8

业务数据分析常用模型汇总，一文搞懂（纯干货）

 2 years ago
source link: https://www.niaogebiji.com/article-496585-1.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

做过产品经理或运营的朋友一定对数据分析不陌生，每次汇报的时候，总需要对业务数据做周维度以及月维度的解读。这时，就需要用到数据分析。

业务数据分析模型众多，但量不再多，在于精用。

今天挑出最常用的几个模型，供大家参考使用。

fe3580139395181412f6fa49f41f7569.png

应用场景：业务规模足够大、对分析质量高

数量（Quantity），通常是指用户数量、人口数量、收入等绝对数，用来衡量业务规模的大小情况。

质量（Quality），通常是指人均消费额度、利润率、留存率、流失率等相对数，用来衡量业务发展的质量高低。

3f51893d3aaa2449af935b5359f0a676.png

5W2H分析法

应用场景：用于企业营销、管理活动，尤其适用于决策或执行类活动，既可以用于活动策划前的市场调研，也可以用于活动后的复盘反思、查漏补缺

WHY：用户购买的目的是什么？产品在哪些方面有优势吸引用户？

WHAT：产品能提供什么服务，能为用户解决什么需求？

WHO：谁是我们的用户，他们的特点是什么？

WHEN：用户什么适合使用产品，多久使用一次？

WHERE：用户的使用场景在哪？

HOW：用户通过什么方式使用产品？

HOW MUCH：用户使用产品花费多少时间金钱？产品获客用户花费多少金钱？

优势：5W2H分析法可以有效掌控事件的本质，抓住主骨架。同时有利于准确界定、清晰表达问题，让思路更条理化，提高工作效率。

19aef6dcabc339c00d45ce9fc7ddb4f5.png

用户行为理论

应用场景：适用于TOC端业务，通过对用户的行为梳理，理清各关键指标之间的逻辑关系，尤其适用于电商类业务公司。

认知：网站访问——PV/UV量、访问来源

熟悉：网站浏览——浏览时长、跳出率、页面偏好

试用：用户注册——注册量、注册转化率

使用：用户登录——登录访问数、访问比，用户订购——订单数、转化率

忠诚：用户粘性——回访率、访问深度、复购率，用户流失——流失数、流失率

优势：对用户生命周期有从0到1的认识，通过用户行为分析、渠道质量评估，能及时了解用户的情况。找到产品改进的关键点、找到促进核心转化的相关因素，调整运营战略，从而促进精细化运营，最终达到精准营销。

d0ebdfd6210daba57a0293054ecba8ea.png

RFM模型

应用场景：在时间紧任务重的工作情况下，为运营者提高一个方法，通过分析，可以得出哪些用户更容易召回？哪些用户可以暂时放弃？哪些用户在流失边缘可以通过什么手段转化？

R（Recency）——最近一次消费时间。最近一次消费的群体可能是产生二次消费的群体。

F（Frequency）——最近一段时间的购买次数。一般而言，购买频次越高的客户，对产品满意度越高，忠诚度相对也高。

M（Monetary）——最近一段时间内的消费金额。通过消费金额可以把用户化成几个等级，如重要价值客户、一般维持客户等

AARRR模型

应用场景：本质是一个流量漏斗模型，以增长和提高收入为目标。AARRR模型中每个环节的转化都会有一定的用户流失，但相应的用户价值也会提高。

获取用户：新产品开发后，把产品与服务主动推送到用户前面，通常获取渠道有社交平台、搜索引擎优化、公关、营销活动等。

激发活跃：激活新用户，让新用户使用产品的核心功能，体验到产品的价值。需要对这些激活行为设置衡量指标，发现有效激活。

提高留存：让老客户重新回到网站或重新复购。通常而言，获取新客户的费用是留住现有客户的五倍，因此提高留存是至关重要的。一般留存手段有客户服务、激励与忠诚度活动、电子邮件回访等。

增加收益：也可称之为变现，对产品来说是最最重要的一步，一个产品开发出来最终都是为了盈利。

传播推荐：通过社交网络，产品进行自传播，让用户群像滚雪球一样越滚越大，产生良好的循环。

优势：AARRR模型属于用户相关的指标，为拉新留存运营提供了很好的思考方向。同时这是一个整体设计，构成了增长闭环，每个环节转化率都将影响整个复利增长值。

dcb681466d96c56151f3e3211f4a7616.png

人货场模型

应用场景：适用于线上零售类业务公司，销售=流量*客单价*转化率。j

人：用户属性、用户数、留存率。传统行业的人货场中的人是指售货员，但在互联网行业里人是指用户，因此人的分析也更倾向于用户属性分析。

货：上市季节、产品价格、购买频率、购买频次

场：便利性、整洁程度、商品数量、动销率

优势：该模型同样与用户行为紧密相连，并且商品属性、卖场属性、用户习惯上有一些规律可循。

业务数据分析中，数据变化不是原因本身，变化背后所蕴含的特征表现是关键，但最重要的是人，人是业务的主体，好的数据分析=人+场景+事件驱动。希望本篇文章对大家有所帮助，将业务数据分析模型运用到实际业务中，通过分析模型从中抽丝剥茧发现业务逻辑，抓住规律优化业务。

本文系作者： SPSSPRO 授权发表，鸟哥笔记平台仅提供信息存储空间服务。

本文为作者独立观点，不代表鸟哥笔记立场，未经允许不得转载。

《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问，请点击 反馈举报


report

Recommend

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK