行為事件分析是根據運營關鍵指標分析用戶特定事件。通過跟蹤或記錄用戶行為事件，可以快速了解事件的趨勢和用戶的完成情況。
以用戶的競價行為為例，出借人在完成競價過程中的註冊、認證、開戶、充值、投資等行為都可以定義為事件，這也是成功完成競價的完整事件。
確定競價行為事件後，可以根據事件屬性細分維度:用戶來源、性別、出生日期、註冊時間、綁定卡時間、首次充值時間、首次投資時間、標的ID、競價名稱、期限、利率、還款方式等。然後找出符合指標的規律，制定有針對性的措施。
用戶保留分析
用戶留存分析是壹種用於分析用戶參與和活動的模型。通過留存和留存率，可以知道用戶的留存和流失情況。比如可以用次日留存、周留存、月留存等指標來衡量產品的受歡迎程度或黏度。以渠道訪問的用戶留存為例，分析訪問過APP的渠道用戶留存。用戶留存壹般符合40-20-10的規律，即新用戶次日留存要大於40%，周留存要大於20%，月留存要大於10%才符合業務標準。我們做用戶留存分析主要是驗證是否達到了既定的運營目標，進而影響下壹步的產品決策。
漏鬥模型分析
漏鬥模型分析是描述用戶使用產品時，各個階段關鍵環節的用戶轉化率和流失率。比如在日常活動的運營中，通過確定各個環節的流失率，可以分析用戶流失的方式、原因、地點。找到需要改進的環節，有針對性地采取有效措施，提高整體轉化率。
邀請者會把活動頁面分享給好友，然後註冊、認證、開戶、充值、投資。漏鬥模型用於分析壹些關鍵節點的轉化率。其中，用戶註冊轉化率68%，實名認證轉化率45%，綁卡開戶轉化率29%，在線充值轉化率17%，投資標的轉化率8%。
漏鬥模型分析可以驗證整個流程的設計是否合理。對比後發現，接入到註冊的轉化率為68%，遠低於預期的80%。這個運營策略是用戶必須註冊才能領取新手福利。之後采用A/B測試，優化為先領取新手福利再誘導用戶註冊。經過數據對比分析，註冊轉化率提升了20%。因此，通過比較各個環節的轉化率，可以發現運營活動中哪些環節沒有達到預期目標，從而發現問題，找到優化方向。
行為路徑分析
行為路徑分析就是分析用戶在產品使用過程中的訪問路徑。通過行為路徑的數據分析，可以找到用戶最常用的功能和使用路徑。並且從頁面的多維度分析，可以追蹤用戶轉化路徑，提升產品用戶體驗。
無論是產品的冷啟動，還是日常活動的營銷，行為路徑分析首先要梳理用戶行為軌跡。用戶行為軌跡包括認知、熟悉、試用、使用忠誠度等。軌跡背後是用戶特征，對產品運營有重要參考價值。我們可以記錄用戶從註冊、認證、開戶、充值到投資的行為軌跡。通過分析用戶的這些行為軌跡數據，驗證訪問路徑是否符合預期指標。