8个经典数据分析模型

大家在工作中是不是经常要做各种分析,但又常常遇到无从下手,抓不住重点,搞不清关键数据的情况。俗话说“工欲善其事,必先利其器。”一个好用的数据分析模型,能给我们提供一种视角和思维框架,从而帮我们理清分析逻辑,提高分析准确性。

那老李研究数据分析也很多年了,今天特意为大家整理出了8大常用数据分析模型,帮助大家快速提高数据分析能力。

1、AARRR模型

AARRR模型又叫海盗模型,这个模型把实现用户增长拆分成了 5 个指标:获客、激活、留存、收益、传播。分别对应“用户如何找到我们?”、“用户的首次体验如何?”、“用户会回来吗?”、“如何赚到更多的钱?”、“用户会转介绍,告诉其他人吗?”这五个问题。大家在做用户增长的时候可以通过指标数据问自己对应的问题,找到转化低的环节进行优化。只有找到合适的渠道,在合适的时间,把合适的产品,推给合适的用户,才能实现精准的用户增长。

8个经典数据分析模型_第1张图片

AARRR增长模型出自于增长黑客,又称海盗模型,即获客、激活、留存、变现、传播推荐。

▶获取用户(Acquisition)、提高活跃度(Activation)、提高留存率(Retention)、获取收入(Revenue)、用户推荐(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(Acquisition):通过一定的方式让产品在一些渠道上面得到展现,并使看到展现的用户转化成产品用户。

▶提高活跃度(Activation):提高产品的使用粘性,提升用户使用产品的深度。

▶提高留存率(Retention):如何让用户不断地使用我们的产品,减少用户的流失,提升用户粘性。让用户无法离开产品。

▶获取收入(Revenue):通过一些手段和渠道从用户那里获取收益。

用户推荐(Refer):通过提升产品的竞争力,使用户给他的朋友推荐我们的产品。

8个经典数据分析模型_第2张图片

▆获取用户(Acquisition)的数据指标:流量来源、流量路径、CAC(用户获取成本)、CPC(每次点击付费)  、CPT(按时长付费)、  CPM(千人成本) 、 CPS(按提成收费) 、CPA(按点击计费) 、Campaign(塑造品牌)。

▆提高活跃度(Activation)的数据指标:DNU(日新增用户)  、DAU/WAU/MAU 、 ACU(平均同时在线人数)、 PCU(最高同时在线人数)、 PV、 UV 、意向UV(进入意向页面的用户数)、 PV/UV、 CTR(点击率)、 意向UV-CTR (点击UV/意向UV)、VV(视频播放次数)、访问时长、停留时长、滚动屏数、人均停留时长、人均操作次数、 N次操作占比、行为路径、访问频次、跳出率、用户来源、用户去向。

▆提高留存率(Retention)的数据指标:留存率、次日留存率、7日留存率、30日留存率、回流率、召回CTR(提取出的正确信息条数 /  样本中的信息条数)、用户生命周期 (周期/(1-周期内新增留存率))。

▆获取收入(Revenue)的数据指标:GMV 、ARPU(每用户平均收入)、ARPPU(平均每付费用户收入)、LTV(生命周期价值)、 PBP(回收期)、 ROI(投资回报率 )、收入地图 、客单价、 消费次数 、消费频率、 订单量、 利润、 购买偏好、 直接引导成交、 间接引导成交、 购买间隔。

▆用户推荐(Refer)的数据指标:分享率、分享次数、K-Factor (病毒传播指标)、 NPS。

 

RARRA模型

AARRR最开始关注的是如何获取用户,所以AARRR关注的首要指标是获客用户数,而RARRA通过最重要的指标来关注增长:用户留存。

RARRA的数据模型,本质上是在AARRR的基础上进行顺序调整得到,以满足日益获客成本所带来的压力成本。RARRA模型相比与AARRR可以使得获客成本更低。

▶用户留存Retention:如何让用户不断地使用我们的产品,减少用户的流失,提升用户粘性。让用户无法离开产品。

▶用户激活Activation:提高产品的使用粘性,提升用户使用产品的深度。

▶用户推荐Referral:通过提升产品的竞争力,使用户给他的朋友推荐我们的产品。

▶商业变现Revenue:通过一些手段和渠道从用户那里获取收益。

▶用户拉新Acquisition:通过一定的方式让产品在一些渠道上面得到展现,并使看到展现的用户转化成产品用户。

8个经典数据分析模型_第3张图片

RARRAR首先关注的是产品的留存情况。当产品的留存情况不好,要优化产品的使用体验、功能和运营方式。当这三方面都得到优化提升,接下来就进提供用户的活跃度,以及商业化方面的尝试,等到这些都做好了, 就大规模的推广产品关注获客数据指标。

▆用户留存数据指标:留存率、次日留存率、7日留存率、30日留存率、回流率、召回CTR(提取出的正确信息条数 /  样本中的信息条数)、用户生命周期 (周期/(1-周期内新增留存率))。

▆用户激活数据指标:DNU(日新增用户)  、DAU/WAU/MAU 、 ACU(平均同时在线人数)、 PCU(最高同时在线人数)、 PV、 UV 、意向UV(进入意向页面的用户数)、 PV/UV、 CTR(点击率)、 意向UV-CTR (点击UV/意向UV)、VV(视频播放次数)、访问时长、停留时长、滚动屏数、人均停留时长、人均操作次数、 N次操作占比、行为路径、访问频次、跳出率、用户来源、用户去向。

▆用户推荐数据指标:分享率、分享次数、K-Factor (病毒传播指标)、 NPS。

▆商业变现数据指标:GMV 、ARPU(每用户平均收入)、ARPPU(平均每付费用户收入)、LTV(生命周期价值)、 PBP(回收期)、 ROI(投资回报率 )、收入地图 、客单价、 消费次数 、消费频率、 订单量、 利润、 购买偏好、 直接引导成交、 间接引导成交、 购买间隔。

▆用户拉新数据指标:流量来源、流量路径、CAC(用户获取成本)、CPC(每次点击付费)  、CPT(按时长付费)、  CPM(千人成本) 、 CPS(按提成收费) 、CPA(按点击计费) 、Campaign(塑造品牌)。

 

2、转化漏斗模型

转化漏斗模型,主要是通过转化率分析整个业务流程中的转化和流失情况。通过转化数据,对每个环节的流失用户再进行精准营销。举个例子:一个手机公司同时在抖音和小红书投放了广告,通过转化漏斗发现小红书带来的最终购买比较低,那么此时就找到了解决问题的抓手,可以就提高小红书渠道的转化去做优化。

8个经典数据分析模型_第4张图片

漏斗模型

即用户行为路径所要经过的核心流程步骤,用户在流程的走向过程中会逐渐的减少。关于漏斗模型,本质是分解和量化,从获取用户到最终转化成购买这整个流程中的一个个子环节,相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤,然后用转化率来衡量每一个步骤的表现,最后通过异常的数据指标找出有问题的环节,从而解决问题,优化该步骤,最终达到提升整体转化率的目的,整体漏斗模型的核心思想其实可以归为分解和量化。

8个经典数据分析模型_第5张图片

可以通过这种分解和量化的形式,将问题进行不断的拆解,最后通过量化的形式来辅助达成目标,或者针对异常的步骤进行调优,最终达到总目标。它可以广泛应用于流量监控、产品目标转化等日常数据运营工作中,称之为转化漏斗;也可以用于产品、服务销售,称之为销售漏斗。 

3、RFM模型

RFM 模型也是一种实用的客户分析方法,主要是通过对R(最近一次消费时间)、F(最近一段时间内消费频次)以及M(最近一段时间内消费金额)这三个关键指标对客户进行观察和分类,从而得出每类细分用户的价值,根据不同的用户价值去做不同的营销动作。这个模型对于实现精准营销和节约成本有很大作用。

8个经典数据分析模型_第6张图片

RFM模型

衡量客户价值和客户创利能力的重要工具和手段,是电商运营所比知的分析模型。

8个经典数据分析模型_第7张图片

▶R(Recency)代表最近一次消费。理论上来说,上一次消费时间越近的客户是越优质的客户,该部分客户与店铺的关系更加紧密,更加容易触达;距离当前上一次消费越远的客户,越有流失的风险。

F(Frequency)代表消费频率。可以说最常购买的客户,是满意度最高的客户,也是忠诚度较高的客户。提升客户的购买频率意味着提高客户终身价值的贡献。

▶M(Monetary)代表消费金额。消费金额是客户贡献的最直接的体现,我们所做的所有运营活动都是为了提升客户的消费金额。

 

4、波士顿矩阵

波士顿矩阵主要是通过销售增长率(反映市场引力的指标)和市场占有率(反映企业实力的指标)两个指标来对公司的产品进行四象限分类,得出每一个产品所处的时期和特征,便于确定公司整体产品布局,合理投资。

8个经典数据分析模型_第8张图片

8个经典数据分析模型_第9张图片

波士顿矩阵模型

波士顿矩阵其实是利用二维四象限将产品分成了明星、金牛、瘦狗和问题四种类型。在电商运营中波士顿也具有很大的指导意义,我们可以根据波士顿矩阵的方式制定平台的产品矩阵:流量款、利润款、形象款,让商城的产品更符合交易逻辑。

8个经典数据分析模型_第10张图片

 

5、购物篮分析

购物篮分析是通过研究用户消费数据,将不同商品进行关联,并挖掘二者之间的联系。举个营销学上经典的“啤酒+尿布”案例,超市在统计数据的时候发现一般买尿布的男性顾客也会买啤酒,因此在尿布购物架的旁边放置了各种啤酒。果然,两者销量都显著提升。可见,购物篮分析能够找出一些被忽略的关联,帮助进行产品组合,增加销售额。

8个经典数据分析模型_第11张图片

6、KANO模型

KANO模型和波士顿矩阵有一些类似,都是利用四象限。但前者主要是用来对用户需求分类和排序用的,根据用户需求对用户满意的影响,得出产品性能和用户满意之间的非线性关系,其优先级为「必备型>期望型>兴奋型>无差异」。

比如业务提了8个功能,先做哪一个呢?此时就可以用KANO模型,让业务人员填写满意度问卷,最后将统计结果汇总,得出必备型,也就是痛点功能进行优先满足。

8个经典数据分析模型_第12张图片

7、ABC分析法

ABC分析法的核心思想就是少数项目贡献了大部分价值。通过统计事务对于目标达成的贡献度,进行分类排队,分清重点和一般,从而有区别地确定管理方式。举商品销售的例子来说,男士配饰、运动服饰、儿童服饰、女式皮鞋带来的销售额占总销售额的70%,那这些就属于A类商品,后续可以扩大销售和重点运营。

8个经典数据分析模型_第13张图片

8、杜邦分析法

杜邦分析法是财务分析常用的模型,主要通过对ROE进行分解,从盈利能力、运营能力和偿债能力三个方面去衡量企业经营业绩。此外也可以与公司所处的行业、公司盈利模式结合起来,帮助投资者了解一家公司的核心竞争力是什么。

8个经典数据分析模型_第14张图片

九、金字塔模型

可以在做精细化运营,用户分层时使用,比如可以将用户分成:头部用户、中腰部用户、底部用户;也可以分成:合伙人、付费会员、复购用户、成交用户、浏览用户等等。马斯洛需求层次理论其实也是金字塔模型的一个应用。

8个经典数据分析模型_第15张图片

 十、SWOT模型

SWOT是最常用的竞争态势和竞争机会的分析模型,利用二维四象限的方式分成:S (strengths)是优势、W (weaknesses)是劣势、O (opportunities)是机会、T (threats)是威胁四个维度。

8个经典数据分析模型_第16张图片

 十一、用户生命周期模型

用户从接触到平台(APP)到用户流失的整个过程,可以分为:导入期、成长期、成熟期、休眠期、流失期。从平台运营的角度可以将用户的生命周期分成获客区、升值区和流失区,对应着这三个阶段我们的运营核心工作也不尽相同。获客区:推广获客;升值区:成交转化、复购增购、分享裂变;流失区:新品研发、用户导流。

8个经典数据分析模型_第17张图片

 

你可能感兴趣的:(数据分析,数据分析)