5大数据经典模型详解——数据分析师必须掌握

大数据 数据分析

 一、漏斗模型
1898 年,一个美国人提出了漏斗模型的概念,后来被总结为AIDA模型,从吸引客户的注意,到引起客户的兴趣,再到产生拥有的欲望,最后形成购买的行动,每个环节都会有客户流失,越靠后的环节,客户数量往往就越少,画出来的图形,就像一个漏斗。

以常见的销售过程为例,我们可以把客户细分为目标客户、意向客户和订购客户:

从销售漏斗图的形状,我们就能比较直观地看到每个环节的转化情况。通过横向或纵向的对比,发现业务中可能存在的问题,然后进一步分析原因,从而有针对性地提出解决问题的建议。

销售漏斗模型,是科学反映销售效率的一个模型,本质上是对销售过程的细化管理,可以帮助我们把流程标准化并沉淀下来。

二、RFM模型
美国有一个研究所从客户数据库中发现了 3 个神奇的要素:

Recency 最近购买时间,离得越近,价值越大。
Frequency 累计购买次数,次数越多,价值越大。
Monetary 累计购买金额,金额越高,价值越大。
将这3个要素分别按价值的高、低进行分组,从而得到 8 种不同类型的客户,分别采取不同的营销策略。

运用之前介绍过的矩阵分析模型,把 8 种类型按照 M 的高低分成两个矩阵,一个矩阵是针对重要客户的营销策略:

重要价值客户:R高F高M高,可以提供个性化的VIP服务,提升品牌的价值。
重要发展客户:R高F低M高,可以制订客户忠诚度培养计划,帮助他们成为重要价值客户。
重要保持客户:R低F高M高,可以推送个性化的激励活动,以重新建立连接,提高复购率。
重要挽留客户:R低F低M高,可以采取召回策略,调查问题之所在,想办法进行挽留。

另一个矩阵是针对一般客户的营销策略:

  1. 一般价值客户:R高F高M低,可以提供优惠活动,以吸引他们提高客单价。
  2. 一般发展客户:R高F低M低,可以提供试用活动,以提高客户购买的兴趣。
  3. 一般保持客户:R低F高M低,可以改变宣传策略,以刺激客户继续购买。
  4. 一般挽留客户:R低F低M低,可以适当减少预算,以降低营销的成本。

3、夏普利值模型
美国著名数学家和经济学家罗伊德·夏普利,提出了夏普利值的概念,让利益分配方式变得更加科学合理。

夏普利值的目标,是构造一种综合考虑各方利益的分配方案,让所得与贡献相等,从而保证分配的公平合理性。

假设有一个数据分析团队,必须运用分析思维和分析工具才能正常完成工作,至少需要一位能运用分析思维的人,和一位熟能运用分析工具的人。

现在假设有三个人,为了方便理解,分别用 A、B、C 字母作为代号,其中 A 只能运用分析思维,B 只能运用分析工具,C 既能运用分析思维,又能运用分析工具。

如果公司为数据分析团队分配了 12 万元的奖金,只要能够正常完成工作,那么这个金额就等于团队的总价值。其中任何两个人来上班了,那么第三个人就不是必须的,也就是说,最后一个加入团队的价值为零。

我们考虑这三个人来上班的所有 6 种次序,并判断每种情况下每个人是否增加价值,字母后面的 √ 代表增加价值,x 代表没有增加价值。

  • A x B √ C x
  • A x C √ B x
  • B x A √ C x
  • B x C √ A x
  • C √ A x B x
  • C √ B x A x

A 只有第(3)种情况能增加价值,所以,A 的价值等于 12 万元的 1/6,即 2 万元。同理,B 只有第(1)种情况能增加价值,所以,B 的价值也等于 2 万元。

在其他四种情况下,C 都能增加价值,所以,C 的价值等于 12 万元的 4/6,即 8 万元。在这个例子中,能同时运用分析思维和分析工具的 C,价值等于 (A + B) 的两倍。

4、矩阵分析模型
波士顿咨询公司的创始人布鲁斯·亨德森,于 1970 年创建了一种矩阵分析模型,他选择两个重要的指标,分别作为二维坐标的横轴和纵轴,形成一个具有四个象限的矩阵,所以通常称之为波士顿矩阵,也称为四象限分析法。

波士顿矩阵通常用来分析产品结构,其中包括两个重要的指标,分别是:销售增长率和市场占有率,把产品分成 4 种类别,建议采取不同发展策略,从而实现产品结构的良性循环。

  • 明星类产品:加大投资
  • 问题类产品:选择策略
  • 金牛类产品:保持现状
  • 瘦狗类产品:逐步放弃

应用矩阵分析模型的步骤:

(1)提炼两个重要的指标;

(2)绘制四象限分析图表;

(3)分析总结和提出建议。

5、福格行为模型
这个模型来源于斯坦福大学教授,主要用来分析用户行为的产生原因和基础心理,其核心就是行为公式:

行为 = 动机 x 能力 x 触发

也就是说,行为的产生有三大要素:一是要有做这件事的动机,二是要有能力完成这个行为,三是要有让人采取行动的触发信号,这三个要素缺一不可。

做数据分析,要懂业务,而很多业务的核心是用户,提升业务指标,往往就是要让用户做出某些行为。

举一个例子,要想提升销售额,本质上是要让用户产生购买产品的行为,利用福格行为模型,就要回答以下三个问题:

(1)动机:用户为什么购买产品?Why

(2)能力:用户如何方便地购买?How

(3)触发:是什么触发用户购买?What

用户如果没有购买产品,要么是动机不足,要么是能力欠缺,要么是触发不够。

假如数据显示,女性用户的购买转化率偏低,利用福格行为模型来分析:

(1)动机:什么样的产品对女性用户更有吸引力?

(2)能力:什么样的价格能让女性用户觉得自己有能力购买?

(3)触发:什么样的促销和渠道让女性用户的转化效果最好?

如果你能通过数据分析,洞察业务的本质,找到问题的主要原因,提出靠谱的建议方案,并且推动方案落地执行,那么你就成功创造了价值。

 

责任编辑:梁菲 来源: 数据分析不是个事儿
相关推荐

2015-08-17 09:39:40

大数据

2012-08-07 17:32:25

数据分析师

2015-04-03 11:19:21

大数据大数据分析师

2020-12-09 16:57:15

数据分析大数据

2016-01-26 10:33:23

大数据分析工具数据分析师

2021-11-29 18:33:38

数据分析模型

2015-08-19 13:50:19

数据分析

2020-02-09 17:22:27

5大数据分析预测

2020-01-17 13:33:42

大数据分析师大数据工程师

2024-03-14 11:46:44

数据分析师定价模型

2019-10-14 15:57:36

数据分析多维度二八法

2021-01-26 11:12:57

数据分析大数据大数据分析

2018-07-19 19:50:48

大数据数据分析师网站分析

2023-10-07 08:05:17

数据分析模型行为分析

2017-08-01 20:50:45

大数据数据分析技能

2019-07-31 14:16:35

大数据人工智能算法

2016-10-21 14:41:22

数据分析师大数据

2021-01-23 23:21:46

数据分析编程语言Java

2024-02-26 12:34:52

模型数据决策模型

2022-05-09 18:46:28

EOQ模型数据分析
点赞
收藏

51CTO技术栈公众号