业务数据分析常用模型汇总，一文搞懂（纯干货）

做过产品经理或运营的朋友一定对数据分析不陌生，每次汇报的时候，总需要对业务数据做周维度以及月维度的解读。这时，就需要用到数据分析。

 

业务数据分析模型众多，但量不再多，在于精用。

 

今天挑出最常用的几个模型，供大家参考使用。

QQ模型

应用场景：业务规模足够大、对分析质量高

数量（Quantity），通常是指用户数量、人口数量、收入等绝对数，用来衡量业务规模的大小情况。

质量（Quality），通常是指人均消费额度、利润率、留存率、流失率等相对数，用来衡量业务发展的质量高低。

5W2H分析法

应用场景：用于企业营销、管理活动，尤其适用于决策或执行类活动，既可以用于活动策划前的市场调研，也可以用于活动后的复盘反思、查漏补缺

WHY：用户购买的目的是什么？产品在哪些方面有优势吸引用户？

WHAT：产品能提供什么服务，能为用户解决什么需求？

WHO：谁是我们的用户，他们的特点是什么？

WHEN：用户什么适合使用产品，多久使用一次？

WHERE：用户的使用场景在哪？

HOW：用户通过什么方式使用产品？

HOW MUCH：用户使用产品花费多少时间金钱？产品获客用户花费多少金钱？

优势：5W2H分析法可以有效掌控事件的本质，抓住主骨架。同时有利于准确界定、清晰表达问题，让思路更条理化，提高工作效率。

 

用户行为理论

应用场景：适用于TOC端业务，通过对用户的行为梳理，理清各关键指标之间的逻辑关系，尤其适用于电商类业务公司。

认知：网站访问——PV/UV量、访问来源

熟悉：网站浏览——浏览时长、跳出率、页面偏好

试用：用户注册——注册量、注册转化率

使用：用户登录——登录访问数、访问比，用户订购——订单数、转化率

忠诚：用户粘性——回访率、访问深度、复购率，用户流失——流失数、流失率

优势：对用户生命周期有从0到1的认识，通过用户行为分析、渠道质量评估，能及时了解用户的情况。找到产品改进的关键点、找到促进核心转化的相关因素，调整运营战略，从而促进精细化运营，最终达到精准营销。

RFM模型

应用场景：在时间紧任务重的工作情况下，为运营者提高一个方法，通过分析，可以得出哪些用户更容易召回？哪些用户可以暂时放弃？哪些用户在流失边缘可以通过什么手段转化？

R（Recency）——最近一次消费时间。最近一次消费的群体可能是产生二次消费的群体。

F（Frequency）——最近一段时间的购买次数。一般而言，购买频次越高的客户，对产品满意度越高，忠诚度相对也高。

M（Monetary）——最近一段时间内的消费金额。通过消费金额可以把用户化成几个等级，如重要价值客户、一般维持客户等

AARRR模型

应用场景：本质是一个流量漏斗模型，以增长和提高收入为目标。AARRR模型中每个环节的转化都会有一定的用户流失，但相应的用户价值也会提高。

获取用户：新产品开发后，把产品与服务主动推送到用户前面，通常获取渠道有社交平台、搜索引擎优化、公关、营销活动等。

激发活跃：激活新用户，让新用户使用产品的核心功能，体验到产品的价值。需要对这些激活行为设置衡量指标，发现有效激活。

提高留存：让老客户重新回到网站或重新复购。通常而言，获取新客户的费用是留住现有客户的五倍，因此提高留存是至关重要的。一般留存手段有客户服务、激励与忠诚度活动、电子邮件回访等。

增加收益：也可称之为变现，对产品来说是最最重要的一步，一个产品开发出来最终都是为了盈利。

传播推荐：通过社交网络，产品进行自传播，让用户群像滚雪球一样越滚越大，产生良好的循环。

优势：AARRR模型属于用户相关的指标，为拉新留存运营提供了很好的思考方向。同时这是一个整体设计，构成了增长闭环，每个环节转化率都将影响整个复利增长值。

人货场模型

应用场景：适用于线上零售类业务公司，销售=流量*客单价*转化率。j

人：用户属性、用户数、留存率。传统行业的人货场中的人是指售货员，但在互联网行业里人是指用户，因此人的分析也更倾向于用户属性分析。

货：上市季节、产品价格、购买频率、购买频次

场：便利性、整洁程度、商品数量、动销率

优势：该模型同样与用户行为紧密相连，并且商品属性、卖场属性、用户习惯上有一些规律可循。

业务数据分析中，数据变化不是原因本身，变化背后所蕴含的特征表现是关键，但最重要的是人，人是业务的主体，好的数据分析=人+场景+事件驱动。希望本篇文章对大家有所帮助，将业务数据分析模型运用到实际业务中，通过分析模型从中抽丝剥茧发现业务逻辑，抓住规律优化业务。