做数据分析我们经常会用到各种数据分析模型和方法。不管是优化运营策略、增强用户粘性还是盘活库存提高利润用好数据分析模型和方法能帮我们快速发现业务问题知道下一步该往哪儿走。今天给大家分享18个最常见、最实用的数据分析模型和方法你肯定用得上。话不多说直接上干货一、先搞懂数据分析的基本逻辑学习具体的模型和方法之前先建立一个整体的分析框架和思路说白了这些模型和方法本质上就是解决这些问题的。1、描述现状搞清楚发生了什么用对比和细分的方法客观描述发生了什么例如通过同环比看趋势通过维度拆解找问题点。2、诊断原因追问为什么会发生这个阶段的核心是溯源和关联分析通过连续追问或多维度交叉分析来定位根本原因。3、预测趋势判断将来会发生什么基于历史数据运用统计或机器学习模型判断将来会发生什么对未来进行预估。4、指导决策确定我们应该怎么做把分析结论转化为具体行动并通过A/B测试等方法验证效果完成从洞察到行动的闭环。二、18个常用的数据分析模型和方法我们把这18个模型和方法放进不同的业务场景里帮助你更好地理解和掌握。一用户与客户分析看懂你的用户这是互联网和消费行业最核心的分析领域模型也最多。1、AARRR模型海盗模型它是用户增长运营过程中常用的一种模型它把用户和产品的关系分为五个阶段获客、激活、留存、收益、传播。从获客到传播推荐整个 AARRR 模型形成了用户全生命周期的闭环模式不断扩大用户规模实现持续增长。模型分析的过程往往需要把散落在各个系统的数据源连接起来还要进行数据处理和关联分析。我用的就是FineBI​这样的一站式数据分析平台通过简单的拖拽式操作就能实现不同业务数据的联合分析快速构建从获客来源分析到用户传播效果追踪的完整分析看板实时监控每个环节的转化率帮助我们制定合适的增长策略。我把工具链接放在这里了感兴趣的朋友可以上手试试https://s.fanruan.com/0j1bm复制到浏览器FineBI实现效果如下图所示2、RFM分析RFM用来做用户分类通过最近一次消费时间R、消费频率F、消费金额M这三个指标来判断每类细分用户的价值。比如那些最近刚买、买得又勤、花钱又多的就是重要价值客户你得重点维护而那些很久没来、但以前贡献大的就是重要挽留客户得赶紧想办法唤回针对不同的特征的客户进行相应的营销策略。FineBI 实现效果如下图所示3、用户画像分析这不是一个数学模型而是一个描述性框架。它把用户这个模糊的概念变成一个个有年龄、性别、地域、兴趣、行为特征的标签集合从而帮助企业对用户进行精准营销、辅助业务决策。FineBI 实现效果如下图所示4、用户生命周期状态分析把用户当成一个有生命的个体这个模型可以帮你判断你手头上的用户大部分处在哪个阶段。比如用两个维度「最近一次登录距今的时间」和「第一次登录距今的时间」可以将客户简单的分为四个类别新用户刚开始在较短的一段时期内登录/购买了产品的客户。一次性用户在较短一段时间内登录/购买产品后近期不再继续购买的客户。忠实用户在较长一段时间内持续登录/购买产品且在近期仍有购买行为的客户。流失用户在较长一段时间内持续登录/购买了产品但近期不再有购买行为的客户。FineBI 实现效果如下图所示5、留存分析专门衡量用户粘性的核心指标。简单来说就是看今天新增的用户有多少人在7天、30天后还会回来。留存率低说明产品可能没有解决用户的核心需求或者体验有问题。计算公式某一段时间内时间段a的新增用户在若干天后的另一段时间时间段b的留存数量 / 时间段a的新增用户总量FineBI 实现效果如下图所示6、用户粘性分析这是留存分析的增强版看得更细。不光看用户是否回来还看他们回来多频繁、每次待多久、用了哪些功能。通过一组综合指标综合评估用户对产品的依赖程度。FineBI 实现效果如下图所示7、用户流入流出分析流入是新用户和回流用户流出是流失用户。分析用户的新增和流失情况你能从宏观上把握用户规模的动态平衡。FineBI 实现效果如下图所示8、月复购分析这是零售、电商非常看重的指标它计算一个月内购买两次及以上的用户所占的比例。复购率高说明产品好、用户忠诚复购率低就可能只是一次性买卖得靠不停拉新才能维持。FineBI 实现效果如下图所示二商品、销售与库存分析管好你的货与钱1、ABC分析帕累托分析它源于二八法则它分类的核心思想是少数项目贡献了大部分价值。把你所有的商品按销售额或利润排序你会发现通常排名前20%的商品贡献了80%的业绩A类中间30%可能贡献15%B类剩下50%的商品只贡献5%C类。知道了这个你的库存策略、营销资源就该向A类商品倾斜从而实现差异化策略和管理。FineBI 实现效果如下图所示2、波士顿矩阵这个模型用市场增长率和市场份额两个维度把你的业务或产品分成四类明星高增长高份额重点投资现金牛低增长高份额是利润来源要稳住问题高增长低份额有风险需谨慎瘦狗双低考虑放弃波士顿矩阵将产品类型分为四种如下图所示FineBI 实现效果如下图所示3、购物篮分析关联规则经典的“啤酒和尿布”故事就源于此它通过算法找出顾客经常同时购买的商品组合。这个分析结果可以直接指导你的货架摆放、捆绑促销和优惠券发放提升客单价。FineBI 实现效果如下图所示4、库存周转分析这个指标告诉你你的货卖得快不快。库存周转率高说明销售顺畅资金回笼快周转率低就意味商品滞销资金被占用甚至有贬值和过期风险。FineBI 实现效果如下图所示5、盈亏平衡分析你开一个店、做一个新产品卖多少件才能不亏本这个模型就是来算这个的。它会区分固定成本房租、工资和变动成本商品进货成本帮你清晰理解销量、成本和利润之间的关系又称保本点分析或本量利分析法。【总成本固定成本变动成本】【利润月销售额-总成本】FineBI 实现效果如下图所示三流量与转化分析1、转化分析漏斗分析这是AARRR模型在微观层面的应用。它聚焦于一个具体流程比如从“浏览商品”到“加入购物车”再到“支付成功”把这个流程画成一个漏斗你就能一眼看出用户在哪个步骤放弃得最多然后集中精力去优化那个环节。FineBI 实现效果如下图所示四财务与经营分析1、杜邦分析这个更偏向于财务分析它的基本思想就是把净资产收益率一层层拆解成几个核心财务指标的乘积。比如利润薄了还是资产周转慢了或者是杠杆用得太冒险了用杜邦分析进行拆解搞清楚公司整体盈利能力的问题出在哪里有助于深入分析比较企业经营业绩。FineBI 实现效果如下图所示五通用基础分析1、同环比分析这就是最基础的对比分析在时间维度上的应用。同比是和去年同期比排除季节因素看长期趋势环比是和上个周期比反映短期变化。计算公式同比本期销售额-去年同期销售额/去年同期销售额环比本期销售额-上个周期销售额/上个周期销售额FineBI 实现效果如下图所示2、需求分析方法-KANO模型这个模型帮你给产品功能需求排序。它把需求分为几类必备型必须有没有用户会很不满意、期望型越多越好线性提升满意度、兴奋型用户没想到有了会惊喜。比如产品经理常常会遇到非常多的产品需求但开发人员资源有限怎么才能捞出真正的用户需求给真正重要的需求高优先级这时候就需要引进「KANO模型」进行系统的需求梳理对需求进行分析和提炼提高效率。最后一口气介绍了这么多你可能觉得有点复杂。没关系不用想着一次性全记住先收藏起来然后这样做1、先想清楚自己目前最大的业务问题是什么是用户增长不动了还是库存积压严重或者是不知道钱该投到哪个产品上2、根据你的问题回到上面的分类里找到最对应的那个模型。​ 比如你想提高销售额就去看用户与客户分析和商品销售分析里的模型。3、把这个模型的核心逻辑和几个关键指标搞透然后用它去分析你手头的数据。希望这篇文章能对你有所帮助