1、事件分析
可進行篩選、分組、聚合的靈活多維數(shù)據(jù)分析
2、漏斗分析
分析多步驟行為之間轉(zhuǎn)化與流失情況
3、留存分析
分析用戶參與情況和活躍程度
4、分布分析
分析用戶行為在一段時間內(nèi)的頻次和指標分布
5、LTV分析
分析用戶在特定時間段內(nèi)的生命周期價值
6、用戶路徑
用戶用戶行為行為的流向變化
7、網(wǎng)頁熱力分析
分析元素的點擊的分布占比與用戶瀏覽深度
8、間隔分析
分析用戶在兩個事件之間的間隔時長
9、自定義查詢
支持對全量數(shù)進行sql查詢、結果可視化
10、歸因分析

干貨福利，第一時間送達? 摘要在用Python做數(shù)據(jù)分析的過程中，有一些操作步驟和邏輯框架是很固定的，只需要記住其用法即可。本節(jié)內(nèi)容介紹Pandas模塊在數(shù)據(jù)分析中的常用方法。? 內(nèi)容目錄1、數(shù)據(jù)的生成與導入2、數(shù)據(jù)信息查看????2.1、查看整體數(shù)據(jù)信息????2.2、查看數(shù)據(jù)維度、列名稱、數(shù)據(jù)格式????2.3、查看數(shù)據(jù)特殊值和數(shù)值????????2.3.1、查看空值????????2.3.2、查看唯一值????????2.3.3、查看數(shù)值????????2.3.4、查看前后數(shù)據(jù)3、數(shù)據(jù)的清