运营人高频使用的8个数据分析模型
1、RFM模型:
作用:衡量客户价值和创收能力。
其中R(Recently)最近一次消费:客户距离最近的一次采购时间的间隔。
F(Frequency)消费频率:指客户在限定的期间内所购买的次数。
M(Monetary)消费金额:客户的消费能力,通常以客户单次的平均消费金额作为衡量指标。
应用场景:
找到优质、忠实客户,集中精力开展营销活动
找出推送优惠券的用户,唤醒其购买欲望等
举例:
通过RFM模型,我们可以知道重要唤回客户虽然最近没来消费,但其之前的消费频率很高、而且消费金额很大,是个一段时间没来的忠诚客户,我们需要主动和他保持联系。
2、AARRR模型
作用:进行用户运营分析,探索用户增长的5个指标:获客、激活、留存、收益、传播
应用场景:
探索培养用户行为习惯的方式
统计分渠道的用户激活量
举例:
某款兴趣社区类APP通过AARRR模型总结出通过微博渠道的会员转化率最高,可见该渠道可以带来较高黏性的用户,因此可继续将微博渠道作为资源投放重点。
3、KANO模型
作用:对用户需求分类并进行排序
应用场景:
在资源有限情况下,衡量提高产品还是企业服务对用户满意度的影响
设计产品时,明确客户对产品功能的需求进行取舍,提升工作效率
举例:
通过KANO模型,设计团队明白产品的功能并非是越丰富越好,在把产品做厚的同时,考虑如何给产品瘦身。
4、波士顿矩阵模型
作用:通过销售增长率和市场占有率来分析决定企业的产品结构。
应用场景:
衡量企业的产品结构
针对不同产品进行资源倾斜
举例:
通过模型分析,A公司发现是某款APP属于金牛产品,虽然高速增长,但市场占有率不高,应该是营销存在问题,从而改变营销策略。
5、购物篮分析
作用:通过研究用户消费数据,将不同商品之间进行关联,并挖掘二者之间的联系
应用场景:
商超的商品组合销售
算法下的商品推荐
举例:
某品牌发现同时购买袋装泡面的用户购买碗的用户占比很大,从而通过买泡面送碗的捆绑销售,提高了其品牌在一众泡面中的销售额。
6、帕累托模型
作用:根据事物在技术或经济方面的主要特征,进行分类排队,分清重点和一般,从而有区别地确定管理方式。
应用场景:
对主力营收产品进行资源配置
对花费我们80%精力的产品进行投资回报率分析
举例:
20%的客户贡献了80%的收入,20%的商品带来80%的利润,所以我们主要做的就是对这20%的客户进行重点维护,而对80%的客户寻求其利益增长点。
7、漏斗分析
作用:直观表示业务从起点到终点的各个环节的转化情况
应用场景:
分析多种业务场景下各个流程的转化和流失的情况。
还可以定位每个环节流失用户,更改营销策略促进转化。
举例:
某购物平台发现某商品的搜索率为99.31%,但在添加购物车的转化率却只有51.22%,故此推测用户在对此商品有极强购买欲望的同时,搜索出来的商品并未很好满足用户需求,可以适当扩大此类商品的选择。
8、留存分析模型
作用:分析用户参与情况/活跃程度
应用场景:
进行产品的迭代优化
判断客户对某产品/品牌的忠实度
举例:2020年10月某产品的留存率为78.95%,但在第四周留存率为0%,由此有理由怀疑该款产品是否有什么逻辑BUG,此外是否对该产品没有进行运营动作。
最后,其实模型的使用只是为我们从杂乱无序的海量数据中找到一条最方面、最省力、最有效的捷径。通过数据模型你可以清晰的知道收集哪条数据、分析哪个指标、从哪个维度能更快的获得你想要的结果,至于模型的叫什么并不重要,会用就行。
链接:https://www.jianshu.com/p/8a712e898020