GrowingIO增长分析（UBA）中增长模型的设计初衷，是帮助企业简单方便地分析用户行为，实现业务增长。随着企业增长模式从粗放式经营转为精细化深耕，精准解决某一业务场景需求的分析模型成为企业使用UBA工具的新需求。
本季度GrowingIO分析云产品聚焦真实业务场景，推出了新的增长模型——首复间隔分析，可用于分析用户全生命周期内任意事件首次和N次之间的间隔，发现转化规律，做好用户生命周期划分，从而指导业务人员在合适的时间点做好营销动作触达用户，达到业务更快增长的目的。
首复间隔模型可以通过“再转化比例分析”和“间隔分析”两张曲线图直观呈现转化趋势和间隔分布，同时该分析模型内部还自带资深运营专家搭建的经验模型，可智能解读出分析报告，帮助业务人员快速发现转化和运营的关键节点，找到不同阶段顾客的最佳营销时机。
例如在购买场景中，为了提升复购率，业务人员需要分析用户从新用户转化为忠诚用户的购买次数、每次复购的间隔是多久，以及找到用户流失的时间点，及时挽回用户。
如上图所示，在实际分析时，业务人员根据需要设置好转化事件（在该场景下转化事件应为“购买”）、首次追溯期、转化窗口期、目标用户等基本信息，即可获取分析曲线图。
“再转化比例分析”曲线示意图
如图，可以看到所有首购用户中有多少人完成了二次购买，二次购买的用户又有多少完成了三次购买，以此类推。
当曲线完整呈现后，即可发现用户完成N次（上图是4次）购买后，N转N+1的比例趋于稳定，那么购买N次就是用户和企业建立稳定忠诚度的阈值。
同时，首复间隔分析可统计从首购开始，每次购买之间的间隔时长分布。通过分布概率来界定每一次转化的黄金时间，如超过黄金时间后还未再次购买，这部分用户大概率会流失。
“转化间隔分析”统计示意图
从上图的曲线走向不难看出，首购到二购的转化中，第二周到第四周为转化的关键时期，即最佳引导时间。也就是说，业务人员需要在这两周内进行充分营销，如推送短信、优惠券等促进更多首购用户二购，让他们尽量按照该路径进行转化，才能降低用户流失率、提升复购率。
除了购买场景，首复间隔分析还提供包括访问、页面浏览、广告点击等在内的多个事件的转化分析，紧贴业务场景，帮助企业一环贴一环地促进用户价值提升。
案例一：某护肤品牌潜客首购转化率提升20%，客单价提升10%+
某高端草本护肤品牌成立50余年，拥有上千万会员资产、全国线下专柜250+。
在进行线下专柜会员代运营时，GrowingIO对其购买场景进行首复间隔分析后发现：潜客注册成会员后第二天会迎来购买高峰，然后逐渐下滑，在第7天和第30天会有两个更为明显的滑坡。
为提升潜客首购转化率，我们制定了以下运营策略：在会员注册第7天、第30天发送“礼遇”信息，如以企微/短信邀请到柜体验护理项目、赠送到店领取的小样券等方式触达会员，引导首购转化触达会员。其中第30天的“礼遇”优惠强度高于第7天。
同时，该运营项目还设置了对照组，企业的业务人员基于过往经验向用户推送“礼遇”信息。
经测试，按照首复间隔分析结果推出的运营策略进行营销后，潜客7天用户整体购买转化率高于对照组20%，客单价提升10%+，潜客30天触达购买转化率高于对照组10%。
案例二：某乳企复购率提升9%，客单价提升17元+
某大型国有乳品企业其中一个饮料品牌拥有20W+会员，存量会员近6W。在服务过程中，GrowingIO首先清晰划分了用户的生命周期节点，并给出关键动作，如下图所示：
然后再针对每个生命周期节点逐一进行分析。比如在进行复购分析时，通过首复间隔分析的统计图我们得出了以下结论：
1、在复购间隔达到流失临界点N时，包含此间隔天数且继续发生复购行为的人数不足3%，且最大复购间隔等于N天的消费者不足1%，由此判定首转二的购买间隔≥N天为流失分界点。
2、购买间隔0天和购买间隔1天的复购占比存在大幅下跌，由此判断促进复购的节点应在购买后第2天。而为了达成持续复购，需在不同节点连续促购3次。
基于以上结论，GrowingIO帮助该企业重新制定了会员运营策略：
1、按照关键动作节点在首次购买后的不同节点对新客进行短信、公众号、服务号等在内的多个渠道的营销触达，推送满减优惠复购券包；
2、对购买次数达到持续复购标准的用户进行日常监测，并进行积分推送，如发放会员月卡、券包，通过智能运营（MA）进行个性化推荐等等；
3、对沉睡人群通过智能运营（MA）发送营销短信，同时导出价值客户营销线索，安排人工/AI回访；
4、对流失人群除了重复执行沉睡人群的运营策略外，还会发低门槛大额满减券在私域触达进行召回。
最终，该企业的复购率提高了9%，流失召回率提升0.5%，客单价提高17元+，有效提升了会员质量。
目前GrowingIO增长分析（UBA）有二十大分析模型，随着企业全方位构建数字化能力进程不断深入，针对特定场景的分析需求也会逐渐增多。
未来GrowingIO的分析模型将更加充分考虑实际业务场景，并不断降低使用门槛，缩短业务人员的分析成本，促进业务增长。
