数据模型-业务模型

数据分析模型一般有两种，业务模型和算法模型。

业务模型是基于业务角度的思考，从业务指标和业务维度出发，协助梳理和构建业务规则的指标体系。这些方法一般是一类思想或者是方法论，辅助业务更好地理解当前业务现状。不同行业领域应用的业务模型会有差异。这里举例几个常见的业务模型。

AARRR模型分析

AAARR（Aquisition,Activation,Retention,Revenue,Referral）模型是互联网领域常用的分析模型，用来分析用户使用路径和用户流量变化的业务模型。模型将用户分成五个方面进行刻画：
用户获取（Aquisition）： 即新客户使用阶段，新客户的获取的方式包含外部广告投放、明星推荐、活动拉新等方式，通常这里需要考虑的信息有新用户注册数量，不同渠道的注册数量和访问数量，不同渠道留存量和用户活跃度
用户激活（Activation）： 即新用户获取后，开始在应用中活跃起来，此时需要考虑用户活跃数量
用户留存（Retention）：即新用户可以持续在应用中使用，其目的是让用户持续在应用中保持活跃。此时可以考虑用户的流失率、用户转化率
用户变现（Revenue）：即利用用户来产生可观的收入，拉新用户使用应用的目的是为了维持用户增长并提高应用的收入来源。此时需要考虑客单价、营业额等相关指标维度
用户推荐（Referra）：即用户自主推荐应用给身边新用户使用，当做传播的一种方式，当用户转发推荐本应用，说明其对本应用有较高的认可。

RFM分析法

RFM（Recency,Frequency,Monetary）分析法用于用户运营中，进行用户精细化划分分类，从而来考虑针对不同的分类用户，来制定不同的运营策略。对应三个单词的主要含义为：

R（最近一次消费时间间隔）： 即表示最后一次用户付费日期距今的天数，这里如果天数越小，表示用户仍然使用应用，表现出用户对应用有较高的忠诚度；
F（消费频率）： 统计时会考虑加上一个时间区间，在对应的时间期间内，消费频率越高，说明用户的活跃度高，也代表这段时间用户的应用价值很高
M（消费金额）： 统计时也会加上一个时间区间，在对应时间区间内，消费金额越高，说明用户的价值很高

RFM分析法，应用的场景广泛，比较常见的是银行和电信公司，针对高F和高M的用户，一般会是企业重点关注的对象，通常也会提供一些特殊的VIP增值服务，用于发展和保持这些客户。

漏斗分析法

漏斗分析法一般应用在互联网领用，用来分析用户在不同的操作阶段，转化率的情况，可以帮助我们科学地评估某种业务从用户使用的起点到终点的整个过程，不同阶段的转化情况，并帮助业务找到有问题的环节。
针对漏斗分析的结果，可以针对性地做不同方面的改进和优化，提升某一个环节的转化率，这些优化可能是系统优化、运营策略调整或者业务战略调整等。
通常漏斗分析会关注的重要指标有流失率和转化率，这两个指标是互补型的指标。
漏斗分析法，可以结合不同的业务领域，考虑不同的阶段做特殊的模型设计，比如AARRR模型和AIDMA模型就是很好的应用。

针对不同的优化策略，参考漏斗分析的参考如下：
系统优化