大数据分析中常见的大数据分析模型有哪些？
需要分析哪些数据？
一.操作模块
从用户的消费过程来看，可以分为引流、转化、消费、留存四个部分。
交通
流量主要体现在引流环节，根据流量结构可分为渠道结构、业务结构和区域结构。渠道结构可以跟踪每个渠道的流量，通过渠道流量的比例来分析每个渠道的质量。业务结构，根据指定的业务，跟踪活动的流量，观察活动前、中、后的流量变化，评估活动效果。
汇率
转化率=预期演员人数/总表演人数。提高转化率意味着更低的成本和更高的利润。最经典的分析模型是漏斗模型。
损失率和保留率
通过各种渠道或活动引流用户，但一段时间后会流失用户。这部分用户是流失的用户，留下来的这部分用户是留存的用户。损失可分为刚性损失、经验损失和竞争损失。虽然流失是不可避免的，但是我们可以根据对流失的分析做出相应的对策来留住用户。关于留存，观察留存规律，定位留存阶段，可以帮助市场活动和定位市场策略，同时也可以比较不同用户和产品的功能留存，分析产品价值，及时对产品进行调整。
再购买率
复购率可分为“用户复购率”和“订单复购率”。通过分析复购率，可以进一步分析用户粘性，帮助发现复购率问题，制定运营策略。同事也可以做一个横向(商品、用户、渠道)的对比分析，细化复购率，帮助定位问题。
第二，销售模块
销售模块有大量的指标，包括同季度环比、完成率、销售排名、重点商品占比、平台占比等等。
第三，商品模块
重要指标分析:包括产品年龄、销售率、缺货率、结构指标、价格体系、相关性分析、滞销分析等。，用于判断商品价值，辅助调整商品策略。
第四，用户模块
关键指标分析:包括新增用户数、增长率、离职率、有效会员比例、留存等。
用户价值分析:根据RFM模型和其他个性化参数，可以对用户进行价值划分，并对各个层次的用户进行进一步分析。
用户画像:根据固有属性、行为属性、交易属性、兴趣爱好等维度，为用户添加标签和权重，设计用户画像，提供精准营销参考。
根据要分析的数据选择分析模型。
首先，用户模型
用户模型是营销策划或业务设计中描述目标用户的一种方法，它往往有多种组合，便于策划人员针对不同的用户进行分析和设定策略。传统的建立用户模型的方法有两种:基于访谈和观察(严谨可靠但耗时)和临时用户模型(基于行业专家或市场调查数据，速度快但不够可靠)。
改进的用户模型构建方法:基于用户行为数据的用户模型
优点:简化传统方式，降低数据分析门槛；使数据分析更加科学、高效、全面，可以直接应用于业务增长，指导运营策略。
方法:
1.整理收集用户的初始认知。
2.群组用户
3.分析用户行为数据
4.推测目标动机
5.采访和验证用户。
6.用户模型的建立和修改
同时，可以将收集到的用户信息映射成用户属性或用户行为信息，并存储形成用户档案；实时关注自己数据的波动，及时进行策略调整。
第二，事件模型
事件模型是用户行为数据分析的第一步，也是分析的核心和基础。其背后的数据结构、收集机会和事件管理是事件模型中的三个主要元素。
什么是事件？
事件是用户在产品上的行为，是对用户行为的专业描述。用户对产品获得的所有程序反馈都可以抽象为事件，由开发者通过埋点收集。例如，当用户单击页面上的按钮时，它就是一个事件。
事件集合
事件-属性-值结构:事件(用户对产品的行为)，属性(描述事件的维度)，值(属性的内容)。
在事件采集过程中，灵活运用事件-属性-值结构，不仅可以最大限度地还原用户的使用场景，还可以大大节省事件数量，提高工作效率。
获取时机:用户点击，网页加载，服务器判断返回。在设计埋点需求文档时，采集时机的解释尤为重要，也是保证数据准确性的核心。
例如:电子商务销售网页的事件集合
事件分析
对事件的分析通常包括四个维度:事件触发人数、次数、人均次数、活跃度比。
事件管理
当事件较多时，对事件进行分组，并对重要事件进行标记，以便分门别类进行管理。同时，可以从产品业务的角度对重要的用户行为进行标记，以便在分析时方便快捷地发现和使用常见的重要事件。
第三，漏斗模型
漏斗模型起源于传统行业的营销业务活动，是一套过程数据分析方法。
主模型框架:通过检测目标流程中的起点(用户入口)来最终完成目标动作。其中经历了每个节点的用户数和留存，来考核每个节点的质量，找到最需要优化的节点。漏斗模型是从起点到终点的用户行为状态和用户转化率的重要分析模型。
四、热图分析——绘制用户行为
热图是记录用户与产品界面交互的最直观的工具。热图分析是通过记录用户的鼠标行为，并以直观的效果呈现出来，帮助用户优化网站的布局。热图分析对于Web和App分析都是非常重要的模型。
在实际使用过程中，经常使用几种比较热图的方法来比较分析多个热图解决问题:
各种热图对比分析，特别是点击热图(触摸热图)、读取热图和停屏热图；
细分人群的热图对比分析，如不同渠道、新老用户、不同时间段、AB测试的热图分析；
不同深度的相互作用反映了不同的热图。比如点击热图和转化热图的对比分析；
动词 （verb的缩写）客户保持分析
留存率的概念在上一篇文章中已经介绍过了。对于产品来说，留存率越高，产品的活跃用户越多，忠诚用户的比例越大，更有利于产品变现能力的提升。
用户自定义留存:基于用户在自身业务场景下的留存，即留存的行为定制化。您可以通过设置初始行为和回访行为来自定义保留行为。
举个例子:抢到票的用户使用Hello * * *享受单车5天留存率
初始行为:抢票
回访行为:用Hello * * *享受骑行。
不及物动词粘度分析
粘性:从用户角度科学评估产品的留存能力。
通过用户粘性分析，我们可以知道用户在一周或者一个月内有多少天在使用你的产品甚至一个功能，进一步分析用户使用产品的习惯。
粘性分析是诸葛io的特色功能之一，包括产品整体粘性、功能粘性、粘性趋势、用户群体对比等。详情请参考/advanced/sticky . html。
七、整体行为路径分析
全行为路径分析是互联网产品特有的一种数据分析方法。它主要是根据用户的行为事件，分析用户在一个App或网站的各个模块中的流转规律和特征，挖掘用户的访问或浏览模式，从而达到一些特定的商业目的，比如提高App核心模块的到达率，提取特定用户群体的主流路径，刻画浏览特征，优化App产品的设计等。
在可视化过程中通常使用两种完整的行为路径模型:
树形图:树形结构反映了用户的行为路径。
太阳图:一个环形图，反映了用户的行为路径。
上图中，每个圆环代表用户的一步，不同的颜色代表不同的行为。同环色比例越大，用户在当前步骤的行为越统一，环越长，用户的行为路径越长。
八、用户聚类模型
用户分组就是用户信息标注。将属性相同的用户按照其历史行为路径、行为特征、偏好等属性划分为一组，进行后续分析。
基于用户行为数据的聚类模型:当我们回归到行为数据本身时，会发现对用户的洞察可以更加细致和可追溯，通过记录历史行为可以更快的找到我们想要的人。
四个用户组的维度:
用户属性:年龄、性别、城市、浏览器版本、系统版本、操作版本、渠道来源等。
活跃于:通过设置活跃时间，查找指定间隔内的活跃用户；
做过/没做过:通过用户是否做某个行为来分析用户与产品交互的“亲密度”；
新增:通过设置时间段，精准筛选出新增用户的时间范围；
如何提高产品销量是一个综合问题，需要结合各种模型进行分析。以上内容是一些知识的总结，希望对你有所帮助。