如何进行多维度标签透视/RFM/AIPL分析_智能用户增长(Quick Audience)-阿里云帮助中心 https://help.aliyun.com/document_detail/420488.html
AIPL模型是一种将品牌用户资产定量化、链路化运营的手段。A、I、P、L用于描述消费者与品牌的亲密度阶段，其中：
-
A（Awareness）：品牌认知用户，一般指与品牌被动发生接触的用户，例如品牌广告触达和品类词搜索的人。
-
I（Interest）：品牌兴趣用户，一般指与品牌主动发生接触的用户，例如广告点击、浏览品牌/店铺主页、参与品牌互动、浏览产品详情页、品牌词搜索、领取试用、订阅/关注/入会、加购收藏的人。
-
P（Purchase）：品牌购买用户，包括发生过购买行为的人。
-
L（Loyalty）：品牌忠诚用户，例如购买用户中，发生了复购行为或对品牌有正面评价、分享的人。
在用户分析模块，您可以进行多维度的标签透视分析、RFM分析、AIPL分析及AIPL流转分析。分析过程中可以自定义筛选出符合某一规则条件的用户生成人群，用于后续营销触达。
此外，针对筛选出的人群，您可以通过人群分析功能进行透视分析和RFM分析，洞察人群的核心特征，为后续营销策略编排提供决策支撑。
用户分析类型包括：
-
多维分析：基于数据来源导入表数据的统计分析，并在分组、筛选等条件下进行下钻分析。帮助企业了解用户使用产品的情况，进一步挖掘影响指标变化的主要因素。
-
透视分析：基于用户标签（含用户属性、自定义标签），洞察消费者的标签特征分布。
-
RFM分析：RFM模型是衡量用户价值和用户创利能力的重要手段，通过一个用户的近期交易行为、交易总体频率、交易金额三项指标，描述该用户的价值状态。依据这三类指标划分八类用户：高价值用户、重点保持用户、重点发展用户、重点挽留用户、一般价值用户、一般保持用户、一般发展用户、潜在用户。通过洞察不同用户类型的分布及消费行为特征，掌握他们的价值特征，为营销决策提供支持。
-
AIPL用户分析：AIPL模型将用户分为认知、兴趣、购买、忠诚四个阶段，洞察各类用户的人数和相应的变化趋势，实现品牌用户资产定量化、链路化运营。
-
AIPL流转分析：分析指定时间段内AIPL模型中各类用户的转化、流失情况，精准把握各阶段用户分布，实现链路高效转化。
