交互设计的生命周期模型有哪两种

瀑布流生命周期模型、星系生命周期模型。交互设计的生命周期模型是有两种的，分别是瀑布流生命周期模型、星系生命周期模型。瀑布流生命周期模型有一些限制，比如说每一个步骤必须要等上一步骤完全结束以后才能开始，可能导致的问题就是大大增加了在最后重审和评估整个设计时的难度。

数据运营能力已经被公认为运营人员的加分项甚至是必备技能，其高低也在很大程度上决定着运营人员的薪资高低和职业生命周期的长短。一方面，它能大幅提升运营人员的工作效率；另一方面，它能更全面和深入地分析运营工作，从而更好地辅助策略、指导实践。为了让运营人员能够更好地落地数据运营，各种数据分析模型应运而生。通过数据分析模型，不仅能降低运营人员的认知成本，还能帮助我们拨冗化简复杂问题，快速理解客观事物，轻松上手数据分析。01基础介绍易观方舟推出《运营必备11大数据分析模型》，梳理总结事件分析、属性分析、渠道分析、Session分析、留存分析、归因分析、热图分析、分布分析、漏斗分析、间隔分析、路径分析。这11大数据分析模型在不同运营场景中有着不同的作用，已经被广泛应用于数据分析工作。02事件分析事件，是指用户在APP、网站等应用上发生的行为，即何人、何时、何地、通过何种方式、做了什么事情。事件分析模型主要用于分析用户在应用上的行为，例如，打开APP、注册、登录、支付订单。通过触发用户数、触发次数、访问时长等基础指标度量用户行为，同时也可进行指标运算，构建复杂的指标衡量业务过程。具体而言，事件分析模型能够解决以下示例问题：监测产品每天的用户数、访问次数、使用时长，趋势是否发生了变化？引起变化的因素有哪些？北京地区的用户和上海地区的用户，购买家电品类的金额分布差异在哪里？今天在产品中发起了一个话题，各个时段用户的参与情况如何？最近半年付费用户数和ARPU（AverageRevenuePerPayingUser,平均每付费用户收入）值是多少？易观方舟智能分析产品的事件分析模型（见图1-1），通过选择要分析的关指标，即可实时监测用户在不同平台的用户行为。03Session分析在使用事件分析模型时，用户事件以“点”的方式呈现，例如，张三在昨天晚上10点注册成为了某外卖平台会员并支付了首单，李四今天早上8点在王府井附近扫开了某共享单车后上报了车辆故障。根据用户行为的实时记录反馈，我们可以确切地了解用户在什么时间做什么事情。但事实上，有些事件并不能用这些“点”来描述，例如，用户本月平均访问次数，每次访问时长，平均访问深度。这些问题需要将一个个“点”连成“线”，再加以分析计算。Session分析就可以完美解决用户分析中的“线”性难题。Session即会话，是指在指定的时间段内，用户在网站/H5/小程序/APP上发生的一系列用户行为的集合，例如，一次Session可以包含多个页面浏览、交互事件。Session是具备时间属性的，根据不同的切割规则，可以生成不同时间长度的Session。具体而言，以下一系列示例行为可被计算为一个Session：iOS应用：用户屏熄、Home键切换到后台、杀掉进程、跨天等视为Session结束；Android应用：用户杀掉进程、屏熄、按Home键超过30s、跨天等视为Session结束；H5/Web应用：用户从打开网页到离开视为一次Session，离开包括关闭整个浏览器、30min未进行新打开页面或触发事件等行为；如果一次访问跨天，会被切割为两次Session。易观方舟智能分析的Session分析模型（见图4-1），能够按照不同时间粒度，分析多种度量Session访问质量的指标，包括访问次数、人均访问次数、总访问时长、单次访问时长、单次访问深度、跳出次数、跳出率、退出次数、退出率、人均访问时长、总页面停留时长、平均页面停留时长。此外，可以多指标、多维度和多过滤条件，还可以多用户分群之间横向对比。相比事件分析，Session分析额外新增了一些维度的细分，以满足特定场景下针对Session分析的需求，包括：渠道来源分组：用以区分每次访问的渠道来源，仅适用于Web/H5/小程序；浏览页面数：以步长5为间隔，统计每次浏览页面数的分布情况；着陆页：用以区分每次访问的着陆页，可以评价不同着陆页的访问质量；退出页：用以区分每次访问的退出页，可以评价不同页面的退出情况，找到退出率高的页面进行优化；访问时长：按照0-3secs，3-10secs，10-30secs，30-60secs，1-3mins，3-10mins，10-30mins，30-60mins，1hour以上的区间进行划分，统计每次访问的时长分布。04留存分析留存是指用户在小程序、APP、网站等应用上使用过，并一段时间后仍有使用。留存分析是一种衡量用户健康度或参与度的方法，基于某个用户群体的初始行为时间计算，描述发生某个行为的同期用户群体，在一段时间后是否发生了期望的行为。留存分析能帮助我们深入了解用户的留存和流失状况，发现影响产品可持续增长的关键因素，指导市场决策和产品改进，并提升用户价值。具体而言，留存分析能够解决以下示例问题：上个月做了一次产品迭代，如何评估其效果？是否完成了产品经理期望完成的行为？作为社交APP，注册后不添加好友和添加10个好友的用户，后续留存有差异吗？短期留存低，长期留存一定很差吗？两个推广渠道带来不同的用户，哪个渠道的用户更有可能是的高价值用户？近30天注册的用户，半个月都没有回访的用户比例是多少？易观方舟智能分析产品的留存分析模型（见图5-1），通过自定义初始行为和后续行为，选定留存用户数/留存数指标即可查看留存情况，并可以对不同维度的条件过滤，进行多人群对比分析。此外，还可以通过留存分析判断新用户在几天、几周、几月后，是否愿意回来继续使用你的某个产品或功能。更多详细模型介绍和使用，公众号后台回复“0912运营分析”领取资料。