数据分析方法(营销模型篇)--最全的9种分析方法

本篇整理常用数据分析方法,主要介绍这个方法是什么,在什么场景下可以使用,但具体如何使用本篇暂不涉及,之后会结合业务场景具体阐述。
数据分析方法有非常多,但大致可以分为两类
第一,营销模型类,第二统计方法。
本篇主要是营销类,整理的框架为:定义、模型内容、应用场景

一、5W2H分析法

1、定义
5W2H分析法又叫七问分析法,即what,why,who,when,where,how,how much。
2、方法内容
在这里插入图片描述
(1)why(何因)——为什么?为什么要这么做?原因是什么?
(2)what(何事)——是什么?目的是什么?
(3)where(何处)——何处?从哪里来?到哪里去?
(4)when(何时)——何时?什么时间完成?
(5)who(何人)——谁来执行?谁来负责?谁来管理?
(6)how——怎么做?如何提高效率?如何实施?
(7)how much——做多少?做到何种程度?数量、质量如何?
3、应用场景
分析需求,项目过程等

二、SWOT分析模型

1、定义
所谓SWOT分析,即基于内外部竞争环境和竞争条件下的态势分析,就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等,通过调查列举出来,并依照矩阵形式排列,然后用系统分析的思想,把各种因素相互匹配起来加以分析,从中得出一系列相应的结论,而结论通常带有一定的决策性。
2、模型内容
在这里插入图片描述
优劣势分析主要着眼于企业自身的实力及其与竞争对手的比较,而机会和威胁分析将注意力放在外部环境的变化以及对企业可能的影响上,在分析时,应把所有的内部因素(即优劣势)集中在一起,然后用外部的力量对这些因素进行评估

1、机会与威胁分析(OT)
机会与威胁时企业在发展过程中不断遇到的事情,机会是对企业富有吸引力的领域,在这一领域中,该公司将拥有竞争优势,威胁是对企业不利的因素,如果不采取果断的战略行为,这种不利趋势将导致公司的竞争地位受到削弱。

2、优势与劣势分析(SW)
当两个企业处于同一市场或者它们都有能力向同一顾客群体提供产品和服务时,如果其中一个企业有更高的赢利率,那么我们就认为这个企业比另一个企业更具有竞争优势,但值得主要的是:竞争优势并不一定是体现在赢利率上,因为有时企业更希望增加市场份额,或者多奖励管理人员或雇员。
竞争优势可以指消费者眼中的一个企业或它的产品有别于其竞争对手的任何优越的东西,它可以是产品线的宽度,产品的大小,质量,可靠性,适用性,风格和形象以及服务的及时,态度的热情等,虽然竞争优势实际上指的是一个企业比其竞争对手有较强的综合优势,但是明确企业究竟在哪一个方面具有优势更有意义,因为只有这样,才能扬长避短,或者以实际击虚。

3、应用场景
企业内部分析等

三、PEST分析模型

1、定义
PEST分析是指宏观环境的分析,P是政治(politics),E是经济(economy),S是社会(society),T是技术(technology)。在分析一个企业集团所处的背景的时候,通常是通过这四个因素来分析企业集团所面临的状况。
2、模型内容
政治环境(politics),是指一个国家或地区的政治制度、体制、方针政策、法律法规等方面。这些因素常常影响着企业的经营行为,尤其是对企业长期的投资行为有着较大影响。

经济环境(economy),指企业在制定战略过程中须考虑的国内外经济条件、宏观经济政策、经济发展水平等多种因素

社会环境(society),主要指组织所在社会中成员的民族特征、文化传统、价值观念、宗教信仰、教育水平以及风俗习惯等因素。

技术环境(technology),是指企业业务所涉及国家和地区的技术水平、技术政策、新产品开发能力以及技术发展的动态等

PEST分析模型下政治、经济、社会、技术常见分析指标如下所示:
在这里插入图片描述
在这里插入图片描述
3、应用场景
行业分析等

四、AARRR

1、定义
AARRR模型因其掠夺式的增长方式也被称为海盗模型,是Dave McClure 2007提出的,核心就是AARRR漏斗模型,对应客户生命周期帮助大家更好地理解获客和维护客户的原理。
2、模型内容
AARRR分别代表了五个单词,又分别对应了产品生命周期中的五个阶段:

Acquisition [获取] : 用户从不同渠道来到你的产品

Activation [激活] :用户在你的产品.上完成了一个核心任务(并有良好体验)

Retention [存留] :用户回来继续不断的使用你的产品

Revenue [收益] :用户在你的产品.上发生了可使你收益的行为

Referral [推荐] : 用户通过你的产品,推荐引导他人来使用你的产品
在这里插入图片描述
3、应用场景
用户增长、用户维护等

五、RFM模型

1、定义
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM是Rencency(最近一次消费),Frequency(消费频率),Monetary(消费金额)组合而成,此模型对于运营、销售、财务、市场来说都比较重要。
2、模型内容
R(Recency):最近一次消费(最近一次消费是多久以前)
消费指的是客户在店铺消费最近一次和上一次的时间间隔,理论上R值越小的客户是价值越高的客户,即对店铺的回购几次最有可能产生回应。目前网购便利,顾客已经有了更多的购买选择和更低的购买成本,去除地域的限制因素,客户非常容易流失,因此CRM操盘手想要提高回购率和留存率,需要时刻警惕R值。

F(Frequency):消费频率
消费频率是客户在固定时间内的购买次数(一般是1年)。但是如果实操中实际店铺由于受品类宽度的原因,比如卖3C产品,耐用品等即使是忠实粉丝用户也很难在1年内购买多次。所以,一般店铺在运营RFM模型时,会把F值的时间范围去掉,替换成累计购买次数。

M(Monetary):消费金额(设定时间内客户的总消费金额)
M值是RFM模型中相对于R值和F值最难使用,但最具有价值的指标。理论上M值和F值是一样的,都带有时间范围,指的是一段时间(通常是1年)内的消费金额,在工作中我认为对于一般店铺的类目而言,产品的价格带都是比较单一的,比如:同一品牌美妆类,价格浮动范围基本在某个特定消费群的可接受范围内,加上单一品类购买频次不高,所以对于一般店铺而言,M值对客户细分的作用相对较弱。
在这里插入图片描述
3、应用场景
客户细分、客户运营等

六、漏斗分析模型

1、定义
漏斗分析是一套流程式数据分析,它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
2、模型内容
理解漏斗时需要注意亮点,其一:我们常见的“漏斗”都是将液体从大口倒入,小口漏出。我们这里所说的漏斗分析,每个前步骤只会有部分用户进入到下一步骤中,所以此“漏斗”是有筛选功能的;其二:我这里说的漏斗分析,就是我们跟踪的整个漏斗的转化过程,是以用户为最小粒度单元进行计数(数据展示),进入下一步的用户一定是完成了所有前步骤的。
例如:漏斗模型在电商网站中的应用,用户在不同的阶段转化率不同,根据用户的路径记录其转化情况。用户在购买商品时,一般会经过选购商品–添加购物车–购物车结算–核对订单–提交订单–支付–完成。在每一个阶段,都有一个对应的转化率,漏斗模型就是让我们直观的感觉到这个各个层级之间的转化情况,我们可以针对不同层级的情况进行优化,提升转化率,最终可以实现销售额的提升。
在这里插入图片描述
3、应用场景
流量监控、产品目标转化、用户转化等

七、 4P分析模型
1、定义
4P是指“产品(product)、价格(price)、渠道(place)、促销/推广(promotion)”4大营销组合策略即为4P。
2、模型内容
在这里插入图片描述
产品(Product):注重开发的功能,要求产品有独特的卖点,把产品的功能诉求放在第一位。
价格 (Price): 根据不同的市场定位,制定不同的价格策略,产品的定价依据是企业的品牌战略,注重品牌的含金量。
分销 (Place): 企业并不直接面对消费者,而是注重经销商的培育和销售网络的建立,企业与消费者的联系是通过分销商来进行的。
促销(Promotion):企业注重销售行为的改变来刺激消费者,以短期的行为(如让利,买一送一,营销现场气氛等等)促成消费的增长,吸引其他品牌的消费者或导致提前消费来促进销售的增长。

而后,又有延伸到4Ps、6P、10P、7P、4P+3R等,这些就不再这里介绍了。
3、应用场景
产品定价等

八、 KANO分析模型

1、定义
对用户需求分类和优先排序的有用工具,以分析用户需求对用户满意的影响为基础,体现了产品性能和用户满意之间的非线性关系。模型实施的主要形式是通过问卷进行调研完成的。KANO模型是一个典型的定性分析模型,一般不直接用户测量用户的满意度,常用于识别用户对新功能的接受度。
2、模型内容
根据不同类型的质量特性与顾客满意度之间的关系,将产品服务的质量特性分为五类:
基本(必备)型质量——Must-beQuality/ Basic Quality
期望(意愿)型质量——One-dimensional Quality/ Performance Quality
兴奋(魅力)型质量—Attractive Quality/ Excitement Quality
无差异型质量——Indifferent Quality/Neutral Quality
反向(逆向)型质量——Reverse Quality,亦可以将 ‘Quality’ 翻译成“质量”或“品质”。在这里插入图片描述
3、应用场景
产品需求分析,产品功能分析

九、7S分析模型

1、定义
是麦肯锡顾问公司研究中心设计的企业组织七要素,指出了企业在发展过程中必须全面地考虑各方面的情况,包括结构(structure)、制度(system)、风格(style)、员工(staff)、技能(skill)、战略(strategy)、共同的价值观(shared values)
2、模型内容
战略:企业面对迅速变化的经营环境,为求得长期的生存和发展而对企业进行的总体性规划。

结构:组织结构就是表现组织各部分排列顺序、空间位置、联系方式、聚集状态的一种模式,以求有效地把组织的各部分聚集起来,为实现共同的目标而努力。

制度:企业制度是指对企业的微观构造及相关制度所做出的一系列规定和约束的总合,具体表现为企业组织、运营、管理等一系列行为的规范化和制度化。

风格:主要指企业文化,就是企业在长期的生产经营过程中形成的、并为全体员工共同认可和遵循的价值观念、职业道德和行为规范的总和。

员工:员工的知识和技能。

技能:企业的一切生产经营活动都是由具有一定技术能力的员工利用相应的生产要素来实现物质财富和精神财富的创造过程。

共同的价值观:就是组织全体成员对组织的战略。目标和宗旨的共同认识,是企业对存在意义、经营指标等问题的基本观点以及评判企业和员工行为的标准。共同的价值观是企业文化的核心
在这里插入图片描述
3、应用场景
团队合作、项目管理等

  • 4
    点赞
  • 51
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
大数据(Big Data)是指规模庞大、复杂度高且难以用传统数据处理方法进行捕捉、管理和处理的数据集合。它通常具有以下三个特征: 数据量大:大数据指的是数据集的规模非常庞大,远远超出了传统数据处理工具的能力范围。这些数据集可能包含数十亿甚至数万亿的记录。 复杂度高:大数据往往包含多类型和格式的数据,例如结构化数据(如关系型数据库中的数据)、半结构化数据(如XML文件)和非结构化数据(如文本、图像和音频等)。这些数据的复杂性使得处理和分析变得更加困难。 处理速度快:大数据处理要求在短时间内处理和分析大规模的数据。传统的数据处理方法往往无法满足实时或近实时处理的需求。 大数据的出现主要是由于以下几个因素的影响: 数据的爆发性增长:随着互联网的普及和各传感器、设备的广泛应用,数据的产生和积累呈现爆发式增长的趋势。 新型数据源的涌现:除了传统的结构化数据,越来越多的非结构化和半结构化数据源涌现,例如社交媒体数据、日志文件、传感器数据、地理位置数据等。 技术的进步:大数据处理的技术工具和技术方法得到了快速发展,例如分布式计算、云计算、并行处理、机器学习和人工智能等技术的应用,使得大数据的存储、管理和分析变得可行和高效。 大数据的处理和分析可以带来许多潜在的好处,包括更深入的洞察力、更准确的决策支持、更精细的个性化服务、更高效的资源利用和创新等。在各个领域,如商业、医疗、金融、交通、科学研究等,大数据正发挥着重要的作用,并为我们带来了新的机遇和挑战。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值