【干货】7种常用数据分析模型和方法，建议收藏！

RFM分析模型用来对用户进行分类，并判断每类细分用户的价值。该模型通过客户的 近期购买行为、消费频率 以及 消费金额 3 项指标来描述该客户的价值状况。通过这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。

ABC分类法(Activity Based Classification) ，全称应为ABC分类库存控制法。又称帕累托分析法或 主次因分析法 、 ABC分析法 、 分类管理法、 物资重点管理法、ABC管理法，平常我们也称之为“二八法则”。

在帕累托的分析图中， 有两个纵坐标，一个横坐标 ，一个柱形图和一条折线图，以下图为例，X轴是按照商城各个品牌销售额从大到小排序，左侧Y轴为 各品牌产品的销售额 ，右侧Y轴为各品牌累计销售额占总销售额的百分比。

我们按照0-80%，80%-90%，90%-100%将商品 分成ABC 3个类别 ，然后对于这3个类别的产品做区别管理，以提高效益。

波士顿矩阵（BCG矩阵） ，又称市场增长率—相对市场份额矩阵、四象限分析法、产品系列结构管理法等。

BCG矩阵从 市场份额、市场增长率 两个维度对产品进行描述，将组织的每个战略事业单位（SBUs）标在二维矩阵上，对产品进行分类。确定投资的产品，做出取舍，以使业务组合达到最佳经营成效。

通过业务的优化组合实现企业的现金流量平衡。波士顿矩阵可用于确定 产品最优组合、定位产品和制定公司层业务战略 。

横纵坐标轴划分就形成了4种产品：

随着移动互联网的兴起，业务的形态越来越复杂，站内归因（也常被称作“坑位归因”）的需求日趋增多。

以自营电商为例： 同样的一个商品，可能会在站内多处“坑位”产生曝光，比如： 首页 Banner 的特卖活动页 、 商品详情页 的相关推荐、 购物车 页面下方的推荐列表中。运营人员需要知道这些 “坑位” 对商品最终成单产生的“贡献”分别是多大，从而指导站内的商品运营工作，例如将主推的商品推至成单贡献度高的坑位中，给予更多的曝光从而带来更多的转化。

一般来说有4种归因： 首次归因、末次归因、线性归因、位置归因 。

据说上个世纪九十年代，沃尔玛超市的管理人‎‎员发现了一‎‎个奇怪现象，同一个订单里经常会同时出现 婴儿纸尿裤和啤酒 ，并且购买者大多为父亲。有人就进行了分析，发现从时间上，周末比工作日购买纸尿裤喝啤酒的频率更多；其次，爸爸们喜欢看体育节目，而且更爱边喝啤酒边看，且美国的体育节目多在周末扎堆。所以，当周末母亲需要给孩子换纸尿裤时，通常会让正在看球的奶爸去买。奶爸出去买纸尿裤，会顺便带些啤酒回来。

无论这个案例真假，但他带来的启发却是巨大的，这让我们意识到可以通过 研究用户消费数据 ，将两种看上去完全没关系的产品关联在一起，这就叫做商品关联分析法，也叫作“ 购物篮分析 ”。

AARRR模型的实质是一个用户生命周期模型，关注 用户获取 （Acquisition）、 激活 （Activation）、 留存 （Retention）、 收入 （Revenue）和 自传播 （Refer）这五个方面，描述了用户从了解一个产品或服务到成为忠实用户的整个过程，对应于产品生命周期中的五个阶段。

用户画像分析（User Profiling Analysis）是一种 市场研究技术 ，它通过收集和分析用户的各种数据来创建用户的详细描述，这些描述通常包括用户的 行为、偏好、心理特征、生活方式 等。用户画像的目的是为了更好地理解目标客户群体，以便为他们提供更加个性化的产品和服务，提高营销效率和客户满意度。 用户画像分析用一句话来总结就是： 用户信息标签化。

对于所有有志于做数据分析师、商业数据分析、数据治理的小伙伴，一定要加快提升自己。 世界经济论坛 发布的 《2023年未来就业报告》 对未来五年就业市场进行深入分析，报告预测未来5年内增长最快的十大岗位，就包括了 数据分析师和科学家 以及 数字化转型专业人员 。

强烈建议重视CDA数据分析师证书，CDA数据分析师一级考试涉及的多个业务分析模型， 这些模型在实战中超有用 。尤其是想进入 电网、银行、电信、烟草 行业的小伙伴们，尽量考过CDA数据分析师二级，因为这些单位几乎都会在招聘中说明CDA数据分析师优先。

近年来CDA数据分析师已经为招行、华为、长安、苏宁等近百家机构提供了专业的内训服务。 通过这些课程培训，企业员工能够掌握数据分析的技能， 更好地理解和利用大数据， 提升数据驱动的决策能力，支持企业的数字化转型和业务发展。