数据分析方法与模型

数据分析模型

费米问题-大致估算

面试中的常见开放问题，比如北京有多少加油站，需要做到有理有据，有大致的参数和估算方法。
前提要具备基本的数据常识，如面积、人口数、物价等
根据供需关系可以解决80%的费米问题，此外，还可以考虑空间关系、收入关系、时间关系。
从供需关系入手：假设加油站满足需求，从人口数推出车辆数，再由加油时长、加油站工作时间、平均站桩、油桩利用率可推出加油站的供给能力，由车辆和加油频率算出加油站每天的需求，最后可得出加油站数。（也涉及时间关系）

从空间关系进行分析：

从收入关系进行分析：

OSM模型

一、OSM模型是什么

OSM模型是三个词缩写：

目标Objective；策略Strategy；度量Measurement；

它是一套业务分析框架，非算法模型；适用于：目标已经清晰，行动方向已经明确的情况。
当清晰目标以后，需要制定执行计划——OSM模型，就是把宏大的目标拆解，对应到部门内各个小组具体的、可落地、可度量的行为上，从保证执行计划没有偏离大方向。

举个简单例子：某生鲜电商APP，给运营部门目标：提升沉睡用户付费激活率，至少提高一倍吧。
第一步：把语文变成数学，定义O（如下图）。

第二步：梳理流程，找到可改善的S（如下图）。

第三步：为每个S梳理子指标，便于后期执行（如下图）。

三步，就搞掂了一个数字化执行计划。下边可以推动创意设计，或者直接交付执行监控了。这个方法非常简单，其实和平时拆解监控指标的做法差不多，就是多加了一步：对应业务策略而已。所以很容易上手。

二、OSM模型的用法

OSM模型有正向和反向使用两种用法：

1）正向使用：在项目开始前，分解大目标，明确行动和每个行动考核指标；这是上边的例子所演示的工作流程。如果企业数据驱动氛围很好，理应这么工作。
2）反向使用：项目前期没有做啥筹备，事后复盘发现一堆问题；这时候想要检讨为啥做烂了，也能按这个思路，把项目中做的事一一梳理出来，看这些事能影响什么子指标，实际影响到了没有，这些子指标和大目标之间有啥联系。

在数据驱动氛围不好的企业里，反向使用的用处更大！因为很多企业就是干事拍脑袋，出事拍大腿。

在策划阶段压根没有动脑子：
过去这么干，所以现在这么干别人这么干，所以我们这么干领导说咋干，所以咱就这么干朋友圈干了，所以俺们跟着干至于这么干：
有没有影响？能有啥影响？影响到了谁？与大目标有没关系？与大目标有多大关系？这时候重新复盘是很有必要的，通过OSM梳理，能发现一些明显然并卵的行为，从而积累分析经验，避免下一次犯错。

比如还是上边的例子。

听着厉害但没用的S：比如建立精准的用户流失预测模型；听起来很厉害，可实际上预测完了对指标有改善吗？屁用没有，最后还是得发信息、派券、选商品；没有模型这些照样做，有了模型这些也得做；所以建立精准预测，就应该只是一个二级小行动，不能放在一级行动。
有用，但只有局部用处的S：比如在APP内派券；注意，我们是针对已注册但至少30天未购货用户；所以单纯的站内派券，只能影响仍有登录的部分用户；这时候可以看——到底这些用户有多大比例会登录，未登录的部分是明显没影响的。
全局有用，但用处有限的S：比如做个花里胡哨的签到、浇水种树送果实、养金猪什么的；你看人家并夕夕都在用呢！听起来能影响全局，但是很有可能落地完了响应率、打卡完成率低的一塌糊涂；这时候可以就能判断，这玩意看着香，吃起来臭。
总之，即使公司数据驱动程度很低，也不影响数据分析师利用OSM方法积累经验；只要我们自己能梳理清楚流程，熟悉流程上常见的业务玩法，是能基于OSM，诊断业务问题的。

三、还有哪些数据分析方法

数据分析本身是个名词，就和“打”“吃”“说话”一样，如果脱离“打什么”“吃什么”“说什么”，空谈方法论，是很奇怪的。
请问：怎么吃？——what?哥哥你在问什么呀
请问：买了一只河豚怎么吃？——诶呀，这个就专业了！
所以脱离业务流程和业务场景，企图纯粹的谈数据分析方法论，就容易陷入形而上学的窘境，讲了一堆听起来牛逼但是很虚的东西；所以想讲清楚方法论，一定要具体一些。
站在业务流程角度，有5个大环节可以产生分析方法（如下图）。

站在业务场景角度，主要要考虑每个行业有多少数据积累，有哪些数据采集；数据丰富程度与数据质量，会直接影响分析方法的选择。

SWOT模型

PEST模型

政治因素（Political）： 包括政府政策、法律法规、政治稳定性等，这些因素可能影响组织的运营和决策。
经济因素（Economic）： 涵盖经济增长、通货膨胀、利率、汇率等，对组织的财务状况和市场环境产生重大影响。
社会因素（Social）： 考虑人口结构、文化、价值观念、社会趋势等，了解市场需求和消费者行为。
技术因素（Technological）： 包括创新、科技发展、专利和知识产权等，对组织的竞争力和业务模式产生深远影响。

具体参考:提高思考效率的50个模型（8）——PEST分析

波特五力

参考:1个案例，详细解读波特五力分析

运用:小龙虾店的“五力模型”分析

第一，直接竞争对手。

拐角那家小龙虾店，对面的火锅店，整个地下一层的餐饮店，都是你的直接竞争对手，因为你们争夺的，都是电梯门“叮的一声打开，那些饥肠辘辘的人们。
做个简单的分析，每天电梯门“叮”地打开走出来多少人，平均到每一家能不能养活你的餐厅。如果不能你要警醒:你处于一个“充分竞争’甚至“过分竞争”的市场。
这时你可以考虑三个策略:
a)组成“地下一层餐饮联盟”，给写字楼施加压力，迫使他们做出引流动作;
b)提供更优异、更便宜、或者差异化的餐饮，升级你的个别竞争优势;
c)研究退出成本，比如装修费用、保证金等，准备撤出

第二，顾客。

顾客作为一股重要的“竞争作用力”，主要体现在他们的谈判力量上。
大公司的行政部会找几家餐厅谈判，出示员工卡可以获得深度折扣。如果这家公司员工数占大厦的可观比率，这时“顾客”就有巨大的谈判力量。你在他合作列表里，赚钱会少;你不在他合作列表里，赚钱会更
这时，你可以联合几家差异化明显的餐厅，成立地下一层的“天合联盟”，增加餐厅谈判力量。你们还可以发行联盟折扣储值卡”，增加顾客迁移成本。

第三，供应商。

如果你的小龙虾是从江苏盱眙最大“供应商”采购的它同时服务几百家客户，那你基本就没有什么谈判力量。这也是为什么APP开发公司在苹果面前都是弱势群体。
这时你可以考虑换家小供应商，小到你的生意对他足够重要。不做大公司的小客户，也不找卖大闸蟹的人买小龙虾。对前者来说，你不重要:对后者来说，小龙虾的生意都不重要。

第四，潜在新进公司。

这座写字楼1-4楼的商场经营惨淡，会关掉不少服装店，然后用50%面积做餐饮。这时你就面临“潜在新进公司”这股“竞争作用力”了。
你要想办法提高他们的进入门槛，也就是你们“地下一层餐饮业”的壁垒。比如，你联合其他餐厅，一起策略性地降价，让后入者无利可图;你还可以尽快发行储值卡、优惠券，锁定未来2~3年的收入，让潜在进入者知难而退。

第五，替代性产品。

替代性产品就是，如果不吃你的小龙虾，顾客还能吃什么?对你们“地下一层餐饮业”来说，替代性产品就是，让顾客们不再到地下一层了，电梯不再“叮’地一声开门了。
你最典型的替代性产品，是外卖服务。那些小巷子里的低成本餐厅，大批抢走了你的客户:还有便利店里的盒饭和微波炉，还有那些“减肥奶昔、蔬果汁、辟谷课程”等，他们在白领中流行起来了，午餐的整体市场规模都会减少，就像数码相机作为替代性产品，干掉了几乎整个胶卷业一样。
那怎么办?尽快推出“小龙虾盖浇饭”，“小龙虾生煎包”“小龙虾青团”“小龙虾面”，然后和各种外卖平台合作。或者推出“比蛋白质粉更好的健身伴侣”套餐，与写字楼里的健身房，或者健身教练合作，让那些不敢吃糖，不敢吃饭，不敢吃肥肉的健身达人，在大汗淋漓之后，勇敢地吃小龙虾。

你看，当你理解你的竞争对手不仅仅是地下一层的那些餐厅，而能用“五力模型”来进行系统性地分析，就算仅仅是一家小龙虾餐厅，都可以得出很多有效的“竞争战略”，从而获得优势。

4PS模型

产品（Product）： 指的是企业提供给顾客的产品或服务。产品的设计、特性、品质等都是该要素的关注点。
价格（Price）： 涉及确定产品或服务的售价。价格制定需要综合考虑成本、市场需求、竞争对手等多方面因素。
渠道（Place）： 强调产品或服务的分销渠道，即如何将产品传递给顾客。这包括销售渠道、物流、零售等方面。
推广（Promotion）： 涉及产品或服务的市场宣传和推广策略。广告、促销、公关等手段都属于推广的范畴。

参考:提高思考效率的50个模型（16）——4Ps营销理论

5W2H模型

面试中常见的开放题，对应问题：要如何做？

七问（5w2h）：
what：是什么，目的是什么
why：为什么，为什么要这样做，原因是什么，造成这样的结果为什么
when：何时，什么时间完成，什么时机最合适
where：何处，在哪里做，从哪入手
who：谁，由谁来承担，谁来完成，谁负责
how：怎么做，如何提高效率，如何实施，方法怎样
how much：多少，做到什么程度，数量如何，质量水平怎么样，费用产出如何

案例：

你们现在准备一个电动汽车上市的推广策划，预算是20w，一个月的时间准备，你会怎样规划？（面试时注意有效的合理沟通提问）
1.信息较少时可以向面试官提问
汽车定价（20w）、产品定位、产品特色（更节能经济）、技术（续航更久、充电更快）、外观、目标用户画像（工作了3-5年的1、2线白领，男性居多，有3台车可在推广时使用）
2.使用5w2h进行问题拆解
what主题内容：电动、环保
why活动目的：拓展年轻群体对电动汽车的认知，培养种子用户
who人员：内部：根据内部人员情况，做好工作分配安排；合作方：提前联系并确认好供应商、合作媒体、宣传资源
when活动时间：配合上市时间，推广时间在上市前两周，为上市做好预热
where渠道：制作宣传视频并投放，与商场合作开设试驾点，后期宣传
how方式：对工作进行细化
how much：分配预算

RFM模型

RFM的基本思路

RFM模型由三个基础指标组成：
R：最近一次消费至今的时间
F：一定时间内重复消费频率
M：一定时间内累计消费金额

RFM模型里，三个变量的含义是很具体的：

M：消费越多，用户价值越高，越应该重点关注。
R：离得越远，用户越有流失可能，越应该唤醒用户。
F：频次越低，越需要用一次性手段（比如促销、赠礼），频次越高，越可以用持续性手段（积分） 来维护

因此RFM能直接从数据推导出行动建议，是一种非常好用的办法。

RFM的小例子

一起来看个具体例子：

某个打车出行APP，已按RFM格式，统计好用户数据（如下图，仅为示例数据100条），现领导要求：分析分析用户情况。要怎么分析呢？
第一步：先看M。区分用户价值是第一位的，先认清谁是大客户，谁是小客户，后边工作思路才清晰。我们可以用十分位法，简单地对用户分层，看哪些是大客户。
分好组以后，可以打开数据透视表，看一下每组的消费占比。
哇！第一组用户就贡献了40%+的消费，前三组合起来，共30%的用户贡献额74%的消费，真是大客户呢，因此可以分类如下：
第一组：VIP3（最高级VIP）
第二组、第三组：VIP2（每组消费占整体大于10%）
第四、第五组：VIP1（每组消费占整体大于5%，小于10%）
剩下5组：VIP0（单组消费占整体不足5%）
这里可以用一个IF语句，来做好分类（如下图）。

分类完以后可以观察每组的消费门槛在哪里，比如第一组的门槛是798元/月。在运营制定策略的时候，很有可能为了方便，找一个最近的整数。因此可以做一个手动调整，把VIP3的门店改到：一个月内消费800元。类似地，其他门槛也能做同样调整。

调整好了以后，我们已经分离出了大客户/小客户，可以做下一步的分类了。下一步可以做R。如何确定R的分类呢？可以直接根据业务特点来定。比如打车，即使再需要坐车的人，也不可能天天出门，因此R值不需要设定的太短，否则天天在人家耳朵边喊：“来坐车来坐车”，也太过度骚扰用户了。
R值可以以周为单位分类。一周内有工作日和休息日，如果用户真的是刚需，那么最迟1周也该来坐一次车了（如下图）。
分好类以后，可以做交叉表，观察不同VIP的客户在R值分布情况（如下图）。
看起来，VIP等级越高，R值越小，而VIP0的用户，居然有80%已经2周以上都没来了，要么真的没需求，要么已经流失了。这样，对VIP0的分析建议，也很清楚了：结合天气、节假日、活动等具体场景，给小额优惠，配合单次打车优惠券唤醒用户。
对于很高价值的：掏真金白银，维护好关系
对于很低价值的：定时唤醒，捞回来一个是一个
对于不高不低的，则要区分行为来看。
比如本案例中VIP1型用户，活跃度的两级分化很明显，一波人很活跃，一波人很沉默，而其消费能力都是差不多的。
此时可以有两个基本策略：
针对高活跃的，推出一个捆绑XX天的优惠套餐，锁定后续消费
针对低活跃的，在其沉睡一段时间以后，推出大额激励，拉动二次消费
这样的思路下，F就可以作为参考，从VIP1里，用F值区分出高低活跃两类人，之后制定具体策略。

这样就完成了一个简单的RFM分析，而且每个客群都有针对性业务建议给到哦。

如果只到这里就停下，那就太可惜了！因为RFM模型价值远远不止于此。

RFM的变型

RFM的真正价值，在于：它是一种利用时间、频次、数量关系，区分轻重度用户的方法。在很多业务场景下，都可以用类似的思路解决问题。

比如：考察用户的活跃行为，也可以分为RFA

R（Recency）：最近一次活跃距今时间
F（Frequency）：最近1周内活跃频次
A（amount）：最近1周内累计活跃时长

这时候，RFA组合，也能清晰地区分出轻重度用户。并且，根据RFA组合，还能找到下一步运营思路，比如以下两个用户，看起来大体相似，但可以根据行为特点，设置不同的内容推荐方案，激活用户：

RFM的缺点

注意，RFM的缺点是很明显的：它仅仅考虑了用户的行为数量，没有考虑用户在干什么。比如用RFM考察用户消费，就少了一个关键内容：用户买的是啥。同样的RFM数值，可能情况完全不一样，比如：

R：距今30天未消费
F：最近1个月仅1次消费
M：1000元

在RFM分类里，符合上述条件的是同一类客户。可是，如果我们发现：

A用户：趁大促销，囤了1000元洗发水、沐浴露、护发素、纸巾
B用户：趁大促销，买了个1000元的空调

那即使RFM分类一致，我们也知道，A与B用户是完全不同的两类人，应该采用2类激活消费的策略。因此，RFM模型可以用，但是要结合用户消费品类，做细化思考哦。

逻辑树模型

互联网通用模型AARRR、八角分析法

2.3.1 AARRR

分析用户如何增长？如何提高留存？如何分析一个APP？
AARRR模型：

参考:用户增长模型AARRR、策略&增长黑客十大案例

2.3.2 游戏化用户增长策略-八角模型

使命：赋予用户游戏的使命与意义（蚂蚁森林）。
成就：达成某个规则后获得物质（证书）。
创造：英雄联盟100多个英雄角色。
所有权：线上种树种出的果实可以寄给你（拼多多种树）。
社交：用户在游戏中找到圈子。
未知与好奇：盲盒、抢红包。
亏损：给用户不来就亏了的感觉（拼多多砍一刀）。
稀缺：限定
拼多多的砍一刀是典型的八角模型。

八角行为分析模型：把用户引到你的“圈套”里

数据分析方法

分析方法，即从数据中得出有业务意义的结论。

1.1 占比分析

通过各品类在总体中所占的百分比获取信息
如，核心指标是直播间数量的分析：

从占比可以看出，个人管理类的直播间最受欢迎，其中创业商业类最受关注。职业教育占比极少，是一个蓝海。

1.2 趋势分析

通过观察事物的发展趋势，可以推理出产生此现象的原因、给出解决方案等。
如，全年的直播观看次数变化趋势：

一月份总体观看人数最少，其原因是年底直播的人数较少，中后期有一个大幅度的下滑是在过年期间。一月底到二月初，由于线上复工，直播数量增多，直播观看次数也陡增。二月、三月期间，由于一部分不喜欢看直播或者一部分人喜欢上了看直播，所以变化的浮动比较大。清明公祭期间全面禁娱，因此观看人数为零。到后期之后，直播间数量及观看人数趋于稳定。

1.3 对比分析

跟自己比：同比、环比
跟其他比：在整个行业中的市场份额、与竞对方对比优劣

个人管理类门槛较低，因此数量最多，竞争力也最大，导致增长率不高。职业教育类门槛较高，因此数量最少，但是增长率是最高的。

1.4 象限分析

分群策略：用两个以上核心指标将业务对象按照象限划分
如，直播间观看次数与时长：

以整体平均为坐标原点，第一象限中观看的时长更长、观看次数更多、观看人数更多，第三象限中观看的时长较少、观看的次数较少、观看的人数较少，第二、四象限中没有数据。观看时长与观看次数大致是呈正比关系。第一象限中的品类时长更长，由此可见，这些品类的体系较为完整，观看时长提升了，观看次数和观看人数自然会增多。相反，第三象限中的品类时长较少，相应地，观看次数与人数自然会更少。
在提出解决方案时可对其进行更细粒度的展开，找出每个品类的更细品类（二级品类），通过分析二级品类的观看次数与直播间数的现象分析，找出用户的兴趣偏好与需求，可以适当砍掉直播间数多但是观看次数少的直播间，适当增加观看次数多但是直播间数量少的直播间。

1.5 排名分析

类似二八定律，及百分之八十的财富由百分之二十的人创造。运用到数据分析中，可以观察排名数据的帕累托图，长尾效应越明显，则该数据越是不健康，说明资源不平均，面对的风险越大。

1.6 维度分析

维度作为趋势、对比、占比等分析的关键因子，其粒度越小，越能找出问题的关键所在，越容易找出解决问题的方案。
如，常见业务的维度：
一级品类：职业、兴趣等
二级品类：职业可分哪些，兴趣又可分为哪些
常见的指标：
TGI指数（Target Group Index） = (目标群体中具有某一特征的群体所占比例 / 总体中具有相同特征的群体所占比例) * 100

意义：100代表平均水平，高于100，代表该类用户对某类问题的关注程度高于整体水平。