医药数字营销-数据分析方法：属性分析

　　属性分析是实现用户行为精细化运营的必备分析方法之一。如果我们仅知道一幢房子的面积无法全面衡量其价值大小，而房子的位置、风格、是否学区、交通环境更是相关的属性。同样，用户各维度属性都是进行全面衡量用户画像不可或缺的内容。1.1属性分析的定义：属性分析是通过对用户各类特征进行标示，从而了解用户的属性、或者属性交叉的分布结构，进而可以对用户进行分层标记，以便进行后续的运营和统计分析，属性分析可对基础属性、行为特征、业务表现特征等进行结构分析。基础属性：姓名、年龄、所在医院、科室、职称等。行为特征：注册时间、首次学习时间、学习时长（视频观看时长）等业务相关属性：是从业务数据中提取的，例如二次答题次数、滞留/总获得积分占比等。1.2属性分析模型的价值属性分析主要价值体现在丰富用户画像维度，让用户行为洞察粒度更细致。科学的属性分析方法，对于所有类型的属性都可以将“去重数”作为分析指标，数值类型的属性可以将“总和”“均值”“最大值”“最小值”作为分析指标，添加多个维度。数字类型的维度可以自定义区间，方便进行更加精细化的分析。在事件——用户的数据模型中，用户一直处于从属角色。很大原因是我们对于用户属性分析还不够深。如果我们有足够的用户属性的话，那么这些用户即使没有触发事件，我们也可以通过属性来推断出一些可能会出现的场景，然后用相关的运营或产品动作来验证。案例：月度覆盖客户的属性数据查看月度覆盖推广了哪些客户？这些客户具有什么样的属性特征？有助于我们快速了解重点用户具体分布哪些城市、具有什么样的共同特征等等。

　　上述的属性分析维度，我们换个用户群体同样也是适用的，比如我们拿去分析流失用户的属性特征，也可以拿去分析绑定客户、新增用户的特征，只需要从新筛选一下所需要分析的数据源就可以直接使用。整体来说属性分析是一个看似基础但却无比重要的分析模型。日常运营过程中企业要重视积累用户属性，以便在需要时可以使用属性分析来找出用户群体特征，指导工作达到运营目标。