关注"Python学习与数据挖掘"，
最近也快到年底了，我整理了15种常用/常见的数据分析方法和模型，并将其分为两大类，方便大家理解记忆，话不多话，直接开盘！
1、RFM分析
RFM分析模型用来对用户进行分类，并判断每类细分用户的价值。通过这三个关键指标判断客户价值并对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。
2、帕累托/ABC分析
ABC分析法可用于分清业务的重点和非重点，以此实现差异化的营销管理。
3、波士顿矩阵分析
波士顿矩阵通过销售增长率和市场占有率，来将产品类型分为四类。
4、转化分析
转化漏斗模型，是工作中最常用的分析模型，可以分析整条业务流程中的转化和流失情况，通过转化数据，精确定位每个环节流失用户，进而定向营销促转化。
5、购物篮分析-关联规则
通过分析用户消费数据，把不同商品进行关联，挖掘二者之间的联系，就叫做商品关联分析法。
6、复购率分析
指最近一段时间购买次数，用于说明用户的忠诚度，反向则说明商品或服务的用户黏性。
7、留存分析
留存分析是一种用来分析用户参与情况/活跃程度的分析模型，用来查看进行初始行为后的用户中， 经过一段时间后仍然存在客户行为。
8、月复购分析
月复购率分析可以帮我们观察用户的忠诚度。提升复购率，可以提高用户购买的频次。
9、AARRR用户运营分析
AARRR模型又叫海盗模型，包含用户增长的5个指标：获客、激活、留存、收益、传播。
10、用户流入流出分析
对流入客户和流出客户的行为进行分析，分析后各个品牌的竞争力情况一目了然。
11、用户画像分析
12、需求分析方法—KANO模型
KANO模型：是对用户需求进行分类和优先排序的有用工具，将需求分为四类。这个模型能帮助我们从海量需求中找出最值得去做的事
- 必备型需求（必须有）：即常说的痛点。对于用户而言，这些需求是必须满足的，理所当然的。当不提供此需求，用户满意度会大幅降低。这类是核心需求，也是产品必做功能。
- 期望型需求（应该有）：当提供此需求，用户满意度会提升；当不提供此需求，用户满意度会降低。通常作为竞品之间比较的重点。
- 兴奋型需求（可以有）：惊喜型产品功能，超出用户预期，往往能带来较高的忠诚度。不提供也不会降低用户满意度。
- 无差异需求（可以没有）：用户根本不在意的需求，对用户体验毫无影响。尽量规避做此类型功能。
13、库存周转分析
通过分析企业从取得存货开始，到消耗、销售为止所经历的天数。周转天数越少，说明存货变现速度越快，销售状况越良好。
14、杜邦分析
以往文章：财务数据人一定要懂的分析方法——杜邦分析法杜邦分析法用来评价公司盈利能力和股东权益回报水平，从财务角度评价企业绩效。15、盈亏平衡分析
盈亏平衡分析又称本量利分析法，是根据产品的业务量、成本、利润之间的相互制约关系的综合分析，用来预测利润，控制成本，判断经营状况。
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）
