写在前面
作为一种策略分析模型，四象限分析法可以使企业使用两个维度分析业务、产品的表现，协助其更好的进行资源分配、问题诊断。
什么是四象限分析法
四象限分析法的概念
四象限分析法（又称BCG矩阵、波士顿矩阵。英文：BCG Matrix）为波士顿咨询公司提出的一种分析方法，目的是协助企业分析其业务和产品系列的表现，从而协助企业更妥善地分配资源，及作为品牌建立和营销、产品管理、战略管理及公司整体业务的分析工具。四象限分析法由相对市场占有率（以公司业务的市场占有率除以同行业最高的市场占有率而获得）作为横轴，市场增长率(可用本年销售额同比)作为纵轴，再加上两轴各自的分界而成，将商品分为了四类：问题类商品、明星类商品、现金牛类商品及瘦狗类商品 。
四象限分析法也向我们阐述一个产品正常的生命周期，即：大部分商品或业务最初是“问题类”，随着资金投入增加逐渐变为“明星类”，当市场增长速度放缓，则会移向“现金牛”区域。最终则会移向“瘦狗”区域，从而完成一个生命周期。
商品分类特点及应对策略
1.问题类商品
特点：高增长的市场但市场占有率低。
策略：由于市场前景好，因此需加大的资源投资成为明星类商品。
2.明星类商品
特点： 高增长的市场和高市场占有率。
策略： 重点加强资金稳固市场占有率，巩固竞争地位。
3.现金牛类商品
特点： 低增长的市场和高市场占有率。
策略： 维护目前现状，增加多种营销手段过大销售面。
4.瘦狗类商品
特点： 低增长的市场和低市场占有率。
策略： 需考虑撤资，将资源转为其它方面。
四象限分析法有什么用
产品分析
四象限分析法最初创立的目的就是用来分析业务和产品的表现，进而对资源进行合理的配置。波士顿咨询公司选用市场占有率和销售增长率进行分析未来产品资源配置方式。除此之外，还可以通过对产品在不同纬度下数据对比将产品划分不同类型，并制定相应管理策略。例如：对用户购物分析的消费次数及消费金额；对库存管理的商品库存天数及库存周转率等等（在实战阶段1，通过对坤坤、博哥、宇哥、葛兰小姐姐以及蔡蔡等基金经理的持仓基金进行分析，将基金进行分类选取适合自己的基金。）
业务问题诊断
四象限分析法在业务问题诊断中主要分为两类，第一类类似产品分析，首先选用具有正负向意义的维度指标（例如转化率、满意度等指标），然后分析各业务在两指标下的表现情况，将业务或产品进行划分；第二类是诊断各业务在同一指标不同时间维度下的表现情况，例如当整体业务出现问题时，比如销售额、转化率等指标出现恶化现象，可以使用四象限分析法对各业务或产品在同比或环比的表现进行分析，定位关键问题业务或产品并进行改善。（在实战阶段2，由于APP整体转化率同比环比均出现下降，通过对各品类进行分析，定位引起问题出现的关键点）
四象限分析法实战
# 导入相关第三方包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import scipy
# 修复图片中文显示乱码及刻度显示缺失问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline
实战1：基金分析
在实战1，通过对坤坤、博哥、宇哥、葛兰小姐姐以及蔡蔡等基金经理的某一持仓基金进行分析，选取衡量基金收益率的夏普比率指标和衡量基金风险大小的最大回撤率指标进行分析，将基金进行分类。这里补充说明下基金选取两个关键指标含义：
夏普比率：表示每承受一单位风险，预期可以拿到多少超额收益，值越大表示基金性价比越高。
最大回撤：表示基金净值从最高到最低的下降幅度，值越大则基金风险应对能力越差。
# 新建画布
plt.figure(figsize=(6, 4))
# 创建数据，数据选用天天基金,基金名称、近1年夏普比率和近1年最大回撤率如下：
fund = ['坤坤','博哥','兰兰','宇哥','蔡蔡']
sharpe = [3.82,2.48,2.57,2.82,0.59]
max_retrace = [0.1676,0.2323,0.1566,0.162,0.3121]
color=np.random.rand(5)
# 绘制散点图
plt.scatter(sharpe,max_retrace,c=color,s=180,alpha=0.5)
# 添加坐标轴标签
plt.xlabel('近1年夏普比率')
plt.ylabel('近1年最大回撤率')
# 添加数据标签
for a,b,l in zip(sharpe,max_retrace,fund): # zip 拉链函数将其配对组合
plt.text(a, b+0.01, l, ha='center', va='bottom', fontsize=10)
# 添加分割线
plt.vlines(x=np.mean(sharpe), ymin=0, ymax=0.6,
linewidth=2,linestyles='--')
plt.hlines(y=np.mean(max_retrace), xmin=0, xmax=4,
linewidth=2,linestyles='--')
plt.annotate('低风险高收益区', xy=(np.max(sharpe), np.min(max_retrace)), xytext=(np.max(sharpe)*0.7, np.min(max_retrace)*0.6),
arrowprops=dict(facecolor='red', shrink=0.05))
Text(2.674, 0.09395999999999999, '低风险高收益区')
从上图可以看出，红色三角标记处为低风险高收益区，基金越靠近该点表示该基金在近一年內承受较低的风险的同时带来较高的收益，因此我们应重点考虑此类基金，从上图中可以看出蔡蔡经理的基金波动最大且收益率不高，应谨慎选择。坤坤的基金近1年整体表现最好。由于基金增长受基金经理操作、国家政策等各种方面的影响选基需谨慎，本案例仅供参考（由于本实战数据仅选取了5个基金数据进行分析，且除了蔡蔡其它都是我自选的所以收益及风险都比较稳定，哈哈，重在分析思路。另外Excel会更便于画图及调试，本文就不在阐述，但大家应尽量尝试用开源语言Python去绘制）。
实战2：业务问题诊断
在日常业务分析中经常会遇到转化率等指标出现恶化，当指标出现问题，我们首先进行多维度拆分分析是哪些品类或者商品导致，在维度拆分后，为消除各业务或产品之间的差距，往往需要对该品类或商品历史值即同比和近期值即环比进行对比分析。本案例以分析某APP转化率下降原因为目标，使用四象限分析法对各品类数据进行分析。
# 读取数据
data = pd.read_excel('transform.xlsx')
data.head()
| 品类 | 同比 | 环比 | 个数 |
|---|---|---|---|
| A | -0.012 | -0.014 | 42 |
| B | 0.005 | 0.013 | 132 |
| C | 0.010 | -0.005 | 167 |
| D | -0.012 | 0.005 | 39 |
| E | -0.027 | -0.016 | 146 |
# 新建画布
plt.figure(figsize=(6, 4))
# 对同比和环比都下降数据标记为红色，其它标记为黑色
color=['r' if ((data.loc[i,'同比']<0)&(data.loc[i,'环比']<0)) else 'b' for i in range(len(data))]
# 绘制散点图
plt.scatter(data.同比,data.环比,c=color,s=data.个数*2,alpha=0.6)
# 添加坐标轴标签
plt.xlabel('转化率同比')
plt.ylabel('转化率环比')
# 添加数据标签
for a,b,l in zip(data.同比,data.环比,data.品类): # zip 拉链函数将其配对组合
plt.text(a, b, l, ha='center', va='center', fontsize=10)
# 添加分割线
plt.vlines(x=0, ymin=-0.05, ymax=0.05,
linewidth=2,linestyles='--')
plt.hlines(y=0, xmin=-0.05, xmax=0.05,
linewidth=2,linestyles='--')
plt.annotate('转化率同比环比恶化区域', xy=(data.同比.min(), data.环比.min()), xytext=(data.同比.min()*1.2, data.环比.min()*1.2),
arrowprops=dict(facecolor='red', shrink=0.05))
Text(-0.036077359393016276, -0.05847164208336395, '转化率同比环比恶化区域')
从上图可以看出，红色三角标记处转化率同比环比最低，品类越靠近该点表示该品类同比和环比均表现越差，H品类为恶化问题最严重的品类，应及时进行调整，但从影响程度上来看F和E品类由于活动页较多影响占比较大且转化率同比和环比均出现恶化现象，因此应重点改善。
Q&A
Q1:四象限分析的维度只能是市场占有率和时长预期增长？
不是。四象限分析法（也就是波士顿矩阵）作为波士顿咨询公司设计的方法模型，其主要用在行业层面对本公司下的产品及业务进行分析，因此会重点分析产品在市场上的占有率和增长率的表现。但其作为一种经典的策略分析方法可以用在日常业务分析的方方面面，本文在“实战1：产品分析”分析基金时使用了夏普比率和最大回撤作为横纵坐标进行分析，很好的评估了各基金在收益与风险两个方面的表现。因此，正确的认识及运用四象限分析方法可以让我们增加更多的视角观察事物。
Q2：我们首要工作是改善最差的吗？
不全是。一方面，同类型商品中在两种维度下表现均较差说明确实需要我们进行优化调整，但当品类较多精力有限时，我们应根据帕累托法则选取影响较大的品类优先进行改善。在实战1中，H品类同比环比恶化最为明显，但将品类活动页个数作为图形大小的填充条件进行绘图，可以明显的看到H品类影响占比较小，F和E品类应是改善问题的关键。