超全！整理了18种常用数据分析模型和方法，建议收藏！

在进行数据分析时，我们通常需要用到各类分析模型和方法，一是为了让自己的结论更有说服力，二是让论证过程更具备逻辑性和条理性。

今天大师兄就来给大家分享18种常用的数据分析模型和方法，并附上用FineBI分析的步骤教程，希望对大家有所帮助！

RFM分析	留存分析	用户粘性分析
ABC分析	用户画像分析	需求分析方法-KANO模型
波士顿矩阵图	月复购分析	库存周转分析
转化分析	AARRR用户运营分析	杜邦分析
购物篮分析-关联规则	用户流入流出分析	盈亏平衡分析
复购率分析	用户生命周期状态分析	同环比分析

1、RFM模型

RFM 用于对用户进行分类，并判断每类细分用户的价值。

三个关键指标：

最近一次消费时间（R）：客户距离最近的一次采购时间的间隔。
最近一段时间内消费频次（F）：指客户在限定的期间内所购买的次数。
最近一段时间内消费金额（M）: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。

通过上述三个关键指标判断客户价值并对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略，如下图所示：

FineBI 实现效果如下图所示：

详细操作步骤移步帮助文档查看：RFM分析

2、帕累托分析

帕累托分析又叫 ABC 分析，分类的核心思想：少数项目贡献了大部分价值。以款式和销售量为例：A 款式数量占总体 10% ，却贡献了 80% 的销售额。

把产品或业务分为A、B、 C三类，用于分清业务的重点和非重点，反映出每类产品的价值对库存、销售、成本等总价值的影响，从而实现差异化策略和管理。

FineBI 实现效果如下图所示：

3、波士顿矩阵

波士顿矩阵通过销售增长率（反映市场引力的指标）和市场占有率（反映企业实力的指标）来分析决定企业的产品结构。

波士顿矩阵将产品类型分为四种，如下图所示：

FineBI 实现效果如下图所示：

4、转化分析

转化漏斗模型，是分析用户使用某项业务时，经过一系列步骤转化效果的方法。

转化分析可以分析多种业务场景下转化和流失的情况，不仅找出产品潜在问题的位置，还可以定位每个环节流失用户，进而定向营销促转化。

FineBI 实现效果如下图所示：

5、购物篮分析-关联规则

大家应该都听过这样一个经典案例：超市里经常会把婴儿的尿不湿和啤酒放在一起售卖，原因是经过数据分析发现，买尿不湿的家长以父亲居多，如果他们在买尿不湿的同时看到了啤酒，将有很大的概率购买，从而提高啤酒的销售量。

这种通过研究用户消费数据，将不同商品之间进行关联，并挖掘二者之间联系的分析方法，就叫做商品关联分析法，即购物篮分析，通过「支持度」、「置信度」、「提升度」三个指标判断商品见的关联。

FineBI 实现效果如下图所示：

6、复购率分析

复购率是指最近一段时间购买次数，用于说明用户的忠诚度，反向则说明商品或服务的用户黏性。

FineBI 实现效果如下图所示：

7、留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考查看进行初始行为后的用户中，经过一段时间后仍然存在客户行为（如登录、消费）。

计算公式：某一段时间内（时间段a）的新增用户在若干天后的另一段时间（时间段b）的留存数量 / （时间段a）的新增用户总量

FineBI 实现效果如下图所示：

8、用户画像分析

用户画像就是与该用户相关联的数据的可视化的展现；一句话来总结就是：用户信息标签化。

通过对用户人口属性：用户的年龄、性别、所在的省份和城市、教育程度、婚姻情况、生育情况、工作所在的行业和职业等和行为特征：活跃度、忠诚度等指标进行分析，从而帮助企业对用户进行精准营销、辅助业务决策。

FineBI 实现效果如下图所示：

9、月复购分析

复购率可以帮我们观察用户的忠诚度。提升复购率，可以提高用户购买的频次。业务的持续增长除了拉新获客的持续输入，存量用户的复购尤为重要。

一个月内有100个用户购买商品，其中有20人购买了2次以上，那么月复购率就是20%。同理可以改变统计周期，计算季度复购率、年复购率等。

FineBI 实现效果如下图所示：

10、AARRR用户运营分析

AARRR 模型又叫海盗模型，是用户运营过程中常用的一种模型，解释了实现用户增长的 5 个指标：获客、激活、留存、收益、传播。从获客到传播推荐，整个 AARRR 模型形成了用户全生命周期的闭环模式，不断扩大用户规模，实现持续增长。

每一个产品具体情况不同，但总体上都包括这 5 个方面的发展过程。所以可以对这 5 个发展过程逐个分析。

FineBI 实现效果如下图所示：

11、用户流入流出分析

小郭是一家百货商场的负责人，他想对百货中的各个品牌的竞争力进行分析，所以他考虑从用户流入流出入手。帮助百货了解各个品牌的竞争力的同时，也可以帮助各个品牌的负责人看到自己品牌流入流出的情况如何。

他对流入客户和流出客户的行为进行了分析，将流入原因分为「其他品牌流入、渠道流入、类别流入」，流出原因分为「品牌流出、渠道流出、类别流出」。精细划分后，各个品牌的竞争力情况更加一目了然。

FineBI 实现效果如下图所示：

12、用户生命周期状态分析

对用户进行生命周期状态分析，可以了解企业当前的市场竞争力，并对不同类别的客户实施不同的营销动作。

比如用两个维度「最近一次登录距今的时间」和「第一次登录距今的时间」，可以将客户简单的分为四个类别：

新用户：刚开始在较短的一段时期内登录/购买了产品的客户。
一次性用户：在较短一段时间内登录/购买产品后，近期不再继续购买的客户。
忠实用户：在较长一段时间内持续登录/购买产品，且在近期仍有购买行为的客户。
流失用户：在较长一段时间内持续登录/购买了产品，但近期不再有购买行为的客户。

FineBI 实现效果如下图所示：

13、用户粘性分析

用户粘性是指用户对于品牌或产品的忠诚、信任与良性体验等结合起来形成的依赖程度和再消费期望程度，是了解产品健康度的重要指标。

比如，为了解团队对产品“不断改进”的过程中，对用户粘性是否有提升作用，我们可以制作一张用户粘性仪表板，用于观察粘性情况。

FineBI 实现效果如下图所示：

14、需求分析方法-KANO模型

KANO模型是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。

比如，产品经理常常会遇到非常多的产品需求，但开发人员资源有限，怎么才能捞出真正的用户需求？给真正重要的需求高优先级？这时候就需要引进「KANO模型」，进行系统的需求梳理，对需求进行分析和提炼，提高效率。

FineBI 实现效果如下图所示：

15、库存周转分析

库存周转率是企业在一定时期销货成本与平均存货余额的比率，用于反映库存周转快慢程度。周转率越高表明存货周转速度越快，从成本到商品销售到资金回流的周期越短，销售情况越好。

库存周转天数是企业从取得存货开始，至消耗、销售为止所经历的天数。周转天数越少，说明存货变现速度越快，销售状况越良好。

FineBI 实现效果如下图所示：

16、杜邦分析

杜邦分析法利用几种主要的财务比率之间的关系来综合地分析企业的财务状况，用来评价公司盈利能力和股东权益回报水平，从财务角度评价企业绩效。

其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩。

FineBI 实现效果如下图所示：

17、盈亏平衡分析

盈亏平衡分析又称保本点分析或本量利分析法，是根据产品的业务量、成本、利润之间的相互制约关系的综合分析，用来预测利润，控制成本，判断经营状况的一种数学分析方法。比如，当我们可以通过盈亏平衡分析分析控制各项成本的投入，从而使店铺经营利润能达到一个新台阶。

【总成本=固定成本+变动成本】【利润=月销售额-总成本】

固定成本：在一定范围内不随销售额的增减而变动的成本，例如：房租、水电、人工费等。
变动成本：指随销售额的增减大致成正比例关系变化的成本，例如：销售提成，商品进货成本等。

FineBI 实现效果如下图所示：

18、同环比分析

同比发展速度主要是为了消除季节变动的影响，用以说明本期发展水平与去年同期发展水平对比的相对发展速度。

环比表示连续2个统计周期（比如连续两月）内的量的变化比。

计算公式：

同比：（本期销售额-去年同期销售额）/去年同期销售额

环比：（本期销售额-上个周期销售额）/上个周期销售额

FineBI 实现效果如下图所示：

原创文章，作者：爱运营，如若转载，请注明出处：https://www.iyunying.org/seo/dataanalysis/264433.html

超全！整理了18种常用数据分析模型和方法，建议收藏！

1、RFM模型

2、帕累托分析

3、波士顿矩阵

4、转化分析

5、购物篮分析-关联规则

6、复购率分析

7、留存分析

8、用户画像分析

9、月复购分析

10、AARRR用户运营分析

11、用户流入流出分析

12、用户生命周期状态分析

13、用户粘性分析

14、需求分析方法-KANO模型

15、库存周转分析

16、杜邦分析

17、盈亏平衡分析

18、同环比分析

推荐资讯

发表回复