数据分析作为运营人员必备的核心技能，对职业发展起着尤为重要的作用。无论是产品、还是运营，都需要具备良好的数据分析能力，对用户行为数据和业务数据，进行分析、评估甚至预测。易讯网络通过分享三种常见的数据分析框架，帮助我们更系统的进行数据分析，发现并解决产品暴露出的问题，从而更高效的完成工作。

一、用户行为分析
1. 事件分析
事件：通过埋点，高效追踪用户行为或业务的过程。注册、启动、登录、点击等，都是常见的事件。例如下图，展示出某日的注册事件。
2. 漏斗分析
漏斗模型：分析一个多步骤过程中，每一步的转化与流失情况。以互联网金融-理财端为例，新用户在***投资会经过如下步骤过程：
注册成功
实名认证
充值成功
投资成功
我们可以通过漏斗分析整体的转化情况，以及每一步转化量、流失量、转化/流失率。
在漏斗模型中清晰 3 个基本概念，可以借助强大的筛选和分组功能进行深度分析。
3. 留存分析
留存用户：即用户发生初始行为一段时间后，发生了目标行为，即认定该用户为留存用户。
留存行为：某个目标用户完成了起始行为之后，在后续日期完成了特定留存行为，则留存人数 +1
留存率：是指发生“留存行为用户”占发生“初始行为用户”的比例。常见指标有次日留存率、七日留存率、次月留存率等。
二、AARRR 模型
AARRR 模型是一套适用于移动 App 的分析框架，又称海盗指标，是“增长黑客”中驱动用户增长的核心模型。AARRR 模型把用户行为指标分为了 5 大类，分别为：获取用户，激发活跃，提高留存，增加收入和病毒传播。
从用户获取到病毒传播，每个环节都有重要的指标需要我们去关注，通过 AARRR 模型系统化的拆解 5 大类目用户行为，可以让我们更清晰的知道每个环节需要重点关注的重点指标。
三、3 大增长引擎
1. 粘着式增长引擎
典型案例是游戏类的 App，Facebook 针对游戏提出的“40-20-10”法则，即如果你想让游戏的DAU 超过 100 万，那么新用户的次日留存率应该大于 40%，7 日留存率大于 20%，30 日留存率大于 10%。
2. 付费式增长引擎
付费式增长引擎以 Revenue 营收作为 OMTM 驱动增长。
3. 爆发式增长引擎
爆发式增长引擎以 Referral 传播作为 OMTM 驱动增长
数据分析是互联网产品和运营的基本功，这些是易讯网络在工作中的一些案例和心得分享，希望能给在学习中新人带来一些思路！