常用數據分析模型：
1. 對外用戶分析：
1）RFM分析
2）ABC分析
3）波士頓矩陣圖
4）轉化分析
5）購物籃分析-關聯規則
6）留存分析
7）用戶畫像分析
8）月復購分析
9）AARRR用戶運營分析
10）用戶流入流出分析
11）用戶生命狀態分析
12）用戶粘性分析
2. 內部運營分析
1）需求分析方法-KANO模型
2）庫存周轉分析
3）杜邦分析
4）盈虧平衡分析
1 RFM模型
RFM模型用於對於用戶進行分類，並判斷每類細分用戶的價值。
三個關鍵指標：
最近一次消費時間（R）：客戶距離最近的一次采購時間的間隔。
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為衡量指標。
需要將R、F和M設計出來，並進行向量化，來構造出一系列指標來對應不同的客戶類型。
對於上述表格中的高和低，進行二分化，高用1來表示，低用0來表示。
| 客戶特征 |
客戶分類 |
| 重要價值客戶（111） |
最近消費時間近、消費頻次和消費金額都很高（VIP） |
| 重要發展客戶（101） |
最近消費時間較近、消費金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點發展。 |
| 重要保持客戶（011） |
最近消費時間交遠，消費金額和頻次都很高。 |
| 重要挽留客戶（001） |
最近消費時間較遠、消費頻次不高，但消費金額高的用戶，可能是將要流失或者已經要流失的用戶，應當基於挽留措施。 |
| 一般價值客戶（110） |
最近消費時間近，頻率高但消費金額低，需要提高其客單價。 |
| 一般發展客戶（100） |
最近消費時間較近、消費金額，頻次都不高。 |
| 一般保持客戶（010） |
最近消費時間較遠、消費頻次高，但金額不高。 |
| 一般挽留客戶（000） |
都不高。 |
2 ABC分析
ABC 分類法全稱應為 ABC 分類庫存控制法。又稱帕累托分析法或巴雷托分析法、柏拉圖分析、主次因分析法 、ABC分析法、ABC 管理法，平常也稱之為「80 對 20」規則。
| A 類物品非常重要 |
數量占比少，價值占比大 |
| B 類物品比較重要 |
沒有A類物品那么重要，介於 A、C 之間 |
| C 類物品一般重要 |
數量占比大但價值占比很小 |
分類的核心思想：少數項目貢獻了大部分價值。以款式和銷售量為例：A 款式數量占總體 10% ，卻貢獻了 80% 的銷售額。
注：二八分析與 ABC 分類法大致相同，都是少數項目貢獻了大部分價值。不同之處是ABC 分類法將對象分三類，而二八分析則為A、B兩類，A類品牌商品占總體的一小部分，貢獻了80%的銷售額。
3 波士頓矩陣
波士頓矩陣（BCG Matrix），又稱市場增長率-相對市場份額矩陣、波士頓咨詢集團法、四象限分析法、產品系列結構管理法等。
波士頓矩陣將產品類型分為四種，如下圖所示：
波士頓矩陣通過銷售增長率（反映市場引力的指標）和市場占有率（反映企業實力的指標）來分析決定企業的產品結構。
通過設置警戒線，將區域分成四塊象限，進而觀察數據。同時設置鑽取目錄，挖掘更細粒度的數據。
波士頓矩陣在客戶畫像上的應用：
- 消費次數超過平均值，每次消費力度也超過平均水平的客戶：判定為明星客戶，這類客戶需要重點關注，並給予最高的禮遇；
- 消費次數超過平均值，但每次消費力度未達到平均水平的客戶：被判定為現金牛客戶，這類客戶通常消費頻次比較頻繁，能給企業帶來較為穩定的現金流，這類客戶是企業利潤基石；
- 消費未達到平均值，但每次消費力度超過平均水平的客戶：是問題客戶，這類客戶最有希望轉化為明星客戶，但是因為客戶存在一定的潛在問題，導致消費頻次不高，這類客戶需要利用客服進行重點跟進和長期跟蹤；
消費未達到平均值，消費力度也未達到平均水平的客戶：屬於瘦狗客戶，這類客戶通常占企業客戶的大多數，只需要一般性維護，不需要投入重點維系。
4 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。
轉化分析的本質是為了促進企業的核心業務的流通，最大化每個營銷漏斗的轉化率。
在理想情況下，用戶會沿着產品設計的路徑到達最終目標事件，但實際情況是用戶的行為路徑是多種多樣。通過埋點事件配置關鍵業務路徑，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。
計算公式：轉化率=下一階段用戶人數/上一階段用戶人數
例如付款轉化率=付款人數/下單人數
5 購物籃分析-關聯規則
通過研究用戶消費數據，將不同商品之間進行關聯，並挖掘二者之間聯系的分析方法，即「購物籃分析」。
這部分涉及三個重要的指標：支持度、置信度和提升度。
關聯分析由以下指標進行衡量。
| 定義 |
概率描述 |
舉例說明 |
|
| 支持度 |
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占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。 |
物品集A對物品集B的支持度support（A==>B）=P（A n B） |
今天共有10筆訂單，其中同時購買牛奶和面包的次數是6次，那么牛奶+面包組合的支持度就是6/10=60% |
| 置信度 |
置信度是指購買A之后又購買B的條件概率，簡單說就是因為購買了A所以購買了B的概率 |
物品集A對物品集B的置信度confidence（A==>B）=P（A|B） |
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。 |
L= P（A n B） /[P（A）*P（B）] |
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，那么提升度是0.6/（0.8*0.6）>1，因此A+B的組合方式是有效的。 |
支持度計算公式：同時購買A和B訂單數/總購買訂單數
置信度計算公式：同時購買A和B訂單數/購買A的訂單數
提升度計算公式：支持度/((購買A次數/總購買訂單數)*(購買B次數/總購買訂單數))
6 留存分析
留存分析是一種用來分析用戶參與情況/活躍程度的分析模型，考查看進行初始行為后的用戶中， 經過一段時間后仍然存在客戶行為（如登錄、消費）。
留存不僅是個可以反映客戶粘性的指標，更多地反映產品對用戶的吸引力。
計算公式：某一段時間內（時間段a）的新增用戶在若干天后的另一段時間（時間段b）的留存數量 / （時間段a）的新增用戶總量
示例計算用戶從激活某產品開始，在當日、一周內、兩周內、三周內進行登錄使用操作用戶數占總登錄人數的比率。
當日留存率：當日激活並登錄用戶數/當日激活的用戶數
一周留存率：初次激活日為維度，計算「激活_登錄時間差」為 1-7 的登錄用戶數/激活日的激活用戶數
兩周留存率：初次激活日為維度，計算「激活_登錄時間差」為8-14的登錄用戶數/激活日的激活用戶數
.....
7 用戶畫像分析
用戶畫像就是與該用戶相關聯的數據的可視化的展現；一句話來總結就是：用戶信息標簽化。
通過對用戶人口屬性：用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等和行為特征：活躍度、忠誠度等指標進行分析，從而幫助企業對用戶進行精准營銷、輔助業務決策。
用戶畫像可以是一個綜合的數據分析結果。
8 月復購率分析
月內復購率=一個月內購買兩次及以上的人數/該月內總購買的人數
比如一個月內有100個用戶購買商品，其中有20人購買了2次以上，那么月復購率就是20%。
同理可以改變統計周期，計算季度復購率、年復購率等。
復購率可以幫我們觀察用戶的忠誠度。
提升復購率，可以提高用戶購買的頻次。業務的持續增長除了拉新獲客的持續輸入，存量用戶的復購尤為重要。
9 AARRR用戶運營分析
AARRR 模型又叫海盜模型，是用戶運營過程中常用的一種模型，解釋了實現用戶增長的 5 個指標：獲客、激活、留存、收益、傳播。從獲客到傳播推薦，整個 AARRR 模型形成了用戶全生命周期的閉環模式，不斷擴大用戶規模，實現持續增長。
每一個產品具體情況不同，但總體上都包括這 5 個方面的發展過程。
對於傳播階段：
當產品有了一定規模的用戶之后，就需要考慮激發用戶間的自發傳播。自傳播的數據指標是K因子（推薦系數）：
K = （平均每個用戶向他的朋友們發出的邀請的數量）* （接收到邀請的人轉化為新用戶的轉化率）
K值的高低，直接體現自傳播結果水平，當K值大於1時，將激發自傳播巨大的力量，K值越大，力量越強。而若K值小於1，那么傳播水平會逐步減弱，直至消失。
10 用戶流入流出分析
針對品牌來進行開展
流入原因分為「其他品牌流入、渠道流入、類別流入」
流出原因分為「品牌流出、渠道流出、類別流出」
流入人數：近 6 個月有交易，前推 6 個月無交易的用戶。
流失人數：前推 6 個月有交易，近六個月無交易的用戶。
以用戶A為例，他在近六個月購買了諾基亞的電子產品，前推六個月沒有購買諾基亞的電子產品。對於諾基亞的電子產品類別來說，這個用戶是一個流入客戶。但這個用戶是從哪里流入的呢：
- 其他品牌流入：用戶A若是前推 6 個月在百貨別的品牌購買了電子產品，對於諾基亞電子產品類別來說，該客戶屬於其他品牌流入。
- 類別流入：用戶A若是前推 6 個月只在百貨購買了別的類別的產品，沒有購買電子設備。那么他流入的原因是因為他需要電子類別的產品，所以屬於類別流入。
- 渠道流入：用戶A若是前推 6 個月沒有在百貨購買商品，說明他是百貨的新客戶，所以他屬於渠道流入。
流出反之亦然。
11 用戶生命狀態分析
對已有客戶的生命狀態進行分類分析。這里用了兩個維度「最近一次登錄距今的時間」和「第一次登錄距今的時間」。根據這兩個維度，可以將客戶簡單的分為四個類別。
- 新用戶：剛開始在較短的一段時期內登錄/購買了產品的客戶。
- 一次性用戶：在較短一段時間內登錄/購買產品后，近期不再繼續購買的客戶。
- 忠實用戶：在較長一段時間內持續登錄/購買產品，且在近期仍有購買行為的客戶。
- 流失用戶：在較長一段時間內持續登錄/購買了產品，但近期不再有購買行為的客戶。
可以了解企業當前的市場競爭力，並對不同類別的客戶實施不同的營銷動作。
實例：
激活時間小於等於 180 天，且最近一次登錄在 60 天內：新用戶；
激活時間小於等於 180 天，且最近一次登錄距今大於 60 天：一次性用戶；
激活時間大於 180 天，且最近一次登錄距今大於 60 天：流失用戶；
激活時間大於 180 天，且最近一次登錄距今在 60 天內：忠實用戶；
12 用戶粘性分析
用戶粘性是指用戶對於品牌或產品的忠誠、信任與良性體驗等結合起來形成的依賴程度和再消費期望程度，是了解產品健康度的重要指標。
例如可以為統計一周內用戶使用產品的天數分布，使用了 2 天的有多少人，連續使用 7 天的有多少人；統計一周內登錄兩天以上的人數隨時間的走勢情況，一周登錄兩天以上的人數越多，說明產品健康度更好；
13 需求分析方法-KANO模型
KANO模型：是對用戶需求分類和優先排序的有用工具，以分析用戶需求對用戶滿意的影響為基礎，體現了產品性能和用戶滿意之間的非線性關系。
四個象限對應了四種需求類型，它們的優先級排序為：必備型需求>期望型需求>興奮型需求>無差異需求。
- 必備型需求（必須有）：即常說的痛點。對於用戶而言，這些需求是必須滿足的，理所當然的。當不提供此需求，用戶滿意度會大幅降低。這類是核心需求，也是產品必做功能。
- 期望型需求（應該有）：當提供此需求，用戶滿意度會提升；當不提供此需求，用戶滿意度會降低。通常作為競品之間比較的重點。
- 興奮型需求（可以有）：驚喜型產品功能，超出用戶預期，往往能帶來較高的忠誠度。不提供也不會降低用戶滿意度。
無差異需求（可以沒有）：用戶根本不在意的需求，對用戶體驗毫無影響。盡量規避做此類型功能。
14 庫存周轉分析
庫存周轉率是企業在一定時期銷貨成本與平均存貨余額的比率，用於反映庫存周轉快慢程度。周轉率越高表明存貨周轉速度越快，從成本到商品銷售到資金回流的周期越短，銷售情況越好。
庫存周轉天數是企業從取得存貨開始，至消耗、銷售為止所經歷的天數。周轉天數越少，說明存貨變現速度越快，銷售狀況越良好。
通過計算公式實現：
| 計算內容 |
公式 |
| 平均存貨余額 |
(期初存貨金額+期末存貨金額)/2 期初存貨金額：上期賬戶結轉至本期賬戶的余額，在數額上等於上期期末金額 期末存貨金額=期初金額+本期增加發生額-本期減少發生額 |
| 銷貨成本 |
單件銷貨成本*銷售件數 |
| 庫存周轉率 |
銷貨成本/平均存貨余額 |
| 庫存周轉天數 |
360/庫存周轉率 |
15 杜邦分析
杜邦分析法利用幾種主要的財務比率之間的關系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凈資產收益率逐級分解為多項財務比率乘積，這樣有助於深入分析比較企業經營業績。
凈資產收益率=銷售凈利潤率*資產周轉率*權益乘數
凈資產收益率受三類因素影響：
| 指標 |
說明 |
| 銷售凈利潤率=凈利潤/銷售收入 |
表明企業的盈利能力 |
| 資產周轉率=銷售收入/總資產 |
表明企業的營運能力 |
| 權益乘數=總資產/凈資產(權益)=1/(1-資產負債率) |
財務杠桿：用權益乘數衡量，表明企業的資本結構 |
16 盈虧平衡分析
盈虧平衡分析又稱保本點分析或本量利分析法，是根據產品的業務量、成本、利潤之間的相互制約關系的綜合分析，用來預測利潤，控制成本，判斷經營狀況的一種數學分析方法。
總成本=固定成本+變動成本】【利潤=月銷售額-總成本】
- 固定成本：在一定范圍內不隨銷售額的增減而變動的成本，例如：房租、水電、人工費等。
- 變動成本：指隨銷售額的增減大致成正比例關系變化的成本，例如：銷售提成，商品進貨成本等。
盈虧平衡銷售額=固定成本/每銷售一塊錢的毛利潤
進貨成本：定價（吊牌價）=銷售額/銷售折扣，進貨成本=定價*定價比例；
平台扣點：在平台上的店鋪（比如某寶），需要支付銷售額的一定比例作為平台手續費；
員工提成：需要支付銷售額一定的比例給員工作為提成，提高員工的積極性；