1. 数据分析漏斗分析法
数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。
01） 分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
02） 矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
2. 漏斗分析模型变化趋势有
常见的分析模型
1.用户模型
分析时，我们首先要明确我们的用户是谁，针对用户需求，进行相关的服务。以达到用户满意的效果。
2.事件模型
事件是组成分析的结构框架，在针对不同的事件时，要了解事件模型背后的数据结构、采集时机以及对事件的管理。
3.漏斗模型
所谓漏斗模型，就是将分析的步骤流程化，一步步的运营，达到最终的分析结果，同时漏斗模型便于对数据分析的每一个流程进行观察，从而及时解决问题。
4.留存模型
留存模型是针对使用数据的用户，将用户对于数据分析的场景进行留存，自定义的进行留存，实现最终的目标客户选取，相当于整个模型框架的引流功能。
5.粘性模型
粘性模型，顾名思义，就是了解产品或某个功能粘住用户的能力，从用户偏爱出发，了解用户如何使用产品，用户对于产品功能的满意程度，帮助平台科学的评估产品和功能，高效的制定相关的策略。
6.路径模型
通过对不同用户分群，将具有相同特征偏好的用户聚集，而行为路径分析是对用户产生的行为进行数据的可视化分析，从而帮助平台快速观测出群体的行为特征。常用的行为路径分析模型有漏斗分析模型和全行为路径分析模型。
7.总结模型
在完成数据分析后，需要对分析过程，最终结果进行分析，得到最终的结论，将整个分析的大框架做一个全面的维护。
3. 漏斗数据分析用到的对比
1.
监控要点就是我们的投放点击率,这里对应的是广告曝光出去了之后,有多少人真正的看了就是反馈素材对于顾客的第一眼穿透力,他看完素材内容之后,想不想点进来,如果数据相对来讲比较低的话,就需要先从根上去解决问题。像一般的类目、服饰、美妆等一些常规的类目,点击率往往都可以做到八到十以上,就是做得比较好,大家可以根据自己的情况进行优化和提升。
2.
重视过程数据。整个直播间的数据要有漏斗的思维去分析,就当你直播间进来人之后,从你的展现到进到直播间,再到查看购物车,再到商品点击数。
4. 漏斗分析法概念
数据思维就是使用数据来提出问题和解决问题的能力。说白了，就是面对一堆业务问题的时候，能不能通过数据的方法做分析从而给出建议来解决业务问题。
其核心有两个，一个是数据敏感度，一个是数据方法经验。
数据敏感度，我理解的就是你看到一个数字，你大概就能感知这个数字是否合理还是有异常，当数据异常的时候，大概能知道问题可能出在哪里，并且能够追溯到原因。总之，假如你数据敏感度高，你可以看到数据背后更多的信息。
数据方法经验，我理解的是你看到这些问题还不行，还需能够利用数据分析的方法来解决实际的问题，这也是构成数据思维很重要的一部分。数据分析的方法就很多，比如：漏斗分析、相关性分析、5W2H分析、对比分析、分群分析等等。
5. 漏斗数据模型
微创app-app的数据分析
APP数据分析，对于开发者或运营者都是十分重要的，为了在最佳的情况下更好地推广上线应用，获得最大的利润。那么，该从哪些方面来分析APP的数据呢?下文中列出了APP数据重点分析的4个方面：用户来源、用户属性、转化率及用户忠诚度。
1.转化率
微创app-app的数据分析，应用内的转化率至关重要，用户付费的转化率更加直接关系到开发者的收入。
比如一款游戏应用，开发者可以从道具购买数量、关卡和付费人群等维度进行交叉分析，来查看用户付费行为动机和特征;也可以通过漏斗模型进一步分析关键节点的转化率，以不断提高付费转化，增加收入;再或者一款电商类APP，可以关注“加入购物车——付款”的转化率，用数据判断整个流程是否合理，是否存在优化的空间，也可以提升应用内支付的成交额。
2.用户属性
微创app-app的数据分析，产品吸引到用户下载和使用之后，首先要知道的就是用户是谁。所以，最好尽可能详尽地了解到用户的设备型号、网络及运营商、地域、用户性别等宏观的用户特征。这些数据可以在产品改进、应用推广和运营策略的制定上提供非常好的方向性依据。
3.用户来源
微创app-app的数据分析，在国内，获取用户的渠道是非常多的，如微博、新闻稿、CPA广告、交叉推广、限时免费等等。看一个应用的数据，首先要知道用户从哪里来，哪里的用户质量最高，这样开发者就会面临一个选择和评估渠道的难题。开发者应该从多个维度的数据来对比不同渠道的效果，比如从日(周)活跃用户、次日留存率、使用频率、使用时长等角度对比不同来源的用户。这样就可以很快的找到最适合自身的渠道，以便不断完善推广策略。
4.用户忠诚度
微创app-app的数据分析，了解用户在应用内做了什么之后，就应该问一下用户是否喜欢你的应用，这是一个应用保持生命力的根本。开发者可以从留存用户、使用时长、使用频率、访问深度等维度评价用户粘度。比如，通过检测每周(月)新增用户在初次使用后一段时间内的留存率。
6. 漏斗图分析法总结
原理：在气体中,流速大的位置压强小。当从漏斗口竖直向下吹气时,漏斗口下端的气体流速大,压强小,在大气压的作用下,乒乓球被压起。当从漏斗口用力向上吸气时,漏斗口下端的气体流速小,压强大,气压大于大气压,把乒乓球压下去。
物体所受压力的大小与受力面积之比叫做压强，压强用来比较压力产生的效果，压强越大，压力的作用效果越明显。压强的计算公式是：p=F/S，压强的单位是帕斯卡
7. 数据分析漏斗分析法有哪些
01 细分分析
细分分析是数据分析的基础，单一维度下的指标数据信息价值很低。
细分方法可以分为两类，一类是逐步分析，比如：来北京市的访客可分为朝阳，海淀等区；另一类是维度交叉，如：来自付费SEM的新访客。
细分用于解决所有问题。比如漏斗转化，实际上就是把转化过程按照步骤进行细分，流量渠道的分析和评估也需要大量的用到细分方法。
02 对比分析
对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。
常见的对比方法包括：时间对比，空间对比，标准对比。
时间对比有三种：同比，环比，定基比。
例如：本周和上周进行对比就是环比；本月第一周和上月第一周对比就是同比；所有数据同今年的第一周对比则为定基比。通过三种方式，可以分析业务增长水平，速度等信息。
03 漏斗分析
转化漏斗分析是业务分析的基本模型，最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。但也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟。
漏斗帮助我们解决两方面的问题：
在一个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点。
在一个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。
04 同期群分析
同期群（cohort）分析在数据运营领域十分重要，互联网运营特别需要仔细洞察留存情况。通过对性质完全一样的可对比群体的留存情况的比较，来分析哪些因素影响用户的留存。
同期群分析深受欢迎的重要原因是十分简单，但却十分直观。同期群只用简单的一个图表，直接描述了用户在一段时间周期（甚至是整个LTV）的留存或流失变化情况。
以前留存分析只要用户有回访即定义为留存，这会导致留存指标虚高。
05 聚类分析
聚类分析具有简单，直观的特征，网站分析中的聚类主要分为：用户，页面或内容，来源。
用户聚类主要体现为用户分群，用户标签法；页面聚类则主要是相似，相关页面分组法；来源聚类主要包括渠道，关键词等。
例如：在页面分析中，经常存在带参数的页面。比如：资讯详情页面，商品页面等，都属于同一类页面。简单的分析容易造成跳出率，退出率等指标不准确的问题，通过聚类分析可以获取同类页面的准确数据用于分析场景。
06 AB测试
增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，那如何验证呢？主要方法就是AB测试。
比如：你发现漏斗转化中中间有漏洞，假设一定是商品价格问题导致了流失，你看到了问题-漏斗，也想出了主意-改变定价。但主意是否正确，要看真实的用户反应，于是采用AB测试，一部分用户还是看到老价格，一部分用户看到新价格，若你的主意真的管用，新价格就应该有更好的转化，若真如此，新价格就应该确定下来，如此反复优化。
07 埋点分析
只有采集了足够的基础数据，才能通过各种分析方法得到需要的分析结果。
通过分析用户行为，并细分为：浏览行为，轻度交互，重度交互，交易行为，对于浏览行为和轻度交互行为的点击按钮等事件，因其使用频繁，数据简单，采用无埋点技术实现自助埋点，即可以提高数据分析的实效性，需要的数据可立即提取，又大量减少技术人员的工作量，需要采集更丰富信息的行为。
如：重度交互（注册，邀请好友等）和交易事件（加购物车，下订单等）则通过SDK批量埋点的方式来实施。
08 来源分析
流量红利消失，我们对获客来源的重视度极高，如何有效的标注用户来源，至关重要。
传统分析工具，渠道分析仅有单一维度，要深入分析不同渠道不同阶段效果，SEM付费搜索等来源渠道和用户所在地区进行交叉分析，得出不同区域的获客详细信息，维度越细，分析结果也越有价值。
09 用户分析
用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。
可将用户活跃细分为浏览活跃，互动活跃，交易活跃等，通过活跃行为的细分，掌握关键行为指标；通过用户行为事件序列，用户属性进行分群，观察分群用户的访问，浏览，注册，互动，交易等行为，从而真正把握不同用户类型的特点，提供有针对性的产品和服务。
用户画像基于自动标签系统将用户完整的画像描绘清晰，更有力的支撑运营决策。
10 表单分析
填写表单是每个平台与用户交互的必备环节，优秀的表单设计，对转化率的提升起到重要作用。
用户从进入表单页面之时起，就产生了微漏斗，从进入总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，遇到了什么困难导致无法完成表单，都影响最终的转化效果。
8. 漏斗型数据分析
主要关注2点：
1是数据分析基础能力（取数&分析工具/分析理论）
能够熟练使用数据分析相关工具使用如excel，sql，spss，BI系统等工具
能够掌握分析理论，例如结构化分析，流程化分析，漏斗分析，统计学概念
2是数据分析应用能力(指标体系/业务知识/业务判断）
能够建立完整的指标体系评估一项或多项业务
能够掌握业务知识，深入理解行业和企业运营操作
能够基于数据建立科学化的业务判断，赋能业务运营
9. 漏斗模型是数据分析方法
Excel最大行数为1048576也就是100万行左右，对于比较小的数据分析是绰绰有余的。
那么如何通过excel进行数据分析呢？
以结合具体业务的数据分析来说，需要通过不同维度。
电商为例，分析用户行为时，可以通过数据筛选某一时期的点击数量，加购数量，收藏数量来形成用户漏斗模型。也可以自定义参数，如购买率。
还可以根据用户的区域划分不同区域的产品利润，销售情况，从而优化不同地区销售策略。
Excel中的函数，数据透析功能是分析过程中的常用功能，也可以通过Excel中的VBA功能实现自动化，提高效率。甚至是通过图表如柱形，散点，折现，饼状图等等实现可视化。
总之数据分析需要结合具体业务，Excel可以作为GB级别以下数据量的利器。