关注"Python学习与数据挖掘"

设为“星标”，第一时间送达干货

资料专栏

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。

我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。

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。

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。

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。

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。

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。

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、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。



长按或扫描下方二维码，后台回复：加群，即可申请入群。一定要备注：来源+研究方向+学校/公司，否则不拉入群中，见谅！
（长按三秒，进入后台）

推荐阅读
利用Python做一个漂亮小姐姐词云跳舞视频
30 个Python代码实现的常用功能，精心整理版
神器！三行 Python 代码轻松提取 PDF 表格数据
四款可视化工具，解决99%的可视化大屏需求

2022年最该收藏的8个数据分析模型