程可能包含以下步驟：

展示–>點擊–>下載–>安裝–>體驗

我們可以將如上流程設置為一個漏斗，分析整體的轉化情況，以及每一步具體的轉化率和轉化中位時間

4、熱圖分析模型

反映用戶在網頁上的關注點在哪裡，尤其對於官網首頁來說，信息密度極高，用戶究竟是如何點擊，如何瀏覽的效果圖

按計算維度劃分，熱圖可以分為點擊熱圖和瀏覽熱圖。

1. 點擊熱圖：追蹤的是鼠標的點擊情況，進行人數、次數統計並基於百分比進行熱力分布，點擊熱圖又分為兩種，一種是鼠標的所有點擊，一種是頁面可點擊元素的點擊。前者可以追蹤頁面上所有可點擊和不可點擊位置的被點擊情況，後者只追蹤頁面上可點擊元素的點擊情況。

2. 瀏覽熱圖（也稱注意力熱圖）記錄的是用戶在不同頁面或同一頁面不同位置停留時間的百分比計算，基於停留時長。

5、留存分析模型

留存定義和公式

1. 定義：滿足某個條件的用戶，在某個時間點有沒有進行回訪行為

2. 公式：若滿足某個條件的用戶數為n，在某個時間點進行回訪行為的用戶數為m，

那麼該時間點的留存率就是(m/n)N-day留存，即第幾日留存，只計算第N天完成回訪行為的用戶Unbounded留存（N天內留存），留存會累計計算N天內所有完成過回訪行為的用戶。-Bracket留存（自定義觀察期留存）N-day留存和Unbounded留存都是按照獨立的天/周/月為觀察單位計算，但有時候我們不希望受限於這種固定時間度量，我們希望劃分為幾個觀察期第一個觀察期：
次日
第二個觀察期：第3日-第7日
第三個觀察期：第8日-第14日
第四個觀察期：第15日到第30日

3. 自定義留存

上述三種留存方式，都是對時間的限定，對留存的定義都是用戶打開了APP或進入了網站

自定義留存是基於業務場景下的留存情況，比如閱讀類產品會把看過至少一篇文章的用戶定義為真正的留存用戶，電商類產品會把至少查看過一次商品詳情定義為有效留存初始行為：初始與回訪是相對的概念。

4. 回訪行為：與初始行為的設定是並且關係。用戶的初始行為可以理解為上一次行為，回訪行為即理解為下一次行為。對初始行為和回訪行為的設定本質上是在進一步篩選用戶群。