产品经理最常用的几种数据分析模型

在做数据分析的时候，首先要明确分析的目的和思路。

这里介绍几种数据分析的模型，数据分析模型是套用一些现有的固定思路来进行分析的，熟练掌握这些数据分析模型有利于我们做现状调查和背景分析。

PEST模型常用来分析宏观环境，即从政治（Political）环境、经济（Economic）环境、社会（Social）环境、技术（Technological）环境这4个部分出发，分析影响企业决策、课题选择、背景调查等的宏观因素，在各行各业均有应用。具体如下。

① 政治（Political）：国家政策、国家法律法规、当地政府的方针、国内外局势、国际关系等。

② 经济（Economic）：经济发展水平、经济政策、国家经济形势、国民生产总值、居民消费水平、居民消费结构、通货膨胀率等。

③ 社会（Social）：国家或地区的历史文化、风俗习惯、宗教信仰、语言文字、教育水平、审美观念、生活方式等。

④ 技术（Technological）：国家对该技术的支持程度、申请授权专利、技术的研究程度等。

SWOT模型从优势（Strength）、劣势（Weakness）、机会（Opportunity）、威胁（Threats）4个方面对企业的现状进行分析，同时对未来加以预测。

SWOT是应用矩阵思维的一个模型，通过4个维度之间的有机组合，进行全面、系统的研究分析。

① 优势与劣势（SW）：优势与劣势是对企业或某个产品内部环境的分析，从中得知与竞争对手相比存在哪些优势和劣势。正确认识优势与劣势，才能够扬长避短。

② 机会与威胁（OT）：机会与威胁是对宏观大环境的分析，可参考PEST模型。对机会要积极争取，对威胁要进行规避，同时也要意识到，威胁本身既是机遇也是挑战。

将这4个维度下的条件逐一列出，运用矩阵思维对这4个方面进行交叉组合，还可以得到SO（优势+机会）、WO（劣势+机会）、ST（优势+威胁）和WT（劣势+威胁）的维度，对组合而成的4个方面也列出相应的内容。

对于自身的优势同时也是机会的部分要放大并加以利用；对于自身的劣势却是机会的部分要改进以迎合机会；对于自身的优势却是威胁的部分不能冒进、要持续监控和跟进；对于自身的劣势同时也是威胁的部分要尽可能地消除。

SWOT模型不仅可用于企业，还可用于对自身的分析，例如竞争一个岗位，就可从优势与劣势、机会与威胁来分析评估。将自身情况套入SWOT模型进行分析得到的结果，由此可以全方位地审时度势，认清自己能力的同时从容地应对外部的挑战。

5W2H模型又叫“七问分析法”，即以5个以W开头的英文单词和2个以H开头的英文单词为引子进行提问，从提问中发现答案的分析方法。其在企业管理中用得较多，此外，还可以进行用户行为分析、营销方案制订等。这7个英文单词如下。

① What：以“什么”为结尾的提问，如要做什么？目的是什么？

② Why：以“为什么”开始的提问，如为什么要做？为什么是这个方案？

③ Who：以人为关键词的提问，如谁来负责？目标受众是谁？

④ When：以时间为关键词的提问，如什么时候开展活动？什么时候活动结束？每一步分别何时开展？

⑤ Where：以地点为关键词的提问，如在哪里（实地/线上）开展活动？渠道有哪些？

⑥ How：具体的实施步骤，越详细越好，如怎么做？如何优化？

⑦ How much：涉及程度的提问，如成本几何？预算多少？配备多少人员？做到什么程度？

会问问题也是一种能力，问问题能帮我们理清思路，查漏补缺。

4P模型是经典的营销分析理论模型，最早于20世纪60年代提出。

4P指的是4个“P”开头的英文单词，即Product（产品）、Price（价格）、Place（渠道）、Promotion（促销）。可以从这4个因素出发进行营销组合，分析产品的现状，调整推广手段。这种分析模型围绕着产品展开，是站在公司层面来说的，因此也是典型的“以产品为中心”的营销战略支撑模型。

① 产品（Product）：公司主推何种产品（包括有形/无形的产品），分析时要考虑到产品的内容是什么、有什么特色、性能如何等。

② 价格（Price）：该产品的售价，分析时应该考虑该产品的生产成本、售价与竞争对手的价格相比如何及利润空间有多大等因素。

③ 渠道（Place）：该产品从生产到交付的流程，分析时要考虑产品的承包商、中间的制作环节、后期的流通方式等。

④ 促销（Promotion）：该产品的宣传和推广方式，包括线上如何宣传、线下如何销售等。

4C模型是1990年美国营销专家罗伯特·劳特朋（Robert F.Lauterborn）教授提出的与4P模型相对应的营销理论模型。4C指的是4个以“C”开头的英文单词，即Consumer（客户）、Cost（成本）、Convenience（便利）、Communication（沟通）。

与4P模型不同的是，4C模型从客户的角度出发，是典型的“以客户为中心”的思维。

① 客户（Consumer）：要了解客户的需求，根据客户的需求定制产品。

② 成本（Cost）：包含4P模型中的价格（Price），同时还应包含客户的购买成本；从客户的角度出发，研究客户能否在金钱、时间和精力上接受该产品。

③ 便利（Convenience）：该产品应为客户提供最大程度的便利，如方便支付、方便维护等。

④ 沟通（Communication）：该产品应该做到能和客户随时随地进行有效沟通，及时听取客户建议和意见以更好地优化产品，如客服系统、收集并处理投诉等。

决策树模型运用逻辑树来分析问题。

决策树又叫“树图”，常用来层层拆解某个问题，直至找到末端原因。

在运用决策树模型时，要首先找到互相独立、不交叉的几个相关因素，再从这几个相关因素逐层推导出第二层相关因素，最后得出末端原因。

第一层相关因素就是决策树的“大树枝”，第二层因素则是“小树枝”，这些树枝构成了整个树图。

决策树模型可以提醒读者不要被眼前的表象所迷惑，要一层一层逐一剖析，找出真正的问题所在。

1：为什么要搭建客户运营分析模型？可以运用SWOT模型指出客户的运营分析模型存在的必要性。

2：怎么搭建，从哪些角度搭建？可以运用逻辑树模型，结合PEST模型，从外部宏观环境和企业内部的储备方面分层思考，如客户价值、客户活跃度、客户流失预警等。

要进行一次完整的数据分析，首先要明确数据分析思路，如从那几个方面开展数据分析，各方面都包含什么内容或指标。是分析框架，给出分析工作的宏观框架，根据框架中包含的内容，再运用具体的分析方法进行分析。

数据分析方法论的作用：

理顺分析思路，确保数据分析结构体系化

把问题分解成相关联的部分，并显示他们的关系

为后续数据分析的开展指引方向

确保分析结果的有效性和正确性

五大数据分析模型

1.PEST分析模型

政治环境：

包括一个国家的社会制度，执政党性质，政府的方针、政策、法令等。不同的政治环境对行业发展有不同的影响。

关键指标

政治体制，经济体制，财政政策，税收政策，产业政策，投资政策，专利数量，国防开支水平，政府补贴水平，民众对政治的参与度。

经济环境：

宏观和微观两个方面。

宏观：一个国家国民收入，国民生产总值以及变化情况，以通过这些指标反应国民经济发展水平和发展速度。

微观：企业所在地区的消费者收入水平、消费偏好、储蓄情况、就业程度等因素，这些因素决定着企业目前以及未来的市场大小。

关键指标

GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

社会环境：

包括一个国家或地区的居民受教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观等。文化水平营销居民的需求层次，宗教信仰和风俗习惯会禁止或抵制某些活动的进行，价值观会影响居民对组织目标和组织活动存在本身的认可，审美观点则会影响人们对组织活动内容、活动方式以及活动成果的态度。

关键指标

人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。

技术环境：

企业所处领域直接相关的技术手段发展变化，国家队科技开发的投资和支持重点，该领域技术发展动态和研究开发费用总额，技术转移和技术商品化速度，专利及其保护情况。

关键指标

新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况。

2.5W2H模型

5W2H分析法主要针对5个W以及2个H提出的7个关键词进行数据指标的选取，根据选取的数据进行分析

3.逻辑树分析模型

将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。

把一个已知问题当作树干，考虑这个问题和哪些问题有关，将相关的问题作为树枝加入到树干，一次类推，就会将问题扩展成一个问题树。

逻辑树能保证解决问题的过程完整性，将工作细化成便于 *** 作的具体任务，确定各部分优先顺序，明确责任到个人。

逻辑树分析法三原则：

要素化：把相同问题总结归纳成要素

框架化：将各个要素组成框架，遵守不重不漏原则

关联化：框架内的各要素保持必要的相互关系，简单而不孤立

4.4P营销理论模型

产品：

能提供给市场，被人们使用和消费并满足人们某种需求的任何东西，包括有形产品、服务、人员、组织、观念和它们的组合。

价格：

购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响价格的主要因素有需求、成本和竞争。

渠道：

产品从生产企业流转到用户手上全过程所经历的各个环节。

促销：

企业通过销售行为的改变来激励用户消费，以短期的行为促进消费的增长，吸引其他品牌用户或导致提钱消费来促进销售增长。

5.用户行为模型

用户行为指用户为获取、使用产品或服务才去的各种行动，首先要认知熟悉，然后试用，再决定是否继续消费使用，最后成为产品或服务的忠实用户。

行为轨迹：认知->熟悉->试用->使用->忠诚

最后

五大数据分析模型的应用场景根据数据分析所选取的指标不同也有所区别。

PEST分析模型主要针对宏观市场环境进行分析，从政治、经济、社会以及技术四个维度对产品或服务是否适合进入市场进行数据化的分析，最终得到结论，辅助判断产品或服务是否满足大环境。

5W2H分析模型的应用场景较广，可用于对用户行为进行分析以及产品业务分析。

逻辑树分析模型主要针对已知问题进行分析，通过对已知问题的细化分析，通过分析结论找到问题的最优解决方案。

4P营销理论模型主要用于公司或其中某一个产品线的整体运营情况分析，通过分析结论，辅助决策近期运营计划与方案。

用户行为分析模型应用场景比较单一，完全针对用户的行为进行研究分析。

当然，模型只是前人总结出的方式方法，对于我们实际工作中解决问题有引导作用，但是不可否认，具体问题还要具体分析，针对不同的情况需要进行不同的改进。

对于互联网平台而言的产品，主要可以分为两大类：商品和服务。想要通过数据分析提高产品的销量，首先要了解哪些数据需要分析？

哪些数据需要分析？

一、运营模块

从用户的消费流程来看，可以划分为四个部分：引流，转化，消费，存留。

流量

流量主要体现在引流环节，按照流量结构可以分为渠道结构，业务结构以及地区结构等。渠道结构，可以追踪各个渠道的流量情况，通过渠道流量占比来分析各渠道的质量。业务结构，根据指定业务对活动的流量进行追踪，观察活动前，中，后流量的变化情况，对活动效果做出评估。

转化率

转化率=期望行为人数/作用总人数。提升转化率意味着更低的成本，更高的利润, 最经典的分析模型就是漏斗模型。

流失率和留存率

通过各个渠道或者活动把用户引流过来，但过一段时间就会有用户流失掉，这部分用户就是流失用户，而留下来的这部分用户就是留存用户。流失可以分为刚性流失，体验流失和竞争流失，虽然流失是不可避免的，但可以根据对流失的分析，做出相应的对策来挽留用户。关于留存，通过观察存留的规律，定位存留阶段，可以辅助市场活动、市场策略定位等，同时还可以对比不同用户、产品的功能存留情况，分析产品价值，及时对产品做出调整。

复购率

复购率可以分为“用户复购率”和“订单复购率”，通过分析复购率，可以进一步对用户粘性进行分析，辅助发现复购率问题，制定运营策略， 同事还可以进行横向（商品、用户、渠道）对比分析， 细化复购率，辅助问题定位。

二、销售模块

销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等。

三、商品模块

重要指标分析：包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、畅滞销分析等， 用来评判商品价值，辅助调整商品策略

四、用户模块

重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留情况等

用户价值分析：可以根据RFM模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户做出进一步分析。

用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。

根据需要分析的数据选择分析模型

一、用户模型

用户模型是一种在营销规划或商业设计上描绘目标用户的方法，经常有多种组合，方便规划者用来分析并设置其针对不同用户所展开的策略。传统的用户模型构建方法有两种：基于访谈和观察构建用户模型（严谨可靠但费时）、临时用户模型（基于行业专家或者市场调查数据构建，快速但不够可靠）。

改进的用户模型构建方法：基于用户行为数据的用户模型

优势：对传统方式进行简化，降低数据分析的门槛；让数据分析更科学、高效、全面，可以更直接地应用于业务增长，指导运营策略。

方法：

1. 整理、收集对用户的初始认知

2. 对用户进行分群

3. 分析用户的行为数据

4. 推测目标动机

5. 对用户进行访谈调查验证

6. 用户模型建立修正

同时，还可以将收集到的用户信息映射成为用户的属性或用户的行为信息，并存储起来形成用户档案；实时关注自身数据的波动，及时做出战略性调整。

二、事件模型

事件模型是用户行为数据分析的第一步，也是分析的核心和基础，它背后的数据结构、采集时机以及对事件的管理是事件模型中的三大要素。

什么是事件？

事件就是用户在产品上的行为，它是用户行为的一个专业描述，用户在产品上所有获得的程序反馈都可以抽象为事件，由开发人员通过埋点进行采集。举个例子：用户在页面上点击按钮就是一个事件。

事件的采集

事件-属性-值的结构：事件（用户在产品上的行为），属性（描述事件的维度），值（属性的内容）

在事件采集过程中，灵活运用事件-属性-值的结构，不仅可以最大化还原用户使用场景，还可以极大地节省事件量，提高工作效率。

采集的时机：用户点击、网页加载完成、服务器判断返回。在设计埋点需求文档时，采集时机的说明尤为重要，也是保证数据准确性的核心。

举个例子：电商销售网页的事件采集

事件的分析

对事件的分析通常有事件触发人数、次数、人均次数、活跃比四个维度的计算。

事件的管理

当事件很多时，对事件进行分组，重要事件进行标注，从而分门别类地管理。同时，可以从产品业务角度将重要的用户行为标注出来，以便在分析时方便、快捷地查找使用常用、重要的事件。

三、漏斗模型

漏斗模型最早起源是从传统行业的营销商业活动中演变而来的，它是一套流程式数据分析方法。

主要模型框架：通过检测目标流程中起点（用户进入）到最后完成目标动作。这其中经历过的每个节点的用户量与留存量，来考核每个节点的好坏，来找到最需要优化的节点。漏斗模型是用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。

四、热图分析 —— 画出用户行为

热图，是记录用户与产品界面交互最直观的工具。热图分析，就是通过记录用户的鼠标行为，并以直观的效果呈现，从而帮助使用者优化网站布局。无论是Web还是App的分析，热图分析都是非常重要的模型。

在实际的使用过程中，常常用几种对比热图的方法，对多个热图进行对比分析，解决问题：

多种热图的对比分析，尤其是点击热图（触摸热图）、阅读热图、停屏热图的对比分析；

细分人群的热图对比分析，例如不同渠道、新老用户、不同时段、AB测试的热图分析等；

深度不同的互动，所反映的热图也是不同的。例如点击热图和转化热图的对比分析；

五、自定义留存分析

关于留存率的概念，在前文中的已经有所介绍。对于产品而言，留存率越高，说明产品的活跃用户越多，转化为忠实用户的比例会越大，越有利于产品变现能力的提升。

自定义留存：基于自己业务场景下用户的留存情况，也即对留存的行为进行自定义。可以通过对初始行为和回访行为进行设定来对留存行为进行自定义。

举个例子：抢到券的用户使用哈罗共享单车的5日留存率

初始行为：抢到券

回访行为：使用哈罗共享单车

六、粘性分析

粘性：以用户视角，科学评估产品的留存能力

通过用户粘性分析，可以了解到一周内或一个月内用户到底有多少天在使用你的产品甚至是某个功能，进一步分析出用户使用产品的习惯。

粘性分析是诸葛io的特色功能之一，其中包括产品整体粘性、功能粘性、粘性趋势以及用户群对比，具体可以参考https://docs.zhugeio.com/advanced/stickiness.html

七、全行为路径分析

全行为路径分析是互联网产品特有的一类数据分析方法，它主要根据每位用户在App或网站中的行为事件，分析用户在App或网站中各个模块的流转规律与特点，挖掘用户的访问或浏览模式，进而实现一些特定的业务用途，如对App核心模块的到达率提升、特定用户群体的主流路径提取与浏览特征刻画，App产品设计的优化等。

在可视化过程中常用的全行为路径模型有两种：

树形图：以树形结构体现用户的行为路径

太阳图：以环形图体现用户的行为路径

上图中，每一环代表用户的一步，不同的颜色代表不同的行为，同一环颜色占比越大代表在当前步骤中用户行为越统一，环越长说明用户的行为路径越长。

八、用户分群模型

用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

基于用户行为数据的分群模型：当回归到行为数据本身，会发现对用户的洞察可以更精细更溯源，用历史行为记录的方式可以更快地找到想要的人群。

四个用户分群的维度：

用户属性：年龄、性别、城市、浏览器版本、系统版本、 *** 作版本、渠道来源等；

活跃于：通过设置活跃时间，找到指定之间段内的活跃用户；

做过/没做过：通过用户是否进行某行为，分析用户与产品交互的“亲密度”；

新增于：通过设置时间段，精确筛选出新增用户的时间范围；

如何提高产品销量是一个综合性的问题，需要结合多种模型进行数据分析，以上内容是对一些知识的归纳，希望能够对您有所帮助。

---