[[173702]]

如今的互聯(lián)網(wǎng)與四年前***的差異在于：流量紅利消失殆盡，互聯(lián)網(wǎng)進入存量時代。

流量時代，獲取流量是相對容易的。企業(yè)關(guān)注的是如何找到更優(yōu)質(zhì)的渠道，通過獲取大量的流量來快速變現(xiàn)。通過新增、活躍、留存可能就能判斷一個產(chǎn)品的好壞，因此基本的統(tǒng)計工具(Umeng、Talking Data 等)就能夠滿足需求。

存量時代，產(chǎn)品結(jié)構(gòu)更加多樣化，每個產(chǎn)品都需要***的指標(biāo)來衡量產(chǎn)品是否成功。并且獲取流量的成本高，對于企業(yè)而言就需要提升流量的轉(zhuǎn)化效率，***化用戶價值。因此，僅考察用戶整體的統(tǒng)計數(shù)據(jù)是不夠的，還需要精細(xì)化的統(tǒng)計分析用戶行為。為了實現(xiàn)這一點，數(shù)據(jù)統(tǒng)計工具需要支持以下兩點特性：

1. 更全面的數(shù)據(jù)模型

2. 常用的分析功能

一. 支持更全面的數(shù)據(jù)模型

傳統(tǒng)的頁面訪問模型(PV Model)只記錄了訪問事件或者用戶，并不能建立事件和用戶之間的關(guān)系，所以，對于更深入的問題無法給予清晰的解答。例如，我們想了解什么樣的用戶更容易留存，或者購買衛(wèi)生紙和 iPhone 7 的用戶有什么差別等等，這些問題是頁面訪問模型無法支持的。

因此，目前大多數(shù)精細(xì)化的數(shù)據(jù)統(tǒng)計工具，以事件模型(Event Model)代替了頁面訪問模型。事件模型能夠記錄更多的信息，簡單來說，事件描述了一個用戶在某個時間，在特定環(huán)境下，完成了特定的操作。

一個完整的事件包含以下關(guān)鍵因素：

1. Who：用戶是誰;

2. When：什么時間發(fā)生;

3. Where：用戶所處環(huán)境，包括地點、使用設(shè)備、系統(tǒng)版本 等等;

4. What：描述事件的具體內(nèi)容。通常，描述內(nèi)容是支持自定義的，比如對于播放 音樂，我們需要了解音樂名、時長、類型等等;對于購買操作，我們可能需要了解金額、付款方式等等。

事件模型能幫助我們在后續(xù)的分析中理解事件的含義，建立事件與用戶間的關(guān)系。

二. 支持常用的分析功能

事件模型僅滿足了統(tǒng)計方面的需求，在分析過程中我們還需要一些分析功能的支持：

1)漏斗分析：

幫助分析一系列步驟的轉(zhuǎn)化與流失情況。

例如，用戶購買商品的完整流程可能包含以下步驟：

1. 瀏覽商品

2. 添加商品到購物車

3. 結(jié)算購物車中的商品

4. 選擇送貨地址、支付方式

5. 點擊付款

6. 完成付款

漏斗分析能計算每一步的轉(zhuǎn)化率，幫助分析哪個環(huán)節(jié)的轉(zhuǎn)化率不夠高，流失的用戶具備什么特征等。

2)用戶行為細(xì)查：

展示每個用戶的具體行為，可以用來挖掘統(tǒng)計數(shù)據(jù)背后的用戶行為。

比如，在購買流程的例子中，發(fā)現(xiàn) 瀏覽商品 – 添加商品到購物車 這一步行為的轉(zhuǎn)化率較低，就可以考察流失用戶的具體行為。如果發(fā)現(xiàn)用戶在連續(xù)的瀏覽商品而沒有購買，說明用戶可能沒有找到滿意的商品。或者發(fā)現(xiàn)用戶在購買頁面上常點擊某個功能的按鈕，而不是購買按鈕，說明購買按鈕可能不夠突出，用戶容易轉(zhuǎn)移注意力。

3)用戶分組

根據(jù)用戶的行為特征或者屬性對用戶進行分組對比，了解不同用戶組指標(biāo)間有差異的原因。一般可以將分組對比運用于漏斗分析、留存分析等場景。

用戶分組的一個常用場景是：將導(dǎo)致不同用戶組間指標(biāo)差異的要素復(fù)制到目標(biāo)人群中，來提升目標(biāo)人群的某些指標(biāo)。

舉個例子：對于社交應(yīng)用，如果通過分組對比，可能會發(fā)現(xiàn)關(guān)注熟人更多的新用戶留存率高于沒有關(guān)注的新用戶，這樣便能推測出添加熟人關(guān)系導(dǎo)入功能可能提升留存率。

除了上面提到的特性，以下兩點也很關(guān)鍵：

1.高效，查詢快捷，跑一個數(shù)據(jù)需要1分鐘以上都是不能忍的;

2.便捷，可視化，能在頁面點擊之間滿足 90% 的分析需求。