轉自：https://www.toutiao.com/i6906745504798097933/
在進行數據分析過程中，我們通常需要使用各種模型來證明自己的分析觀點，使自己的結論更具備說服力，同時也讓自己的論證思路更具備邏輯性和條理性。
今天老李就給羅列了6個常用的數據分析模型，並附上實際的案例講解以及分析模板，希望能讓大家快速掌握這些模型和方法！
話不多說，上乾貨！
1、RFM模型
RFM 分析是美國數據庫營銷研究所提出的一種簡單實用的客戶分析方法，發現客戶數據中有三個神奇的要素：
最近一次消費時間（R）：
客戶距離最近的一次採購時間的間隔。
最近一段時間內消費頻次（F）：
指客戶在限定的期間內所購買的次數。
最近一段時間內消費金額（M）:客戶的消費能力，通常以客戶單次的平均消費金額作爲衡量指標。
這三個要素構成了數據分析最好的指標，RFM 分析也就是通過這個三個關鍵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，如下圖所示：
案例講解：已知某公司銷售信息，分析該公司客戶消費能力，並將其分類進行營銷。
分析思路：
1）獲取R、F、M 3 個關鍵指標。
2）根據實際業務情況，設置並求出閾值，可以是平均值、中位數，示例使用R、F、M三個指標的平均值。
3）將三個指標R、F、M進行特徵向量化，對於M、F，如果客戶消費金額和頻率高於閾值，計爲1，否則計爲0；
對於R則相反。
4）根據特徵向量將客戶分類。
利用FineBI製作
結論：客戶類型中佔比最多的是一般發展客戶（最近購買過，但頻率和金額都不大），應向該客戶推送公司主營業務，通過宣傳推廣讓產品信息送達客戶手中。
其次佔比較多的是一般挽留客戶（很長時間未買，購買的頻率和金額較少），應該面向該部分人羣推出促銷活動，拉動消費的積極性
此外還可計算各地區客戶消費能力與消費流失情況，由於M、F 爲正向指標，則用M、F作爲橫縱軸代表客戶消費的能力，值越大表示消費能力越高
R爲負向指標，則代表消費流失情況，圖形越大表示最近消費距今時間越長，流失越嚴重。
結論：成都和北京地區客戶消費金額較大，但客戶流失情況比較嚴重，需要重點關注。武漢、瀋陽地區客戶以小額消費爲主，但消費次數多。
2、帕累託分析
帕累託分析法又稱ABC 分類法，平常也稱之爲「80 對 20」規則，常用於商品的庫存管理分析中。
把產品或業務分爲A、B、 C三類，用於分清業務的重點和非重點，反映出每類產品的價值對庫存、銷售、成本等總價值的影響，從而實現差異化策略和管理。
案例講解：已知不同品類商品的銷售額信息，需分析商品銷售量情況有重點的管理商品。
分析思路：
1）計算不同品類商品累計銷售額及其佔比，
2）按照累計銷售佔比將品類分成幾類，將品類按照累計銷售額佔比：
0-70% 1類；
70%-90% 2類；
90%-100% 3類
3、購物籃分析
大家應該都聽過這樣一個經典案例：超市裏經常會把嬰兒的尿不溼和啤酒放在一起售賣，原因是經過數據分析發現，買尿不溼的家長以父親居多，如果他們在買尿不溼的同時看到了啤酒，將有很大的概率購買，從而提高啤酒的銷售量。
這種通過研究用戶消費數據，將不同商品之間進行關聯，並挖掘二者之間聯繫的分析方法，就叫做商品關聯分析法，即購物籃分析，通過「支持度」、「置信度」、「提升度」三個指標判斷商品見的關聯。
支持度：是指A商品和B商品同時被購買的概率，或者說某個商品組合的購買次數佔總商品購買次數的比例。支持度說明了這條規則在所有事務中有多大的代表性，顯然支持度越大，關聯規則越重要。
比如今天共有10筆訂單，其中同時購買牛奶和麪包的次數是6次，那麼牛奶+麪包組合的支持度就是6/10=60%
置信度：指購買A之後又購買B的條件概率，簡單說就是因爲購買了A所以購買了B的概率
比如今天共有10筆訂單，其中購買A的次數是8，同時購買A和B的次數是6，則其置信度是6/8=75%
提升度：先購買A對購買B的提升作用，用來判斷商品組合方式是否具有實際價值，是看組合商品被購買的次數是否高於單獨商品的購買次數，大於1說明該組合方式有效，小於1則說明無效。
比如今天共有10筆訂單，購買A的次數是8，購買B的次數是6，購買A+B的次數是6，那麼提升度是0.6/（0.8*0.6）>1，因此A+B的組合方式是有效的
4、波士頓矩陣
波士頓矩陣通過銷售增長率（反映市場引力的指標）和市場佔有率（反映企業實力的指標）來分析決定企業的產品結構。
波士頓矩陣將產品類型分爲四種，如下圖所示：
5、轉化分析
轉化漏斗模型，是分析用戶使用某項業務時，經過一系列步驟轉化效果的方法。
轉化分析可以分析多種業務場景下轉化和流失的情況，不僅找出產品潛在問題的位置，還可以定位每個環節流失用戶，進而定向營銷促轉化。
解決哪些問題：
比如搜索商品——>瀏覽商品——>商品下單——>交易付款，每個過程的轉化率有多少？兩個推廣渠道帶來不同的用戶，哪個渠道的註冊轉化率高？哪些客服下單轉化情況最好？
1、階段轉化：對於需要進行逐級轉化的平臺運營，首先可以通過用戶轉化漏斗圖進行宏觀的流程轉化數據分析找出目前階段最需要優化的運營環節和平臺，有效地進行鍼對性治理，最終提高整體平臺用戶轉化率。付款轉化率=付款人數/下單人數
分析結論：1）用戶從瀏覽商品行爲到添加購物車行爲這一流程，其轉化率爲51.22%，反映出該平臺的商品介紹、圖片描述等對用戶有較強的吸引力；2）添加購物車到下單的轉化率，其轉化率高達99.66%；3）但付款的轉化率僅 50.34%，這是一個值得反思的轉化節點
4）通過數據分析猜測該平臺商鋪支付渠道不完善，需要增加例如支付寶、微信等快捷支付渠道，降低平臺因爲沒有提供用戶習慣性的支付渠道而導致用戶放棄購買行爲的機率。
2、事件轉化
通常指的是平臺或商鋪通過一系列的運營推廣活動以及由於公共事件影響所帶來的額外價值，例如網絡營銷總的SEO關鍵詞投放、折扣促銷活動、郵件營銷等等效果跟蹤。通常可關注於營銷渠道轉化率等指標進行活動的推廣營銷效果評估
案例解讀：
1）目前平臺的轉化率最高的渠道主要是基礎上線工作、輪臺、貼吧推廣、微信推廣、品牌基礎推廣幾個渠道。
2）根據基礎線上工作渠道隨時間的轉化率走勢情況，可以推測出平臺在2015年12月（因爲從2015年12月用戶的下單轉化率有所下降，一般用戶在知道近期即將有促銷活動的時候，往往會收藏商品從而產生延遲消費，所以活動開始前的時間轉化率會降低）左右發佈了即將要開始的商品促銷活動，同時活動日期大概在2016年1月左右（轉化率提升明顯），屬於跨年的大型活動促銷，同時也取得了較好的活動效果。
6、杜邦分析法
杜邦分析法利用幾種主要的財務比率之間的關係來綜合地分析企業的財務狀況，用來評價公司盈利能力和股東權益回報水平，從財務角度評價企業績效。
其基本思想是將企業淨資產收益率逐級分解爲多項財務比率乘積，這樣有助於深入分析比較企業經營業績。
實現思路：
淨資產收益率=銷售淨利潤率*資產週轉率*權益乘數
淨資產收益率受三類因素影響：
實現效果：
推薦閱讀：
