大数据分析中，有哪些常见的大数据分析模型？
要进行一次完整的数据分析，首先要明确数据分析思路：我从哪些方面开展分析，这些方面包含哪些指标？
但实际操作中，我们最常遇到的是——没有思路。
数据分析模型可以很好的解决这个问题，为我们提供清晰有序的分析框架，让我们根据框架中包含的层面，一步步进行分析。
一般来说，产品经理/数据分析师使用频率较高的有两大类：
一、周期/逻辑型框架
AARRR模型
AARRR模型来源于增长黑客，也被称为用户增长模型，目前已是数据分析最基础的模型之一，也被认为是“产品经理必须要掌握的一个数据分析模型”。
AARRR分别对应：获取、激活、留存、变现和传播，根据这五点可以划分出更细分的维度，罗列出影响每一个维度的变量指标，而这些指标就是我们做数据分析的基础指标。
【获取】就是指获取用户线索，从各个渠道的获客数量、获客质量等来评估获取情况，其中涉及到指标有：每日新增、累积新增、启动次数、首次交易户、平均使用时长等；（通过筛选优质渠道，能够让我们在进行推广时取得事半功倍的效果）
【激活】就是指提高用户的活跃程度，激活一般指注册激活、主动活跃、推送活跃、交易活跃等；（通过活跃度指标数据，我们能够很好的了解到用户的体验）
【留存】就是把上面的活跃客户沉淀下来，划归到自己的流量池中，我们可以通过次日、3日、7日、30日留存等指标监控应用的用户流失情况；
【变现】其实就是获取收入，我们可以通过监控成交率等指标进行分析；
【传播】是社交网络时代独有的分析方向，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好；唯一的前提是产品自身要足够好，有很好的口碑。
漏斗模型
漏斗模型之所以称为漏斗，用户从某个功能点进入，会一级一级通过产品设定的购买流程完成操作。
对用户达到各个层级的转化效果进行监控，通过异常的数据指标找出有问题的环节，寻找每个层级的可优化点；对没有按照流程操作的用户，绘制他们的转化路径，找到可提升用户体验，缩短路径的空间。
因此漏斗模型的核心思想可以归为分解和量化。对于各层级的转化率可以通过“趋势、比较、细分”进行分析：
趋势：从时间轴的变化情况进行分析，适用于对某一流程或其中某个步骤进行改进或优化的效果监控；
比较：通过比较类似产品或服务间购买或使用流程的转化率，发现某些产品或应用中存在的问题；
细分：细分来源或不同的客户类型在转化率上的表现，发现一些高质量的来源或客户，通常用于分析网站的广告或推广的效果及ROI。
在很多场景下，会将AARRR和漏斗模型融合使用：
用户行为模型
用户行为指用户为获取到使用产品中的各种行动，衍生于“客户生命周期”的概念。用户对一个新产品，首先要认知熟悉，然后试用，再决定是否继续消费使用，最后成为产品的忠实用户。（用户的行为轨迹：认知→熟悉→试用→使用→忠诚）
根据这个模型可以对用户进行分类：
- 从用户活跃度来看，可以分为僵尸用户、低频用户、活跃用户和深度用户
- 从用户对平台的价值来看，可能分法就变成了种子用户、普通用户、核心用户
- 从用户价值来看，分为无效用户、潜在用户、跟进用户、成单用户
比如想要观测用户活跃度，我们需要从以下指标来构建用户活跃度模型：
- 流失用户：有一段时间没有再打开产品，那么我们就视为流失用户；
- 不活跃用户：有一段时间没有打开产品，为了和流失区分开来，需要选择无交集的时间范围；
- 回流用户：有一段时间没用产品，之后突然回来再次使用，则称为回流用户。回流用户是活跃用户，且是由流失用户/不活跃用户唤回而来；
- 活跃用户：一段时间内打开过产品；
- 忠诚用户：长期持续使用产品。
归因模型
产品形成一次转化，用户可能要经历很多个转化节点，而归因模型就是将转化的功劳根据设定的权重分配给每一个转化节点。在使用过程中通常分为几类：最终互动模型、首次互动模型、线性归因模型、时间衰减归因模型等。
比如，用户在搜索引擎上搜索一个关键词，点进了一个网站之后放弃继续搜索。过了几天又在知乎上看到了这个网站的广告，随后他点击了广告最终完成购买。
那么按照几个归因模型，对于转化动作的归因是这样的：
- 最终互动模型：用户在最后一个节点完成转化，将被分配100%的功劳，那么知乎上的广告获得100%的功劳；
- 首次互动模型：用户首先是在搜索引擎进行关键词搜索的，那么搜索引擎将被分配100%的功劳；
- 线性归因模型：用户从开始搜索到转化，共经历了三个渠道（节点），那么每个节点将被平均分配33.3%的功劳；
- 时间衰退归因模型：用户在搜索和访问了网站是几天之前的事情，那么这两个渠道因为时间经历比较长的原因将被分配较低的功劳（如各20%），知乎将被分配相对较高的功劳（60%）；
当然，实际的业务流程和渠道转化流程不会像描述的这样简单，归因模型的意义在于寻找到真正对于现阶段产品发展有利的渠道，并将优势扩大化。
逻辑树模型
逻辑树，也就是思维导图，将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。它能保证解决问题的过程完整性，将工作细化成便于操作的具体任务，确定各部分优先顺序，明确责任到个人。
逻辑树罗列三原则：
- 要素化：把相同问题总结归纳成要素
- 框架化：将各个要素组成框架，遵守不重不漏原则
- 关联化：框架内的各要素保持必要的相互关系，简单而不孤立
逻辑树模型最大的好处就是可以帮你理清分析的思路，如果没有这种分析，可能你会很乱，一下分析这个，一下分析哪个，很多内容进行了重复的分析，很多没有意义的思考你有去思考的太多，而先做好了逻辑树框架之后，基本上你就能避免这些问题。
但是逻辑树分析也有一个缺点，就是非常依赖于一个人的经验和对业务的专业程度。如果你经验不足，专业能力不强，你很容易漏掉很重要的地方，在之后的分析中可能你就会走偏了。
二、矩阵型框架
5W2H
作为万金油模型，5W2H可以用于生活的方方面面，在数据分析中主要用于用户行为分析、业务问题专题分析、营销活动等。5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much）
以分析用户行为为例：
- Why：用户为什么要买？产品的吸引点在哪里？
- What：用户买的是什么？也就是产品提供的功能是什么？
- Who：购买产品的用户是什么群体？这个群体的特点是什么？
- When：用户的购买频次是多少？
- Where：产品在哪里最受欢迎？在哪个平台卖出去？
- How：用户通过什么方式、渠道购买？
How much：用户购买的成本是多少？
SWOT模型
SWOT分析法也叫态势分析法，S是优势、W是劣势，O是机会、T是威胁或风险。通过SWOT模型，你可以清晰的权衡出利弊得失，从而针对性的采取策略。
：
PEST模型
PEST主要用于行业分析，指政治、经济、社会、技术这四个方面，本质上是通过对环境的把控来进行用户行为分析。
- 政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。
- 社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。
- 技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。
- 经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
4P模型
4P即产品、价格、渠道、推广，可以说企业的一切营销动作都是在围绕着4P理论进行。这种以市场为导向的分析模型，被企业应用最普遍。
- 产品：从市场营销的角度来看，产品是指能够提供给市场，被人们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。
- 价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个：需求、成本与竞争。
- 渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。
- 促销：是指企业以短期的销售行为（比如买一送一）促成消费的增长。
波特五力模型
波特五力模型是企业制定竞争战略时常用的战略分析工具，战略的分析和制定听起来离我们的生活很遥远，但实际上新开一家门店、开发一个新产品，都可以用到这个模型。
五种力量模型确定了竞争的五种主要来源，即供应商的讨价还价能力、购买者的讨价还价能力、潜在进入者的威胁、替代品的威胁、来自同行的竞争。
- 供应商的讨价还价能力：供方主要通过其提高投入要素价格与降低单位价值质量的能力，来影响行业中现有企业的盈利能力与产品竞争力。
- 购买者的讨价还价能力：购买者主要通过其压价与要求提供较高的产品或服务质量的能力，来影响行业中现有企业的盈利能力。
- 新进入者的威胁：新进入者可能会与现有企业发生原材料与市场份额的竞争，最终导致行业中现有企业盈利水平降低，危及现有企业的生存。
- 替代品的威胁：同行业或不同行业中的企业生产的产品互为替代品，它们之间就产生相互竞争行为，替代品之间的竞争会以各种形式影响行业中现有企业的竞争战略及市场份额。
- 同行企业间竞争威胁：现有企业之间的竞争常常表现在价格、广告、产品介绍、售后服务等方面，其竞争强度与许多因素有关。
总的来说，数据分析模型的作用很明显，可以帮助我们：
- 理顺分析思路，确保数据分析结构体系化
- 把问题分解成相关联的部分，并显示他们的关系
- 为后续数据分析的开展指引方向
- 确保分析结果的有效性和正确性
但大家对于模型，不要死记硬背，只要对它们有个大概了解（适用于什么状况下），当你遇到某个场景/某个问题，可以立马想到“我可以用这个模型分析一下”。这样你就可以针对性地掌握分析模型，从而更好的运用到业务中去。
