在進行數(shù)據(jù)分析時，我們通常需要用到各類分析模型和方法，一是為了讓自己的結(jié)論更有說服力，二是讓論證過程更具備邏輯性和條理性。
今天帆軟君就來給大家分享18種常用的數(shù)據(jù)分析模型和方法，并附上用FineBI分析的步驟教程，希望對大家有所幫助！
RFM 分析 | 留存分析 | 用戶粘性分析 |
ABC分析 | 用戶畫像分析 | 需求分析方法-KANO模型 |
波士頓矩陣圖 | 月復購分析 | 庫存周轉(zhuǎn)分析 |
轉(zhuǎn)化分析 | AARRR 用戶運營分析 | 杜邦分析 |
購物籃分析-關(guān)聯(lián)規(guī)則 | 用戶流入流出分析 | 盈虧平衡分析 |
復購率分析 | 用戶生命周期狀態(tài)分析 | 同環(huán)比分析 |
RFM 用于對用戶進行分類，并判斷每類細分用戶的價值。
三個關(guān)鍵指標：
通過上述三個關(guān)鍵指標判斷客戶價值并對客戶進行觀察和分類，針對不同的特征的客戶進行相應的營銷策略，如下圖所示：
FineBI 實現(xiàn)效果如下圖所示：
帕累托分析又叫 ABC 分析，分類的核心思想：少數(shù)項目貢獻了大部分價值。以款式和銷售量為例：A 款式數(shù)量占總體 10% ，卻貢獻了 80% 的銷售額。
把產(chǎn)品或業(yè)務分為A、B、 C三類，用于分清業(yè)務的重點和非重點，反映出每類產(chǎn)品的價值對庫存、銷售、成本等總價值的影響，從而實現(xiàn)差異化策略和管理。
FineBI 實現(xiàn)效果如下圖所示：
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(yè)實力的指標）來分析決定企業(yè)的產(chǎn)品結(jié)構(gòu)。
波士頓矩陣將產(chǎn)品類型分為四種，如下圖所示：
FineBI 實現(xiàn)效果如下圖所示：
轉(zhuǎn)化漏斗模型，是分析用戶使用某項業(yè)務時，經(jīng)過一系列步驟轉(zhuǎn)化效果的方法。
轉(zhuǎn)化分析可以分析多種業(yè)務場景下轉(zhuǎn)化和流失的情況，不僅找出產(chǎn)品潛在問題的位置，還可以定位每個環(huán)節(jié)流失用戶，進而定向營銷促轉(zhuǎn)化。
FineBI 實現(xiàn)效果如下圖所示：
大家應該都聽過這樣一個經(jīng)典案例：超市里經(jīng)常會把嬰兒的尿不濕和啤酒放在一起售賣，原因是經(jīng)過數(shù)據(jù)分析發(fā)現(xiàn)，買尿不濕的家長以父親居多，如果他們在買尿不濕的同時看到了啤酒，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(shù)據(jù)，將不同商品之間進行關(guān)聯(lián)，并挖掘二者之間聯(lián)系的分析方法，就叫做商品關(guān)聯(lián)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(guān)聯(lián)。
FineBI 實現(xiàn)效果如下圖所示：
復購率是指最近一段時間購買次數(shù)，用于說明用戶的忠誠度，反向則說明商品或服務的用戶黏性。
FineBI 實現(xiàn)效果如下圖所示：
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(jīng)過一段時間后仍然存在客戶行為（如登錄、消費）。
計算公式：某一段時間內(nèi)（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(shù)量 / （時間段a）的新增用戶總量
FineBI 實現(xiàn)效果如下圖所示：
用戶畫像就是與該用戶相關(guān)聯(lián)的數(shù)據(jù)的可視化的展現(xiàn)；一句話來總結(jié)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(yè)和職業(yè)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(yè)對用戶進行精準營銷、輔助業(yè)務決策。
FineBI 實現(xiàn)效果如下圖所示：
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(yè)務的持續(xù)增長除了拉新獲客的持續(xù)輸入，存量用戶的復購尤為重要。
一個月內(nèi)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(tǒng)計周期，計算季度復購率、年復購率等。
FineBI 實現(xiàn)效果如下圖所示：
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(xiàn)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(huán)模式，不斷擴大用戶規(guī)模，實現(xiàn)持續(xù)增長。
每一個產(chǎn)品具體情況不同，但總體上都包括這 5 個方面的發(fā)展過程。所以可以對這 5 個發(fā)展過程逐個分析。
FineBI 實現(xiàn)效果如下圖所示：
小郭是一家百貨商場的負責人，他想對百貨中的各個品牌的競爭力進行分析，所以他考慮從用戶流入流出入手。幫助百貨了解各個品牌的競爭力的同時，也可以幫助各個品牌的負責人看到自己品牌流入流出的情況如何。
他對流入客戶和流出客戶的行為進行了分析，將流入原因分為「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」。精細劃分后，各個品牌的競爭力情況更加一目了然。
FineBI 實現(xiàn)效果如下圖所示：
對用戶進行生命周期狀態(tài)分析，可以了解企業(yè)當前的市場競爭力，并對不同類別的客戶實施不同的營銷動作。
比如用兩個維度「最近一次登錄距今的時間」和「第一次登錄距今的時間」，可以將客戶簡單的分為四個類別：
FineBI 實現(xiàn)效果如下圖所示：
用戶粘性是指用戶對于品牌或產(chǎn)品的忠誠、信任與良性體驗等結(jié)合起來形成的依賴程度和再消費期望程度，是了解產(chǎn)品健康度的重要指標。
比如，為了解團隊對產(chǎn)品“不斷改進”的過程中，對用戶粘性是否有提升作用，我們可以制作一張用戶粘性儀表板，用于觀察粘性情況。
FineBI 實現(xiàn)效果如下圖所示
KANO模型是對用戶需求分類和優(yōu)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(xiàn)了產(chǎn)品性能和用戶滿意之間的非線性關(guān)系。
比如，產(chǎn)品經(jīng)理常常會遇到非常多的產(chǎn)品需求，但開發(fā)人員資源有限，怎么才能撈出真正的用戶需求？給真正重要的需求高優(yōu)先級？這時候就需要引進「KANO模型」，進行系統(tǒng)的需求梳理，對需求進行分析和提煉，提高效率。
FineBI 實現(xiàn)效果如下圖所示：
庫存周轉(zhuǎn)率是企業(yè)在一定時期銷貨成本與平均存貨余額的比率，用于反映庫存周轉(zhuǎn)快慢程度。周轉(zhuǎn)率越高表明存貨周轉(zhuǎn)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(zhuǎn)天數(shù)是企業(yè)從取得存貨開始，至消耗、銷售為止所經(jīng)歷的天數(shù)。周轉(zhuǎn)天數(shù)越少，說明存貨變現(xiàn)速度越快，銷售狀況越良好。
FineBI 實現(xiàn)效果如下圖所示：
杜邦分析法利用幾種主要的財務比率之間的關(guān)系來綜合地分析企業(yè)的財務狀況，用來評價公司盈利能力和股東權(quán)益回報水平，從財務角度評價企業(yè)績效。
其基本思想是將企業(yè)凈資產(chǎn)收益率逐級分解為多項財務比率乘積，這樣有助于深入分析比較企業(yè)經(jīng)營業(yè)績。
FineBI 實現(xiàn)效果如下圖所示：
盈虧平衡分析又稱保本點分析或本量利分析法，是根據(jù)產(chǎn)品的業(yè)務量、成本、利潤之間的相互制約關(guān)系的綜合分析，用來預測利潤，控制成本，判斷經(jīng)營狀況的一種數(shù)學分析方法。比如，當我們可以通過盈虧平衡分析分析控制各項成本的投入，從而使店鋪經(jīng)營利潤能達到一個新臺階。
【總成本=固定成本+變動成本】【利潤=月銷售額-總成本】
FineBI 實現(xiàn)效果如下圖所示：
同比發(fā)展速度主要是為了消除季節(jié)變動的影響，用以說明本期發(fā)展水平與去年同期發(fā)展水平對比的相對發(fā)展速度。
環(huán)比表示連續(xù)2個統(tǒng)計周期（比如連續(xù)兩月）內(nèi)的量的變化比。
計算公式：
同比：（本期銷售額-去年同期銷售額）/去年同期銷售額
環(huán)比：（本期銷售額-上個周期銷售額）/上個周期銷售額
FineBI 實現(xiàn)效果如下圖所示：
私信回復“BI”，可免費體驗企業(yè)級數(shù)據(jù)分析工具——FineBI
