在进行数据分析时,通常需要用到各类数据分析模型和方法,这些模型都符合商业分析的一般规律,也给数据分析提供思路。今天就来给大家分享7种常用的数据分析模型和方法,希望对大家有所帮助!
01
RFM分析模型
RFM分析模型用来对用户进行分类,并判断每类细分用户的价值。该模型通过客户的近期购买行为、消费频率以及消费金额 3 项指标来描述该客户的价值状况。通过这三个关键指标判断客户价值并对客户进行观察和分类,针对不同的特征的客户进行相应的营销策略。
02
ABC分析法
ABC分类法(Activity Based Classification) ,全称应为ABC分类库存控制法。又称帕累托分析法或主次因分析法 、ABC分析法、分类管理法、物资重点管理法、ABC管理法,平常我们也称之为“二八法则”。
标准帕累托图构成
在帕累托的分析图中,有两个纵坐标,一个横坐标,一个柱形图和一条折线图,以下图为例,X轴是按照商城各个品牌销售额从大到小排序,左侧Y轴为各品牌产品的销售额,右侧Y轴为各品牌累计销售额占总销售额的百分比。
我们按照0-80%,80%-90%,90%-100%将商品分成ABC 3个类别,然后对于这3个类别的产品做区别管理,以提高效益。
03
波士顿矩阵分析
波士顿矩阵(BCG矩阵),又称市场增长率—相对市场份额矩阵、四象限分析法、产品系列结构管理法等。
BCG矩阵从市场份额、市场增长率两个维度对产品进行描述,将组织的每个战略事业单位(SBUs)标在二维矩阵上,对产品进行分类。确定投资的产品,做出取舍,以使业务组合达到最佳经营成效。
通过业务的优化组合实现企业的现金流量平衡。波士顿矩阵可用于确定产品最优组合、定位产品和制定公司层业务战略。
横纵坐标轴划分就形成了4种产品:
-
明星类产品:高增长且高市场占有率,发展前景好,竞争力强,需加大投资以支持其发展;
-
问题类产品:高增长但低市场占有率,发展前景好但市场开拓不足,需谨慎投资;
-
现金牛产品:低增长但高市场占有率,成熟市场的领导者,应降低投资,维持市场占有率并延缓衰退;
-
瘦狗类产品:低增长且低市场占有率,利润率低甚至亏损,应采取撤退战略。
04
归因分析
随着移动互联网的兴起,业务的形态越来越复杂,站内归因(也常被称作“坑位归因”)的需求日趋增多。
以自营电商为例:同样的一个商品,可能会在站内多处“坑位”产生曝光,比如:首页 Banner 的特卖活动页、商品详情页的相关推荐、购物车页面下方的推荐列表中。运营人员需要知道这些“坑位”对商品最终成单产生的“贡献”分别是多大,从而指导站内的商品运营工作,例如将主推的商品推至成单贡献度高的坑位中,给予更多的曝光从而带来更多的转化。
一般来说有4种归因:首次归因、末次归因、线性归因、位置归因。
05
购物篮分析
据说上个世纪九十年代,沃尔玛超市的管理人员发现了一个奇怪现象,同一个订单里经常会同时出现婴儿纸尿裤和啤酒,并且购买者大多为父亲。有人就进行了分析,发现从时间上,周末比工作日购买纸尿裤喝啤酒的频率更多;其次,爸爸们喜欢看体育节目,而且更爱边喝啤酒边看,且美国的体育节目多在周末扎堆。所以,当周末母亲需要给孩子换纸尿裤时,通常会让正在看球的奶爸去买。奶爸出去买纸尿裤,会顺便带些啤酒回来。
无论这个案例真假,但他带来的启发却是巨大的,这让我们意识到可以通过研究用户消费数据,将两种看上去完全没关系的产品关联在一起,这就叫做商品关联分析法,也叫作“购物篮分析”。
06
AARRR用户运营分析
AARRR模型的实质是一个用户生命周期模型,关注用户获取(Acquisition)、激活(Activation)、留存(Retention)、收入(Revenue)和自传播(Refer)这五个方面,描述了用户从了解一个产品或服务到成为忠实用户的整个过程,对应于产品生命周期中的五个阶段。
07
用户画像分析
用户画像分析(User Profiling Analysis)是一种市场研究技术,它通过收集和分析用户的各种数据来创建用户的详细描述,这些描述通常包括用户的行为、偏好、心理特征、生活方式等。用户画像的目的是为了更好地理解目标客户群体,以便为他们提供更加个性化的产品和服务,提高营销效率和客户满意度。
用户画像分析用一句话来总结就是:用户信息标签化。
用户画像分析通常包括以下几个步骤:
- 数据收集:通过各种渠道收集用户数据,包括但不限于社交媒体行为、在线购买历史、网站浏览记录、客户反馈、调查问卷等。
- 数据整合:将收集到的数据整合在一起,形成一个统一的视图,以便于分析。
- 分段:根据用户的共同特征将用户分为不同的群体或细分市场。
- 画像创建:为每个用户群体创建详细的画像,包括他们的行为模式、购买习惯、价值观念等。
应用:利用用户画像来指导产品开发、市场营销策略、客户服务等业务活动。