常用数据分析模型
常用数据分析模型
- AARRR模型（海盗/漏斗模型）
-
- AARRR
- RARRA
- RFM模型
- 5W2H模型
- A/B测试模型
- 逻辑树模型
- 生命周期模型
- 企业战略模型
-
- SWOT模型
- PEST模型
- 波特五力模型
本文为转载，原文出处为常用数据分析模型- 栖迟于一丘，如有侵权，立刻删除
模型是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式。 要进行一次完整的数据分析，首先要明确数据分析思路，比如从那几个方面开展分析，各方面都包含什么内容或指标，有了整体的框架，才能更好地开展业务。
在日常的数据分析中，常用的有10大模型：AARRR模型、RFM模型、5W2H模型、A/B测试模型、PEST模型、用户行为模型、逻辑树模型、生命周期模型、SWOT模型、波特五力模型、4P营销理论模型。
AARRR模型（海盗/漏斗模型）
AARRR
AARRR模型，也称海盗模型，是一种经典的漏斗结构。 AARRR是Acquisition、Activation、Retention、Revenue、Refer，这个五个单词的缩写，分别对应用户生 命周期中的5个重要环节：获取用户、提高用户活跃度、提高用户留存率、获取收入、自传播。
AARRR模型是以用户为中心，以完整的用户生命周期为线索，把控产品整体的成本/收入关系。如果用户生命周期价值（LTV）远大于用户获取成本（CAC）与用户经营成本（COC）之和，那么久意味着产品的成功。
每个流程的分析指标
Acquisition获取用户：
- PV（Page View）：页面浏览量。 用户访问网站时每打开一个页面，就记为1个PV。即用户点击页面的次数。
- UV（Unique Visiter）：独立访客数。 一天之内到底有多少不同的用户访问了你的网站。一台电脑终端为一个访客。
- DNU：日新增用户数。
- CVR（ Conversion Rate ）：渠道转化率。用户点击 / 渠道推送量
- CAC（ Customer Acquisition Cost ）：用户获取成本。 即你花多少钱获取了一个新用户。 总的市场相关花费 / 总的对应花费带来的所有新用户数
Activation激活用户：
- DAU( Daily Active User )：日活跃用户数。
- WAU:周活跃用户数
- MAU:月活跃用户数
- DAOT(Daily Average Online Time)： 日均使用时长
Retention留存：
- 留存率：周留存率、月留存率
- 用户构成：新用户数、连续活跃用户数、回流用户数、忠诚用户数、流失用户数
Revenue收入：
- 订单数
- ARPU( Average Revenue Per User )：平均每用户收入。Monthly ARPU = Revenue / MAU
- 转化率：下单用户 / 活跃用户
- LTV(Life Time Value)：用户生命周期价值 ，即用户在生命周期内为该游戏创造的收入总和。
LTV=ARPU * LT（按月或天计算平均生命周期）
LT为一个用户从第一次参与游戏，到最后一次参与游戏之间的时间，一般计算平均值，LT以月计，就是玩家留存在游戏中的平均月的数量。
Refer传播：
- 分享完成用户数
- 分享访客用户数
- 分享转化率：分享完成用户数 / 分享访客用户数
- 分享次数
- K因子：每个用户能够带来几个新用户。K=用户数 * 平均分享访客数 * 分享转化率
当K>1时用户群就会滚雪球一样增大
当K<1时，用户群到某个规模时就会停止通过自传播增长。
用户分享率：某功能页面中，分享完成用户数占浏览页面人数之比。
RARRA
AARRR模型升级为RARRA模型，即调整为：Retention留存 —> Activation活跃 —> Refer传播 —> Revenue收入 —> Acquisition获取
AARRR模型适合新开发的产品，RARRA模型适合运营一段时间后成熟的产品。
RFM模型
RFM模型是广泛使用于传统零售行业的用户分层模型。
R（Recency）最近一次消费：最近一次消费时间的间隔，为“近度维度”
F（Freauency）消费频率：一段时间内的消费频次，为“频度维度”
M（Monetary）消费金额：对应这段时间内的消费金额，为”额度维度“
依据RFM三个维度，将用户分为8类：重要价值客户、一般价值客户、重要发展客户、一般发展客户、重要保持客户、一般保持客户、重要挽留客户、一般挽留客户。
RFM用户细分策略建议（牢记“二八法则”）：
| 客户类型 | R | F | M | 策略建议 |
|---|---|---|---|---|
| 重要价值客户 | 高 | 高 | 高 | 资源倾斜，VIP服务，个性化服务，附加销售 |
| 重要保持客户 | 低 | 高 | 高 | 提供有用资源，通过新产品推荐，吸引客户购买 |
| 重要发展客户 | 高 | 低 | 高 | 提供会员计划，推荐明星产品 |
| 重要挽留客户 | 低 | 低 | 高 | 回访用户，免费送礼，附带明星产品宣传册 |
| 一般价值客户 | 高 | 高 | 低 | 提供免费试用，提高客户兴趣，加强用户忠诚度 |
| 一般保持客户 | 高 | 低 | 低 | 推荐价值更高产品 |
| 一般发展客户 | 低 | 高 | 低 | 积分制，以折扣产品吸引用户再次购买 |
| 一般挽留客户 | 低 | 低 | 低 | 低价折扣商品推荐，采用低成本营销 |
RFM模型数据处理：
将原始数据处理成一维表，用户ID是唯一标识，包含与取数当天最近的一次购买时间，最近1个月内的购买次数，最近1个月的累计购买金额这3个指标的表格。
利用3个指标对RFM进行定义，如：以平均值为参考线，3个指标分别与平均值相比，大于平均值则为高，小于平均值则为低。注意：其中购买时间离现在越近则越高。
根据3项指标的结果，对用户的戏份就完成了。
5W2H模型
5W2H模型又称七何分析法（何事、何因、何人、何时、何地、如何做、何价）
-
What 何事：我们需要做什么事（比如我们要做用户画像，我们要先明确用户画像是什么意思）
-
Why 何因：我们做这件事的原因（做用户画像是为了开发新产品确定目标用户还是为了改进原有产品提高市场份额）
-
Who 何人：例如：购买你产品的人是怎样的？年龄、性别分布？消费水平情况？工作职务？婚姻状况？
-
When 何时：例如：买家一般在什么时间购买？最佳的购买时间是上午还是下午晚上？会多久购买一次？每个月一般哪天的销售额最大？电商活动期间购买会不会增多？
-
Where 何地：例如购买我们产品的人分布地点在哪里？一线、二线、三线城市如何分布？各省份、市级情况如何？有没有地域聚集性？
-
How 如何做：例如，做用户画像时，需要分析某一群人的行为轨迹，是先加入购物车再消费，还是直接购买？喜欢用花呗还是信用卡？
-
How much 何价：例如买家消费水平如何？他们每个月能承受多少购物花费？平均一般喜欢购买什么价位的商品？开展一次活动的总花费是多少？
没有思路时，可以按照这7个问题发问，穷尽且不重复的将现状梳理清楚，就明确了要解决的问题，这样也能清晰、准确地找到问题的答案。
案例：某电商公司，4月29-30日的销量明显下跌，原因是什么？
What：首先明确问题，29-30的下跌是否为真实下跌？时间线拉长一点看，是28日异常高，还是29-30下跌？
When：29-30这个时间点是否为特殊日期？五一假期前？前段时间做了促销活动？
Where：那个渠道，哪个地区下跌？
Who：哪类人群的下降最为明显？
Why：为什么会下跌？下跌的核心原因是什么？访问人数减少？转化率下降？
How：定位下跌原因后，是否有对策？应急策略有哪些？能否立马改善？下次预案可以做什么？
How much：影响范围有多大？预计总计会造成收入波动多少？
A/B测试模型
A/B测试又称A/B test，是为Web或App页面或流程制作两个及以上（A、B、N）版本，在同一时间维度，分别让组成成分相同（相似）的访客群组（目标人群）随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析、评估出最好版本，正式采用。
有多个设计方案时，常用A/B测试来更合理的做出选择。
步骤：
- 明确测试目标：测试内容；衡量标准
- 制作A/B两个版本投放。按照你的测试目标，制作不同的版本进行投放，实际进行时可以ABCD多个版本同时进行测试。
- 比较分析目标结果。延长数据时间线来增加可靠性。
应用场景：体验优化、转化率优化
逻辑树模型
-
逻辑树又称问题树、演绎树或分界树等。类似树的结构。初始问题为树干，相关联的问题和点作为树枝。
-
用于业务问题专题分析，配合思维导图使用。
-
讲一个问题分层扩展，一步步拆解的模型。
逻辑树模型的作用：
- 理清思路。避免进行重复和无关的思考
- 解决问题的过程完整性
- 工作细分，便于落地
模型应用：
- 第一步：确定需要解决的问题
- 第二步：依据MECE原则分解问题
- 第三步：剔除次要问题
- 第四步：进行关键分析
- 第五步：梳理文档化
举例：利润增长缓慢的原因：利润 = 收入 - 成本 - 所得税
收入：客户少？质量变差？对手竞争？
成本：材料成本？人工成本？广告成本？促销成本？
所得税：税率？政策？
注意事项：使用逻辑树模型，必须遵循以下3个原则：
- 要素化：把相同问题总结归纳成要素
- 框架化：将各个要素组织成框架，遵守不重不漏的原则
- 关联化：框架内各要素保持必要的相互关系，简单而不孤立
模型拓展：
- 下钻：在分析指标的变化时，按一定的维度不断的分解
- 下钻和上卷：不局限于一个维度，多维组合的节点
- 引申：决策树：选择差别最大的一个维度进行拆分
生命周期模型
生命周期模型分为：用户生命周期模型和产品生命周期模型
用户生命周期模型：用户从开始接触产品到离开产品的整个过程
- 引入期：获客阶段
- 成长期和成熟期：此阶段的用户属于产品最为核心的用户，升值阶段
- 休眠期、流失期：留存阶段
不同时期的工作重点：
- 导入期：拉新、获客以及促进新用户的活跃
- 成长期、成熟期：促进用户活跃、转化/付费、制造留存
- 休眠期、流失期：对沉没流失用户做好安抚工作或者新产品的转移工作
产品生命周期模型（PLC：Product Life Cycle):以时间为参考维度，以用户量或者收入水平等作为衡量标准
一款产品的生命周期划分为4个阶段：初创期、成长期、成熟期、衰退期
企业战略模型
SWOT模型
SWOT模型又称为态势分析法。
Strength优势：内部有利；Weakness劣势：内部不利；Opportunites机会（PEST）：外部有利；Threat威胁（波特五力）：外部不利
PEST模型
PEST模型是基于公司战略的眼光来分析企业外部宏观环境的一种方法。
Politics政治：政治制度、体制，方针政策，法律法规等
Economic经济：国内外经济条件，宏观经济政策，经济发展水平等
Society社会：民族特征、文化传统、价值观念、宗教信仰、教育水平等
Technology技术：技术水平、政策，新产品开发能力以及技术发展的动态等
波特五力模型
- 供应商的议价能力
- 购买者的议价能力
- 潜在竞争者进入的能力
- 替代品的替代能力
- 行业内竞争者现在的竞争能力
文章作者 版权所有，转载请注明出处。工作请联系[email protected] 上次更新 2019-10-19
许可协议 原创文章，如需转载请注明文章作者和出处。谢谢！ 赞赏支持 数据分析 笔记 MySQL公司员工分析过程数据分析流程及常用方法