10個實用的資料分析模型,學會思路再也不用啃書了
一、使用者價值模型
1、RFM模型
RFM分析是客戶關係分析中一種簡單實用客戶分析方法,他將最近一次消費、消費頻率、消費金額這三個要素構成了資料分析最好的指標,衡量客戶價值和客戶創利能力。
RFM分析也就是透過這個三個指標對客戶進行觀察和分類,針對不同的特徵的客戶進行相應的營銷策略。
R——最後交易距離當前天數(Recency)
F——累計交易次數(Frequency)
M——累計交易金額(Monetary)
在這三個制約條件下,我們把M值大,也就是貢獻金額最大的客戶作為“重要客戶”,其餘則為“一般客戶"和”流失客戶“,基於此,我們產生了8種不同的客戶型別:
- 重要價值客戶:復購率高、購買頻次高、花費金額大的客戶,是價值最大的使用者。
- 重要保持客戶:買的多、買的貴但是不常買的客戶,我們要重點保持;
- 重要發展客戶:經常買、花費大但是購買頻次不多的客戶,我們要發展其多購買;
- 重要挽留客戶:願意花錢但是不常買、購買頻次不多的客戶,我們要重點挽留;
- 一般價值客戶:復購率高、購買頻次高,但是花費金額小的客戶,屬於一般價值;
- 一般保持客戶:買的多但是不常買、花錢不多,屬於一般保持客戶;
- 一般發展客戶:經常買,但是買不多、花錢也不多,屬於一般發展客戶;
- 一般挽留客戶:不願花錢、不常買、購買頻次不高,最沒有價值的客戶;
下面是我用FineBI做的RFM模型視覺化儀表板,可以透過RFM模型對客戶的終生價值做一個合理的預估,基於一個理想的客戶特徵來衡量現實中客戶價值的高低,透過此類分析,定位最有可能成為品牌忠誠客戶的群體,讓我們把主要精力放在最有價值的使用者身上。
2、波士頓模型
波士頓模型最初是一個時間管理模型,按照緊急、不緊急、重要、不重要排列組合分成四個象限,以此便於對時間進行有效的管理。
運用在客戶分析中,也就是利用銷售額和利潤這兩個重要指標分為四個象限,對我們的客戶進行分組。我們將這兩個維度作為橫縱座標軸分為四個象限,將產品或者服務分為下面四種型別:
- 明星類:增長率高、佔有率高,代表著十分成功的產品,是主打的明星產品;
- 金牛類:增長率低、佔有率高,已經佔據了市場但是沒有發展空間的產品,屬於現金牛產品;
- 問題類:增長率高、佔有率低,說明使用者需求高,但是本身產品有問題,需要改進最佳化;
- 瘦狗類:增長率低、佔有率低,市場不認可的失敗產品,需要儘快去除;
我們如此分類的目的正是要根據波士頓矩陣,將一些沒有發展前景和市場潛力的產品儘快淘汰掉,保證明星產品和現金牛產品的份額,從而搭配好產品或者業務的整個市場佈局。
FineBI製作的波士頓模型實際使用:
如圖所示,每個銷售大區與每個銷售年份下的客戶分佈,透過篩選資料,我們得到我們想要的客戶資訊。而波士頓矩陣則是一個非常有力的工具,可以幫助我們將雜亂無序的東西組塊整理,在使用矩陣的的時候,儘量選取縱向和橫向毫無關聯要素來分析,這樣才能發揮矩陣分塊整理的作用。
3、CLV使用者生命模型
我們知道並不是所有的顧客都具備相同的價值,如果企業能夠專注於那些可以帶來最大未來利益的客戶,就可以實現更好的運營。所以企業必須識別出這些客戶,CLV是對客戶未來利潤的有效預測,它還有另外一個名字,叫做LTV (life time value)。
這裡需要特別說明的是,CLV考慮了完整的客戶生命週期,包含客戶獲取和客戶流失,也就是它計算的不只是眼前顧客已經產生的價值,還預測了未來價值。
CLV的計算公式有非常多,有的會非常複雜,主要在流失率這個環節和影響因素就相當多,也有會加上投入成本,價值變化率和利率變化等等。
比較實用簡單的是這種:
注意此公式對群體有效,對個體精準度較低,因為個體流失率影響因素太多,而群體流失率卻是可以統計的。
那對於CLV的應用,可以從以下兩個模型來看,將企業的最優客戶與不值得投入的客戶區分出來:
4、帕累託模型(二八法則)
帕累託原則,又稱二八原則,是關於效率與分配的判斷方法。帕累托法則是指在任何大系統中,約80%的結果是由該系統中約20%的變數產生的。應用在企業中,就是80%的利潤來自於20%的專案或重要客戶。
模型的解釋:當一個企業80%利潤來自於20%的客戶總數時,這個企業客戶群體是健康且趨於穩固的。 當一個企業80%利潤來自大於20%的客戶總數時,企業需要增加大客戶的數量。當一個企業80%利潤來自小於20%的客戶群時,企業的基礎客戶群需要擴充與增加。
模型的實際使用:如下圖我用FineBI製作的某商場品牌商的銷售額。
一共10家客戶,5家客戶(50%)提供了80%的銷售額,這就說明需要增加大品牌客戶數量。
帶來大量銷售額的客戶必須認真對待和維護,如果客戶數量大,尤其需要列出重點客戶重點跟進,把有限的精力放在創造利潤大的客戶上。
5、漏斗模型
漏斗模型本質是分解和量化,為了方便大家理解,我這裡以營銷漏斗模型舉例:
也就是說營銷的環節指的是從獲取使用者到最終轉化成購買這整個流程中的一個個子環節,相鄰環節的轉化率則就是指用資料指標來量化每一個步驟的表現。
所以整個漏斗模型就是先將一個完整的購買流程拆分成一個個步驟,然後用轉化率來衡量每一個步驟的表現,最後透過異常的資料指標找出有問題的環節,然後解決該環節的問題,最終達到提升整體購買轉化率的目的,所以漏斗模型的核心思想可以歸為分解和量化。
比如分析電商的轉化,我們要做的就是監控每個層級上的使用者轉化,尋找每個層級的可最佳化點。對於沒有按照流程操作的使用者,專門繪製他們的轉化模型,縮短路徑提升使用者體驗。
二、市場營銷模型
1、PEST分析法
PEST,也就是政治(Politics)、經濟(Economy)、社會(Society)、技術(Technology),能從各個方面把握宏觀環境的現狀及變化趨勢,主要使用者行業分析。
宏觀環境又稱一般環境,是指影響一切行業和企業的各種宏觀力量。
對宏觀環境因素作分析時,由於不同行業和企業有其自身特點和經營需要,分析的具體內容會有差異,但一般都應對政治、經濟、技術、社會,這四大類影響企業的主要外部環境因素進行分析。
政治環境:政治體制、經濟體制、財政政策、稅收政策、產業政策、投資政策等。
社會環境:人口規模、性別比例、年齡結構、生活方式、購買習慣、城市特點等。
技術環境:折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度等。
經濟環境:GDP 及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數、居民可支配收入、失業率、勞動生產率等。
2、5W2H分析法
5W2H,即為什麼(Why)、什麼事(What)、誰(Who)、什麼時候(When)、什麼地方(Where)、如何做(How)、什麼價格(How much),主要用於使用者行為分析、業務問題專題分析、營銷活動等。
該分析方法又稱為七何分析法,是一個非常簡單、方便又實用的工具,以使用者購買行為為例:
- Why:使用者為什麼要買?產品的吸引點在哪裡?
- What:產品提供的功能是什麼?
- Who:使用者群體是什麼?這個群體的特點是什麼?
- When:購買頻次是多少?
- Where:產品在哪裡最受歡迎?在哪裡賣出去?
- How:使用者怎麼購買?購買方式什麼?
- How much:使用者購買的成本是多少?時間成本是多少?
3、SWOT分析法
SWOT分析法也叫態勢分析法,S (strengths)是優勢、W (weaknesses)是劣勢,O (opportunities)是機會、T (threats)是威脅或風險。
SWOT分析法是用來確定企業自身的內部優勢、劣勢和外部的機會和威脅等,透過調查列舉出來,並依照矩陣形式排列,然後用系統分析的思想,把各種因素相互匹配起來加以分析。
運用這種方法,可以對研究物件所處的情景進行全面、系統、準確的研究,從而將公司的戰略與公司內部資源、外部環境有機地結合起來。
4、4P營銷理論
4P即產品(Product)、價格(Price)、渠道(Place)、推廣(Promotion),在營銷領域,這種以市場為導向的營銷組合理論,被企業應用最普遍。
可以說企業的一切營銷動作都是在圍繞著4P理論進行,也就是將:產品、價格、渠道、推廣。透過將四者的結合、協調發展,從而提高企業的市場份額,達到最終獲利的目的。
- 產品:從市場營銷的角度來看,產品是指能夠提供給市場,被人們使用和消費並滿足人們某種需要的任何東西,包括有形產品、服務、人員、組織、觀念或它們的組合。
- 價格:是指顧客購買產品時的價格,包括基本價格、折扣價格、支付期限等。影響定價的主要因素有三個:需求、成本與競爭。
- 渠道:是指產品從生產企業流轉到使用者手上全過程中所經歷的各個環節。
- 促銷:是指企業透過銷售行為的改變來刺激使用者消費,以短期的行為(比如讓利、買一送一,營銷現場氣氛等等)促成消費的增長,吸引其他品牌的使用者或導致提前消費來促進銷售的增長。廣告、宣傳推廣、人員推銷、銷售促進是一個機構促銷組合的四大要素。
5、邏輯樹法
邏輯樹又稱問題樹、演繹樹或分解樹等。它是把一個已知問題當成“主幹”,然後開始考慮這個問題和哪些相關問題有關,也就是“分支”。邏輯樹能保證解決問題的過程的完整性,它能將工作細分為便於操作的任務,確定各部分的優先順序,明確地把責任落實到個人。
邏輯樹的使用必須遵循以下三個原則:
要素化:把相同的問題總結歸納成要素。
框架化:將各個要素組織成框架。遵守不重不漏的原則。
關聯化:框架內的各要素保持必要的相互關係,簡單而不獨立。
6、AARRR模型
AARRR模型是所有運營人員都要了解的一個資料模型,從整個使用者生命週期入手,包括獲取(Acquisition)、啟用(Activition)、留存(Retention)、變現(Revenue)和傳播(Refer)。
每個環節分別對應生命週期的5個重要過程,即從獲取使用者,到提升活躍度,提升留存率,並獲取收入,直至最後形成病毒式傳播。
PS:以上分析均由FineBI製作
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/21472864/viewspace-2757773/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 這個 1024,再也不用加班了!
- 再也不用擔心蘋果資料誤刪了蘋果
- React效能分析利器來了,媽媽再也不用擔心我的React應用慢了React
- 用 Python 寫了一個PDF轉換器,以後再也不用花錢轉了Python
- 教會舍友玩 Git (再也不用擔心他的學習)Git
- 兩個類,讓你再也不用實現onActivityResult()
- 盤點實用資料分析工具,你若一個都不會,那就太可惜了!
- Sealos AI Proxy 釋出!一個平臺呼叫所有大模型,再也不用到處找 API 了AI大模型API
- 再也不用擔心網頁編碼的坑了!網頁
- 快速定位無用路由 媽媽再也不用擔心人工排雷了路由
- 你再也找不到,比這更全的Linux自學書了Linux
- Python 寫了一個 PDF 轉換器,以後再也不用花錢轉了Python
- 用Python爬取線上教程轉成PDF,媽媽再也不用擔心我的學習了!Python
- 媽媽再也不用擔心你不會使用執行緒池了(ThreadUtils)執行緒thread
- 再也不用擔心 SSH 斷開了 - tmux 命令UX
- 證書頒發機構再也不用更改密碼啦!密碼
- 裸考了一次雅思,我居然學會了資料分析!
- 5個常用的資料模型,讓資料分析更高效模型
- 有了Swagger2,再也不用為寫Api文件頭疼了SwaggerAPI
- 刪庫了不用跑路!binlog恢復資料實操
- Pandas 資料分析 5 個實用小技巧
- 老闆再也不用擔心我不會K8s了,哪裡不會點哪裡,15個開放學習K8s的網址K8S
- js遍歷終極大法--再也不用苦逼的for迴圈了JS
- SpringBoot整合Swagger2,再也不用維護介面文件了!Spring BootSwagger
- 使用AI最佳化慢SQL,再也不用求助DBA了AISQL
- 學會用 Go 解析複雜 JSON 的思路GoJSON
- Laravel 2018使用資料分析——Laravel你用對了嗎?學對了嗎?Laravel
- 使用ONE.Abp快速開發微服務,再也不用加班了微服務
- 再也不用擔心問RecycleView了——面試真題詳解View面試
- 學會用這些“套路”,你才算資料分析師
- 比啃西瓜書更高效的“機器學習”方法機器學習
- 熬夜整理出20個免費又實用的資料來源網站!再也不愁找不到資料練手網站
- 10個專案實戰,30天學會爬蟲,這個學習路線絕了爬蟲
- 讓雲伺服器效能提升10倍的方法,再也不用擔心週報沒有乾貨了!伺服器
- 36個頂級資料分析方法與模型!模型
- 瑜伽CRM系統使老師再也不用教學分心
- 資料分析不好做?這個流程教你開啟新思路
- golang,再也不用管道了,exec.Command("bash", "-c", "ps -elf | grep xxx")Golang