数据分析模板

数据分析模型

• OSM模型:业务步骤梳理模型，包含业务核心KPI(O)、行动策略(S)、业务衡量指(M)
• AARRR模型:用户增长模型，包括用户获取(Acquisition)、用户激活(Activation)、用户留存(Retention)获得收益(Revenue)、推荐传播(Referral)
• UJM模型:用户旅程地图，展示用户从获取到推荐的行为路径，从获取到推荐
• MECE模型:相互独立，完全穷尽的分类方法，确保分析的全面性和独立性
• RFM模型:根据最近一次消费时间(Recency)、消费频率(Frequency)、消费金(Monetary)对客户进行细分，适用于提高客户交易次数和分析客户流失。
• 对比分析法:通过与自身或行业标准进行比较，分析数据的相对表现，关注绝对值和比值，考虑环比和同比。
• 多维度拆解法:从业务指标和业务流程两个维度对数据进行拆解，深入分析业务问题，适用于解决辛普森悖论。
• 趋势分析法:观察数据随时间的变化趋势，预测未来走势，注意神经过敏和混杂因素。
• 漏斗分析法:分析用户在业务流程中的行为路径，识别转化瓶颈，关注时间窗口和顺序。
• 假设检验分析法:通过提出假设、收集数据、分析验证，找出问题根源，注意结论需依靠证据证明。
• 留存分析法:量化分析用户留存和流失行为，评估产品粘性和用户忠诚度，关注新用户和老用户的留存率。
• 归因分析法:分析不同渠道对用户转化的贡献，合理分配广告效果的功劳，包括首次归因、未次归因、线性归因和位置归因。
• 路径分析法:分析用户在产品中的全部访问路径，了解用户行为模式，使用桑基图、树形图和太阳图展示。
• 用户画像分析模型:通过用户数据构建用户画像，了解用户特征和需求，包括人口属性、商业属性、行为数据等。
• 结构分析:通过分层观察数据，快速理解用户、商品或渠道的情况，监测健康度变化和政策效果。
• LTV分析模型:计算用户生命周期价值(LTV)，评估用户对企业的总价值，公式为LTV=LTxARPU。