笔者认为，数据的价值不仅仅只体现在企业中，个人也可以体会到数据的魅力，用技术力量探索行为密码，让大数据助跑每一个人，欢迎直筒们关注我的公众号，大家一起讨论数据中有趣的事情。
我的公众号为：livandata
流量分析经常会用在产品设计过程中，我们可以根据用户在各个页面上的行为数据，分析用户在操作过程中产生的一些问题，进而修改产品，分析的点一般为行为路径分析、落地页分析、效率分析、异常检测等，流量分析的一些常用的场景有如下样式，后面会有相应的补充：
网站路径分析中主要有下面几种：
1）量的分析：PV、UV、访问时长、访问深度等；
2）率的分析：转化率、成功率、退出率、跳出率等；
3）链接分析：行为流、关联分析等；
前面在流量分析中了解了量的分析和率的分析，接下来需要了解一下链路的分析，这一分析主要包括以下几个方面：
1）行为流构建：
2）迷失和阻力：
3）关键路径分析：
4）关联分析：
5）节点的中心性分析：
6）节点的影响力建模：
7）社区发现：
下面就一些常见的路径分析场景进行探索，后面会继续的补充～
1、用户行为路径分析：
参考博客为：
https://blog.csdn.net/weixin_42229056/article/details/82734441
https://blog.csdn.net/qq_41455420/article/details/79272846
https://blog.csdn.net/qq_41455420/article/details/79273417
主要是通过客户访问的路径、访问量、访问时长等综合因素，判断用户在访问过程中存在哪些问题。
主要是为了找出：迷失和阻力流失的用户。
迷失：主要是因为转化流程设计不合理，访问者在特定阶段得不到需要的信息，并且不能根据现有的信息作出决策。
阻力流失：主要是由于不恰当的商品推荐、关键环节中专业名词的解释不当等。
2、渠道流量的异常分析：
参考博客为：
https://blog.csdn.net/hellozhxy/article/details/82492907
https://lusongsong.com/info/post/400.html?__LSS=11b4c6355850c8d98f7e8d624d1d4d75f1557849163_51869
https://www.gggooo.com/marketing/386.html
不同渠道带来的用户质量、活跃度、消费能力参差不齐，为了支持流量部门高效推广，减少对垃圾渠道的投放费用。需要对部分投放费用较高，但是营收、活跃度、转化较低的渠道需要重点分析
对于渠道流量进行分析的几个关键指标：
根据AARRR模型，从获取用户到用户付费环节依次递进的关系。
AARRR模型的指标为：
数据模型变化为：
这里主要从激活、留存、付费三个环节展开描述。
1）激活环节
①激活注册转化率：用户从应用商店下载APP后，不一定都会有注册行为。对于刷下载量、用户为抢红包、赚积分等目的而进行的下载，后续的注册量会很低。对于一些问题渠道来说，他的激活注册转化率（注册量/激活量）会远低于正常渠道；
②激活时间：在某些特殊情况下（如部门为冲KPI而刷下载量），一些问题渠道的激活时间会存在问题。正常来说，用户激活时间也符合人的正常作息时间段，而异常渠道因为存在机器刷量的情况，激活时间段分布也就没有那么规律了，下图就是一个栗子：
橙色和黄色线对应的渠道的激活时间分布存在一些不正常。
2）留存环节
③7日留存率：对正常渠道来说，该渠道的用户下载APP是为了使用，后续的留存会多一些。而对于刷量、刷积分下载、抢红包下载等目的而下载的来说，下载激活后可能接着就卸载掉或再不使用了。从7日留存率这个指标也能看出一些问题渠道；
④访问深度：这里就指PV/UV了，对于渠道来说PV只该渠道一定时间段内的用户总访问量，UV只该时间段内访问用户数，相除代表该渠道每个用户平均访问页面数。正常来说，用户下载了APP即时不注册也是为了使用或查看资讯等目的，因此访问深度不会很低。而问题渠道的用户根本目的不是为了使用产品，因此这些渠道的访问深度就很低了；
3）付费环节
⑤用户获客成本：对正常渠道来说，获取的付费用户量按照AARRR这个模型一层层下来，付费用户数/激活用户数（即付费用户获取比例）会在一个正常逻辑区间内。而对于垃圾渠道来说，激活用户人数可能会很多，但是付费用户人数很少，就会导致付费用户获取比例极低，用户获取成本高的惊人....
