一、事件分析
追踪并记录用户行为。事件分析可以帮助分析以下一些场景：
1、最近三个月来自哪个渠道的用户注册量最高？变化趋势如何？
2、各个时段的人均充值金额是分别多少？
3、上周来自北京的，发生过购买行为的独立用户数，按照年龄段的分布情况？
二、漏斗分析
漏斗模型帮助你分析一个多步骤过程中每一步的转化与流失情况。
如，用户购买商品的完整流程可能包含以下步骤：
1、浏览商品
2、将商品添加进购物车
3、结算购物车中的商品 、
4、选择送货地址、支付方式
5、点击付款
6、完成付款
可以将以上6个流程设置为一个漏洞模型，分析整体的转化情况，以及每一步具体的转化率。
三、留存分析
留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考查进行初始行为后的用户中，有多少人会进行后续行为。这是衡量产品对用户价值高低的重要指标。初始行为可以指注册、上传头像、激活设备。
有了留存的概念，可以帮助分析以下问题：
1、一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单
2、某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？
3、想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？
按初始行为时间分组的留存分析可以消除用户增长对用户参与数据带来的影响。
如果产品目前处于快速增长阶段，很有可能新用户中的活跃用户数增长掩盖了老用户活跃度的变化。通过留存分析，你可以将用户按照注册时间分段查看，得出类似如下结论：“三月份改版前，该月注册的用户7天留存只有15%；但是四月份改版后，该月注册的用户7天留存提高到了20%。”
误区：
之前我所认为的留存分析仅仅指的是用户注册后的留存分析。而实际上，我们可以做很多方面的留存分析，如：
北京地区的用户注册后，购买手机的留存情况；上传头像后，开始聊天的留存情况。
