數據分析必會的六大實用模型

2021-01-17 數據分析不是個事兒

對於剛剛接觸數據分析的人來說,經常會有這樣的困惑和疑問:數據分析究竟難不難?難的話難在哪?為什麼有時候作分析不知道從何下手,只能眉毛鬍子一把抓?

其實就連我這種已經在數據分析行業浸淫十幾年的老油條,有時候做起分析來也會手忙腳亂,根本原因就在於沒有抓住數據分析的本質,我們是為了用大量數據去分析、解釋和預測基於數據的事實,你首先要明白自己做數據分析的目的是什麼,是為了描述事件分析?還是為了預測?又或者是做規範性分析?

按照我的經驗來說,掌握數據分析方法有一條好的捷徑——套用分析模型,對新手來說幾乎是百試百靈,只要掌握了下面幾個分析模型,基本上可以應對工作中的所有業務分析場景。

AARRR模型

AARRR模型是做數據分析最基礎的模型之一了,所謂的AARRR就是指獲取、激活、留存、變現和傳播。

其中,獲取就是指獲取用戶線索,我們可以分析SEO、SEM等分析網站的獲取情況;

激活就是指提高用戶的活躍程度,主要是通過促銷、內容說服等方式讓用戶成為最有價值的活躍用戶;

留存就是把上面的活躍客戶沉澱下來,劃歸到自己的流量池中,比如常見的社區UCG、O2O服務留存等方式,我們可以通過日留存率、周留存率、月留存率等指標監控應用的用戶流失情況,並採取相應的手段在用戶流失之前,激勵這些用戶繼續使用應用。

變現其實就是獲取收入,我們可以通過監控成交率等指標進行分析;

傳播是社交網絡時代獨有的分析方向,只有做到自傳播的病毒式才能使自己的用戶群群體不斷擴大;

5W2H模型

5W2H,即為什麼(Why)、什麼事(What)、誰(Who)、什麼時候(When)、什麼地方(Where)、如何做(How)、什麼價格(How much),主要用於用戶行為分析、業務問題專題分析、營銷活動等。

這個模型非常地使用,我們就以用戶購買行為為例:

Why:用戶為什麼要買?產品的吸引點在哪裡?

What:用戶買的是什麼?也就是產品提供的功能是什麼?

Who:購買產品的用戶是什麼群體?這個群體的特點是什麼?

When:用戶的購買頻次是多少?

Where:產品在哪裡最受歡迎?在哪個平臺賣出去?

How:用戶通過什麼方式、渠道購買?

How much:用戶購買的成本是多少?

SWOT模型

SWOT分析法也叫態勢分析法,S是優勢、W是劣勢,O是機會、T是威脅或風險。

其中,機會與威脅一般一起分析,威脅指的是環境中一種不利的發展趨勢所形成的挑戰,如果不採取果斷的戰略行為,這種不利趨勢將導致公司的競爭地位受到削弱。機會就是對公司行為富有吸引力的領域,在這一領域中,該公司將擁有競爭優勢。

相對的就是優勢與劣勢分析,是從整個價值鏈的每個環節上,將企業與競爭對手做詳細的對比,如產品是否新穎,製造工藝是否複雜,銷售渠道是否暢通,以及價格是否具有競爭性等。

而影響企業競爭優勢的持續時間,主要的是三個關鍵因素:

建立這種優勢要多長時間?能夠獲得的優勢有多大?競爭對手做出有力反應需要多長時間?

漏鬥模型

漏鬥模型之所以稱為漏鬥,就是因為用戶(或者流量)集中從某個功能點進入(這是可以根據業務需求來自行設定的),可能會通過產品本身設定的流程完成操作。

按照流程操作的用戶進行各個轉化層級上的監控,尋找每個層級的可優化點;對沒有按照流程操作的用戶繪製他們的轉化路徑,找到可提升用戶體驗,縮短路徑的空間,我們可以通過趨勢、比較和細分的方法對流程中各步驟的轉化率進行分析:

趨勢:從時間軸的變化情況進行分析,適用於對某一流程或其中某個步驟進行改進或優化的效果監控;比較:通過比較類似產品或服務間購買或使用流程的轉化率,發現某些產品或應用中存在的問題;細分:細分來源或不同的客戶類型在轉化率上的表現,發現一些高質量的來源或客戶,通常用於分析網站的廣告或推廣的效果及ROI。PEST模型

所謂的PEST,其實是指政治、經濟、社會、技術這四個方面,本質上是通過對環境的把控來進行用戶行為分析。

對宏觀環境因素作分析時,由於不同行業和企業有其自身特點和經營需要,分析的具體內容會有差異,但一般都應對政治、經濟、技術、社會,這四大類影響企業的主要外部環境因素進行分析。

政治環境:政治體制、經濟體制、財政政策、稅收政策、產業政策、投資政策等。社會環境:人口規模、性別比例、年齡結構、生活力式、購買習慣、城市特點等。技術環境:折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度等。經濟環境:GDP 及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數、居民可支配收入、失業率、勞動生產率等。

4P模型理論

4P即產品、價格、渠道、推廣,在營銷領域,這種以市場為導向的營銷組合理論,被企業應用最普遍。

可以說企業的一切營銷動作都是在圍繞著4P理論進行,也就是將:產品、價格、渠道、推廣。通過將四者的結合、協調發展,從而提高企業的市場份額,達到最終獲利的目的。

產品:從市場營銷的角度來看,產品是指能夠提供給市場,被入們使用和消費並滿足人們某種需要的任何東西,包括有形產品、服務、人員、組織、觀念或它們的組合。

價格:是指顧客購買產品時的價格,包括基本價格、折扣價格、支付期限等。影響定價的主要因素有三個:需求、成本與競爭。

渠道:是指產品從生產企業流轉到用戶手上全過程中所經歷的各個環節。

促銷:是指企業通過銷售行為的改變來刺激用戶消費,以短期的行為(比如讓利、買一送一,營銷現場氣氛等等)促成消費的增長,吸引其他品牌的用戶或導致提前消費來促進銷售的增長。廣告、宣傳推廣、人員推銷、銷售促進是一個機構促銷組合的四大要素。

相關焦點

  • 判斷客戶價值的3個數據分析模型!
    本文將來談談常用的幾個衡量客戶價值的數據分析模型,以及它們的應用場景。這在用戶運營、市場營銷、客戶管理等領域常常會用到。一、使用帕累託模型判斷哪些是我們最重要的客戶帕累託原則,又稱二八原則,是關於效率與分配的判斷方法。帕累託法則是指在任何大系統中,約80%的結果是由該系統中約20%的變量產生的。應用在企業中,就是80%的利潤來自於20%的項目或重要客戶。
  • 招聘數據分析怎麼寫?教你一招實用數據分析方法正文
    招聘數據分析怎麼寫?教你一招實用數據分析方法正文 2019年07月16日 16:10作者:黃頁編輯:黃頁
  • 你會做Excel直方圖嗎?一個超實用的數據分析神圖
    今天高頓君要分享一個冷門圖表:直方圖 別以為名稱陌生這個圖表你就用不著,其實它是一個超實用的數據分析神圖。【例】如下圖所示的員工信息表中,B列是員工的年齡 現在要分析各個年齡段的人數
  • 什麼是數據分析的漏鬥模型?
    漏鬥模型,不僅僅是一個模型,更是一種可以普遍適用的方法論,或者說是一種思維方式。本文主要談談漏鬥模型的本質、漏鬥模型案例分析以及如何繪製漏鬥模型。漏鬥模型關於漏鬥模型,我認為本質是分解和量化。為什麼這麼說,這裡以營銷漏鬥模型舉慄。
  • 數據分析模型:歸因分析
    點擊放大圖片查看03 運營位歸因(站內歸因)隨著渠道歸因的普及,從業人員逐漸認可了歸因的計算方法和功勞的分配方案,雖然模型的不同會導致計算結果存在一定偏差,但是這些都在可接受的範圍內。比如:「搜索 → 商品 → 購買」、「推薦 → 商品 → 購買」或者「推送 → 商品 → 購買」,甚至是「紅包 → 商品 → 購買」時,我們會發現,原來的那套邏輯,有一些過時了。解決問題的辦法也很簡單,就是將原來的一個值,變為記錄多個值。那麼,我們就來推演一下後續每個版本的歸因分析的實現的思路和計算方法。2.
  • 數據分析方法:RFM模型
    編輯導語:RFM是很傳統的數據分析模型,幾乎所有文章都會提到它,然而市面上流傳的各種亂用、錯用也非常多;本文作者對RMF做出了詳細的分析,我們一起來了解一下。上一篇講了【用戶畫像高大上,但90%的人都做失敗了】以後,很多同學表示想看RFM,今天它來了。
  • 常見的大數據分析模型有哪些
    提到數據分析,肯定要提到數據分析模型,在進行數據分析之前,先搭建數據分析模型,根據模型中的內容,具體細分到不同的數據指標進行細化分析,最終得到想要的分析結果或結論。
  • 數據分析實用的4種分析方法
    在日常工作中數據分析主要是為了支持業務,而業務很大程度上是圍繞用戶進行的,因而可以從用戶場景出發來具體選擇數據工具。用戶場景主要分成三大類: 第一類是洞察,要去觀察和找到我們用戶當中的一些特點規律。
  • 為什麼建議結構方程模型新手首選Amos?
    現根據實際需求,在結合CSSCI文獻的基礎上,向大家全面的講解AMOS的操作流程及結果解釋,由淺入深的也會涉及到AMOS的一些高階分析方法,方便大家更好的來解決自己專業領域的問題。同時課程也會涉及到文獻查找、數據分析、論文思路等實用技巧,助力大家更好的開展科研活動。
  • 神策數據:《十大數據分析模型詳解》白皮書上線!
    今日,神策數據推出數據分析模型系列白皮書之《十大數據分析模型詳解》,基於多維事件模型,總結歸納十大數據分析模型,內附多種分析模型的實際應用場景案例!本白皮書由神策數據諮詢中心負責人徐美玲、宗海英、翟國帥等神策數據團隊成員共同完成。以下內容節選自該白皮書2017年,神策數據曾推出——八大數據分析模型,詳細解釋了各種分析模型的定義、適用範圍、分析思路、使用方法等等,一經推出,好評如潮。
  • KANO模型:產品人必懂的需求分析法
    今天我們就來聊聊一個非常實用的需求分級方法——KANO模型。一、什麼是KANO模型?KANO模型是東京理工大學教授狩野紀昭(Noriaki Kano)發明的對用戶需求分類和排序的有用工具通過分析用戶對產品功能的滿意程度,對產品功能進行分級,從而確定產品實現過程中的優先級。
  • 大數據分析模型有哪幾種類型
    今天中琛魔方主要為大家講解在做大數據可視化時,有哪些常見得到數據分析模型。   數據模型可以從兩個角度來區分:數據和業務。   一、數據模型   統計數據視角的實體模型通常指的是統計分析或大數據挖掘、深度學習、人工智慧技術等種類的實體模型,這些模型是從科學研究視角去往界定的。
  • 數據分析師必懂的4種常規數據分析類型
    為了理解這一點,行業已經訴諸於大數據分析領域。 大數據分析平臺是一個既提供分析功能又提供海量存儲容量的綜合平臺。Hadoop,Spark,Flink和Kafka等一些流行的大數據工具不僅具有存儲海量數據的能力,而且還可以對數據進行分析。結果,它們為具有大數據需求的公司提供了全面的解決方案。
  • 數據分析必讀乾貨:簡單而實用的3大分析方法
    本文主要講解日常數據分析中,最常用的三大數據分析方法。內容雖然簡單,但是其中充滿了大量的細節方面的實用技巧。 在電商數據分析中,由於每個自然月之間的銷售差額比較大,如果採用絕對指標,便很難通過對比觀察到業務的變化。 因此,一般會採用相對指標來做環比分析,如2017年6月的銷售達標率是102%,2017年5月的銷售達標率是96%;這樣便很容易知道兩個月度之間轉化率的好壞優劣了。
  • 九卦|用模型測算六大行數位化轉型的壓力有多大?
    我們這次初步測算主要聚集於國有六大銀行的情況,股份制銀行因為相對規模處於第二階梯,因素一致並不影響測算結果,但參與測算可能會導致數據波動性較為嚴重。對標利差模型商業銀行的利差收入主要包括對公存貸款與對私存貸款。
  • 如何用線性回歸模型做數據分析?
    編輯導語:在日常工作中,很多時候都會用到數據分析的方法,線性回歸模型看起來非常簡單,但實際上它的十分重要;本文作者分享了關於如何用線性回歸模型做數據分析的方法,我們一起來學習一下。
  • 數據分析報告怎麼寫?做數據分析報告不可不知的6大原則!
    不要急,今天JINGdigital為大家帶來做數據分析報告不可不知的六大原則,掌握了這些原則,相信你可以做出一份有價值的分析報告。製作數據分析報告的前提:明確分析目的如果漫無目的地去做數據分析,那麼結論很可能是非常分散且比較淺顯的。
  • 小升初衝刺高分六大必會模塊之數論專題二
    以下是小升初衝刺高分六大必會模塊之數論專題第二部分
  • DOT模型助力大數據分析軟體開發
    本次大會以「海量數據掘寶」為主題,吸引了來自世界各地的一千餘名關注Hadoop的專家、開發者和使用者。【點擊查看IT168視頻直播專題】  本次大會上,美國俄亥俄州立大學計算機科學與工程系系主任張曉東老師介紹了用於開發大數據分析軟體的DOT開發模型,IT168記者就此進行採訪。
  • 微信數據分析和微信傳播模型
    什麼是微信數據分析呢? 試想一下,如果是你,會怎麼向你的領導、向你的下屬,進行數據分析呢?是像描述天氣一樣「昨天陰天,今天天氣挺好,風和日麗的,明天預報多雲」,還是用其他的方式?大多數人所為的數據分析就像剛才描述天氣一樣,那不是分析,而是描述數據。 數 據分析需要從來源、行為、流失等方面進行分析。