营销数据分析维度模型

『壹』 数据分析中有哪些常见的数据模型

首先，我们先来了解一下哪些领域需要实时的数据分析呢？

1、医疗卫生与生命科学

2、保险业

3、电信运营商

4、能源行业

5、电子商务

6、运输行业

7、投机市场

8、执法领域

9、技术领域

常见数据分析模型有哪些？

1、行为事件分析：行为事件分析法具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，已被广泛应用。

2、漏斗分析模型：漏斗分析是一套流程分析，它能够科学反映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。

3、留存分析模型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，考察进行初始化行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。

4、分布分析模型分布分析是用户在特定指标下的频次、总额等的归类展现。

5、点击分析模型即应用一种特殊亮度的颜色形式，显示页面或页面组区域中不同元素点点击密度的图标。

6、用户行为路径分析模型用户路径分析，顾名思义，用户在APP或网站中的访问行为路径。为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。

7、用户分群分析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。

8、属性分析模型根据用户自身属性对用户进行分类与统计分析，比如查看用户数量在注册时间上的变化趋势、省份等分布情况。

模型再多，选择一种适合自己的就行，如何利益最大化才是我们追求的目标

『贰』 产品数据分析要关注哪些维度或指标

(一)、销售数据之维度
1、商品
商品是零售分析的最细维度之一，大部分的指标都依附商品来做明细的记录，同时很多维度也是通过商品进行交叉分析。
2、客户
客户是销售对象，包括会员。客户所在地和区域有关联。
3、区域
区域是地理位置。从全球视角看：洲---国家---区；从国家视角看：区——省/市——县/ 区—镇/乡/村，一般按正式行政单位划分。
4、时间
时间是进行数据分析非常重要的维度，分析的角度有公历角度和农历角度。其中， 公历角度：年——季度——月——日——时段（每2小时为一个段）；星期、公历节假日。农历角度：年——节气——日——时刻；农历节假日。
(二)、销售数据之指标
1、销售数量
客户消费的商品的数量。
2、含税销售额
客户购买商品所支付的金额。
3、毛利
毛利=实际销售额－成本。
4、净利
净利=去税销售额－去税成本。
5、毛利率
销售毛利率是毛利占销售收入的百分比，也简称为毛利率，其中毛利是销售收入与销售成本的差。
毛利率=（毛利/实际销售额）×100%。
6、周转率
周转率和统计的时间段有关。周转率=（销售吊牌额/库存金额）×100%。
7、促销次数
促销次数有宏观概念上的，也有微观概念上的。宏观上，是指一个销售单位中一段 时间内发动促销的次数，或某个供应商的商品在一段时间内参与促销的次数；微观层面上，是表示一个单品在一段时间内参与促销的次数。
8、交易次数
客户在POS 点上支付一笔交易记录作为一次交易。
9、客单价
客户在一次交易中支付的金额总和称为客单价。
客单价=销售额/交易次数。
10、周转天数
周转天数=库存金额/销售吊牌额。周转天数越长，表示经营效率越低或存货管理越差；周转天数越短，表示经营效率越高或存货管理。
11、退货率
退货率=退货金额/进货金额（一段时间）；用于描述经营效率或存货管理情况的指标，与时间有关。
12、售罄率
售罄率=销售数量/进货数量。
13、库销比
库销比=期末库存金额/（本期销售牌价额/销售天数*30）
（只有在单款SKU 计算中可用数量替代金额。）
14、连带率
连带率=销售件数/交易次数。
15、平均单价
平均单价=销售金额/销售件数。
16、平均折扣
平均折扣=销售金额/销售吊牌额
17、SKU（深度与宽度）
英文全称为 stock keeping unit, 简称SKU，定义为保存库存控制的最小可用单位，例如纺织品中一个SKU 通常表示一个规格，颜色，款式），即货号，例：AMF80570-1。
18、期货
所谓期货，一般指期货合约，就是指由期货交易所统一制定的、规定在将来 某一特定的时间和地点交割一定数量标的物的标准化合约 。服装行业上具体指订货会上所订购且分期交付的货品。
19、坪效
就是指终端卖场1平米的效率，一般是作为评估卖场实力的一个重要标准。
坪效=销售金额/门店营业面积（不包含仓库面积）。
20、促销商品
指促销活动期间指定的商品，其价格低于市场同类的商品。包括DM 商品，开店促销，普通促销货（特价），不包含正常降价。
(三)、销售数据之分析方法
1、直接数据的分析。
2、间接数据的组合分析。

『叁』 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Proct（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（Proct）：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。

『肆』 大数据分析中，有哪些常见的大数据分析模型

数据分析模型主要是用来指导数据分析师进行一个完整的数据分析，更多是指导数据分析的思路。数据分析常用的模型有：
留存分析模型：用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为；
全行为路径分析：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；
漏斗分析模型：能够科学反映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；
热图分析模型：其实就是指页面点击分析；
事件分析模型：是针对用户行为的分析模型之一，也是用户行为数据分析的核心和基础；
用户分群模型：对用户进行精细化运营，用户分群能帮助企业更加了解用户，分析用户的属性特征、以及用户的行为特征；
用户分析模型：通过查看用户数量在注册时间上的变化趋势、查看用户按省份的分布情况等等，丰富用户画像维度；
黏性分析模型：在留存分析的基础上，对一些用户指标进行深化；