超全!整理了18種常用數據分析模型和方法,建議收藏

fans news 發佈 2021-11-19T06:56:47+00:00

在進行數據分析時,我們通常需要用到各類分析模型和方法,一是為了讓自己的結論更有說服力,二是讓論證過程更具備邏輯性和條理性。

在進行數據分析時,我們通常需要用到各類分析模型和方法,一是為了讓自己的結論更有說服力,二是讓論證過程更具備邏輯性和條理性。

今天帆軟君就來給大家分享18種常用的數據分析模型和方法,並附上用FineBI分析的步驟教程,希望對大家有所幫助!

RFM 分析

留存分析

用戶粘性分析

ABC分析

用戶畫像分析

需求分析方法-KANO模型

波士頓矩陣圖

月復購分析

庫存周轉分析

轉化分析

AARRR 用戶運營分析

杜邦分析

購物籃分析-關聯規則

用戶流入流出分析

盈虧平衡分析

復購率分析

用戶生命周期狀態分析

同環比分析

1、RFM模型

RFM 用於對用戶進行分類,並判斷每類細分用戶的價值。

三個關鍵指標:

  • 最近一次消費時間(R):客戶距離最近的一次採購時間的間隔。
  • 最近一段時間內消費頻次(F):指客戶在限定的期間內所購買的次數。
  • 最近一段時間內消費金額(M):客戶的消費能力,通常以客戶單次的平均消費金額作為衡量指標。

通過上述三個關鍵指標判斷客戶價值並對客戶進行觀察和分類,針對不同的特徵的客戶進行相應的營銷策略,如下圖所示:

FineBI 實現效果如下圖所示:

2、 帕累托分析

帕累托分析又叫 ABC 分析,分類的核心思想:少數項目貢獻了大部分價值。以款式和銷售量為例:A 款式數量占總體 10% ,卻貢獻了 80% 的銷售額。

把產品或業務分為A、B、 C三類,用於分清業務的重點和非重點,反映出每類產品的價值對庫存、銷售、成本等總價值的影響,從而實現差異化策略和管理。

FineBI 實現效果如下圖所示:

3、 波士頓矩陣

波士頓矩陣通過銷售增長率(反映市場引力的指標)和市場占有率(反映企業實力的指標)來分析決定企業的產品結構。

波士頓矩陣將產品類型分為四種,如下圖所示:

FineBI 實現效果如下圖所示:

4、轉化分析

轉化漏斗模型,是分析用戶使用某項業務時,經過一系列步驟轉化效果的方法。

轉化分析可以分析多種業務場景下轉化和流失的情況,不僅找出產品潛在問題的位置,還可以定位每個環節流失用戶,進而定向營銷促轉化。

FineBI 實現效果如下圖所示:

5、購物籃分析-關聯規則

大家應該都聽過這樣一個經典案例:超市裡經常會把嬰兒的尿不濕和啤酒放在一起售賣,原因是經過數據分析發現,買尿不濕的家長以父親居多,如果他們在買尿不濕的同時看到了啤酒,將有很大的概率購買,從而提高啤酒的銷售量。

這種通過研究用戶消費數據,將不同商品之間進行關聯,並挖掘二者之間聯繫的分析方法,就叫做商品關聯分析法,即購物籃分析,通過「支持度」、「置信度」、「提升度」三個指標判斷商品見的關聯。

FineBI 實現效果如下圖所示:

6、復購率分析

復購率是指最近一段時間購買次數,用於說明用戶的忠誠度,反向則說明商品或服務的用戶黏性。

FineBI 實現效果如下圖所示:

7、留存分析

留存分析是一種用來分析用戶參與情況/活躍程度的分析模型,考查看進行初始行為後的用戶中, 經過一段時間後仍然存在客戶行為(如登錄、消費)。

計算公式:某一段時間內(時間段a)的新增用戶在若干天后的另一段時間(時間段b)的留存數量 / (時間段a)的新增用戶總量

FineBI 實現效果如下圖所示:

8、用戶畫像分析

用戶畫像就是與該用戶相關聯的數據的可視化的展現;一句話來總結就是:用戶信息標籤化。

通過對用戶人口屬性:用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等和行為特徵:活躍度、忠誠度等指標進行分析,從而幫助企業對用戶進行精準營銷、輔助業務決策。

FineBI 實現效果如下圖所示:

9、月復購分析

復購率可以幫我們觀察用戶的忠誠度。提升復購率,可以提高用戶購買的頻次。業務的持續增長除了拉新獲客的持續輸入,存量用戶的復購尤為重要。

一個月內有100個用戶購買商品,其中有20人購買了2次以上,那麼月復購率就是20%。同理可以改變統計周期,計算季度復購率、年復購率等。

FineBI 實現效果如下圖所示:

10、AARRR用戶運營分析

AARRR 模型又叫海盜模型,是用戶運營過程中常用的一種模型,解釋了實現用戶增長的 5 個指標:獲客、激活、留存、收益、傳播。從獲客到傳播推薦,整個 AARRR 模型形成了用戶全生命周期的閉環模式,不斷擴大用戶規模,實現持續增長。

每一個產品具體情況不同,但總體上都包括這 5 個方面的發展過程。所以可以對這 5 個發展過程逐個分析。

FineBI 實現效果如下圖所示:

11、用戶流入流出分析

小郭是一家百貨商場的負責人,他想對百貨中的各個品牌的競爭力進行分析,所以他考慮從用戶流入流出入手。幫助百貨了解各個品牌的競爭力的同時,也可以幫助各個品牌的負責人看到自己品牌流入流出的情況如何。

他對流入客戶和流出客戶的行為進行了分析,將流入原因分為「其他品牌流入、渠道流入、類別流入」,流出原因分為「品牌流出、渠道流出、類別流出」。精細劃分後,各個品牌的競爭力情況更加一目了然。

FineBI 實現效果如下圖所示:

12、用戶生命周期狀態分析

對用戶進行生命周期狀態分析,可以了解企業當前的市場競爭力,並對不同類別的客戶實施不同的營銷動作。

比如用兩個維度「最近一次登錄距今的時間」和「第一次登錄距今的時間」,可以將客戶簡單的分為四個類別:

  • 新用戶:剛開始在較短的一段時期內登錄/購買了產品的客戶。
  • 一次性用戶:在較短一段時間內登錄/購買產品後,近期不再繼續購買的客戶。
  • 忠實用戶:在較長一段時間內持續登錄/購買產品,且在近期仍有購買行為的客戶。
  • 流失用戶:在較長一段時間內持續登錄/購買了產品,但近期不再有購買行為的客戶。

FineBI 實現效果如下圖所示:

13、用戶粘性分析

用戶粘性是指用戶對於品牌或產品的忠誠、信任與良性體驗等結合起來形成的依賴程度和再消費期望程度,是了解產品健康度的重要指標。

比如,為了解團隊對產品「不斷改進」的過程中,對用戶粘性是否有提升作用,我們可以製作一張用戶粘性儀錶板,用於觀察粘性情況。

FineBI 實現效果如下圖所示

14、需求分析方法-KANO模型

KANO模型是對用戶需求分類和優先排序的有用工具,以分析用戶需求對用戶滿意的影響為基礎,體現了產品性能和用戶滿意之間的非線性關係。

比如,產品經理常常會遇到非常多的產品需求,但開發人員資源有限,怎麼才能撈出真正的用戶需求?給真正重要的需求高優先級?這時候就需要引進「KANO模型」,進行系統的需求梳理,對需求進行分析和提煉,提高效率。

FineBI 實現效果如下圖所示:

15、庫存周轉分析

庫存周轉率是企業在一定時期銷貨成本與平均存貨餘額的比率,用於反映庫存周轉快慢程度。周轉率越高表明存貨周轉速度越快,從成本到商品銷售到資金回流的周期越短,銷售情況越好。

庫存周轉天數是企業從取得存貨開始,至消耗、銷售為止所經歷的天數。周轉天數越少,說明存貨變現速度越快,銷售狀況越良好。

FineBI 實現效果如下圖所示:

16、杜邦分析

杜邦分析法利用幾種主要的財務比率之間的關係來綜合地分析企業的財務狀況,用來評價公司盈利能力和股東權益回報水平,從財務角度評價企業績效。

其基本思想是將企業淨資產收益率逐級分解為多項財務比率乘積,這樣有助於深入分析比較企業經營業績。

FineBI 實現效果如下圖所示:

17、盈虧平衡分析

盈虧平衡分析又稱保本點分析或本量利分析法,是根據產品的業務量、成本、利潤之間的相互制約關係的綜合分析,用來預測利潤,控制成本,判斷經營狀況的一種數學分析方法。比如,當我們可以通過盈虧平衡分析分析控制各項成本的投入,從而使店鋪經營利潤能達到一個新台階。

【總成本=固定成本+變動成本】【利潤=月銷售額-總成本】

  • 固定成本:在一定範圍內不隨銷售額的增減而變動的成本,例如:房租、水電、人工費等。
  • 變動成本:指隨銷售額的增減大致成正比例關係變化的成本,例如:銷售提成,商品進貨成本等。

FineBI 實現效果如下圖所示:

18、同環比分析

同比發展速度主要是為了消除季節變動的影響,用以說明本期發展水平與去年同期發展水平對比的相對發展速度。

環比表示連續2個統計周期(比如連續兩月)內的量的變化比。

計算公式:

同比:(本期銷售額-去年同期銷售額)/去年同期銷售額

環比:(本期銷售額-上個周期銷售額)/上個周期銷售額

FineBI 實現效果如下圖所示:

福利

私信回復「BI」,可免費體驗企業級數據分析工具——FineBI

關鍵字: