
在職場中,當你遇到問題的時候,如果感到無從下手,或者抓不到重點,可能是因為你掌握的思維模型不夠多。
一個好用的思維模型,能給我們提供一種觀察問題的視角和拆解問題的框架,幫助我們理清數據分析的思路,提高解決問題的效率,從而獲得更加滿意的結果。
OSM模型,全稱是Object-Strategy-Measure 模型,也就是目標-策略-衡量指標,其中:
Object(目標),可以是公司的目標,業務領域的目標,或者某個產品的目標,或者某個活動的目標,某個內容推廣的目標等等;
Strategy(策略),就是要達成目標制定的策略,比如要拉新,策略可能是做廣告,做活動等等;
Measure(衡量指標),也就是對這些策略,分別對應的可以衡量策略的指標,如果是廣告,衡量指標可以是廣告點擊率;
業務目標的設定應與業務負責人協商一致,明確業務的核心追求,如提升用戶數量、用戶停留時間、付費用戶數或用戶消費總額等。在設定業務目標時,需遵循DUMB原則,確保目標的可行性、易懂性、可管理性和有益性:
切實可行(Doable):確保目標設定在可實現的范圍內,避免因目標過高而無法達成,影響評估的有效性。
易于理解(Understandable):業務目標應簡明易懂,確保業務團隊能夠清晰理解數據目標的意義。
可干預、可管理(Manageable):業務目標應配備相應的策略或手段,以便團隊能夠通過具體行動來實現這些目標。
正向的、有益的(Beneficial):業務目標應具有積極意義,避免為了達成某一目標而對其他業務目標產生負面影響。
在明確業務目標的基礎上,需要制定相應的業務策略來實現這些目標。例如,為了增加新用戶數量,可能采取的策略是在社交媒體平臺如抖音、廣點通等增加廣告投放。
度量是評估策略效果和目標完成情況的關鍵。以提升產品新用戶數為例,評估結果的指標可以是新增用戶數。除了關注結果型指標,過程型指標同樣重要,它們能夠反映策略執行的各個階段:
曝光下載轉化率:衡量從廣告曝光到用戶下載的轉化效率。
下載安裝轉化率:衡量從用戶下載到實際安裝應用的轉化效率。
下載激活率:衡量從安裝到用戶激活應用的轉化效率。
OSM模型通過將業務目標與評估指標緊密相連,確保了每個設定的指標都有明確的目的,即評估特定業務策略的效果,以及這些策略如何服務于整體業務目標的實現。這種清晰的關聯性有助于企業更有效地監控業務進展,優化決策過程,并推動業務的持續改進和發展。
OSM模型是一個業務分析框架,不是算法模型。一般來說OSM模型有正向和反向使用兩種用法:
1、正向使用:在項目開始前,分解大目標,明確行動和每個行動考核指標。這是上邊的例子所演示的工作流程。如果企業數據驅動氛圍很好,理應這么工作。
2、反向使用:項目前期沒有做啥籌備,事后復盤發現一堆問題。這時候想要檢討為啥做爛了,也能按這個思路,把項目中做的事一一梳理出來,看這些事能影響什么子指標,實際影響到了沒有,這些子指標和大目標之間有啥聯系。
UJM模型(User Journey Map,用戶旅程地圖模型)是用于描述和分析用戶在使用產品或服務過程中與品牌、產品或服務互動的完整流程。
UJM模型的目的是深入理解用戶體驗的各個階段,幫助設計更符合用戶需求的產品和服務。它通常用于用戶體驗設計(UX)、市場營銷、產品開發等領域。
UJM模型可以將業務策略拆解為若干個環節,這些環節串聯起來就形成“業務流程”;同時設計若干指標衡量流程就形成了“過程指標”。
UJM模型,即戶旅程地圖一般長這個樣子:
UJM模型由以下幾個關鍵部分組成:
用戶角色:定義目標用戶群體,創建虛構但具有代表性的用戶角色,以代表不同的用戶類型。
階段和觸點:識別用戶與產品或服務交互的各個階段,包括用戶接觸的所有觸點(如網站、移動應用、實體店面等)。
行為和活動:詳細記錄用戶在每個階段的行為和活動,包括他們如何與產品或服務互動。
情感反應:描述用戶在不同階段的情感體驗,包括他們的滿意度、挫折感或愉悅感。
痛點和機會:通過分析用戶旅程,識別用戶體驗中的痛點和改進機會。
用戶目標和動機:理解用戶在每個階段的目標和動機,以及他們使用產品或服務的原因。
支持和障礙:識別用戶在旅程中獲得幫助的支持點,以及可能遇到的障礙。
故事敘述:通過敘述用戶的故事,將所有信息整合在一起,形成一個連貫的敘述,幫助團隊成員理解用戶旅程的全貌。
UJM是描繪用戶在應用程序內行動軌跡的視覺表示。以電子商務平臺為例,用戶購買商品的整個行為路徑可以通過UJM進行展示。
通過梳理完整的用戶行為路徑,我們可以針對每個環節設計相應的評估指標。例如,為了評價某項策略對用戶從打開APP到將商品加入購物車的影響,我們可以監測并分析以下轉化率:
從打開APP到瀏覽商品的轉化率;
從瀏覽商品到查看商品詳情的轉化率;
從查看商品詳情到加入購物車的轉化率。 通過這些關鍵環節的轉化率,我們能夠全面評估策略的效果,確保數據指標設計既完整又科學。
這種方法使我們能夠精確地識別和優化用戶體驗的每個階段,從而提升整體的用戶滿意度和業務成效。
UE模型即Unit Economics,是指單體經濟模型,是衡量一個單位產品或服務的收入和成本關系的工具。
單體是整體團隊和業務的縮影,通過對單體和最小單位的分析,我們能更加簡潔地看清問題,做到一葉知秋、以小見大、見微知著、窺知業務全貌。
單位經濟模型是指一個商業體中,以能完成商業閉環的一個單位為視角,計算財務模型。
抽象來說,單位經濟模型一般可以表述成:每1個單位下,X = f(a,b,c...)
舉個例子,以網約車業務來說,每輛車(單位)全生命周期的收入(財務模型)可以作為一種UE模型,每輛車平均每小時(單位)的平均成本(財務模型)也可以作為一種UE模型。一個leads或一個用戶的LTV(或者前N天的arpu),一個用戶全生命周期的LTV減去CAC,一個產品固定周期內的毛利等等,都可以作為UE模型。
UE分析的步驟:
首先,我們需要確定業務的最小單元。在醫療器械行業,最小單元可能是一臺特定的醫療設備。例如,對于生產心臟起搏器的公司來說,最小單元可以是一臺心臟起搏器。
接下來,我們需要計算每個最小單元能為公司帶來多少利潤。這涉及到收入和成本的預測。
最后,我們需要計算盈虧平衡點,即最小單元需要達到多少利潤才能覆蓋固定成本。
通過UE分析,我們可以清晰地看到,每臺血糖監測儀目前的利潤遠未達到盈虧平衡點。這提示我們可能需要調整銷售策略、降低成本或增加產品附加值。
CDA認證小程序里面有很多數據分析模型的測試,感興趣的可以掃碼CDA認證小程序,測一測你對數據分析模型的掌握程度。 圖片
RFM模型是衡量用戶價值和用戶創利能力的經典工具,依托于用戶最近一次購買時間、消費頻次以及消費金額。
RFM的含義:
R(Recency)最近一次消費時間:表示用戶最近一次消費距離現在的時間。消費時間越近的客戶價值越大。1年前消費過的用戶肯定沒有1周前消費過的用戶價值大。
F(Frequency)消費頻率:消費頻率是指用戶在統計周期內購買商品的次數,經常購買的用戶也就是熟客,價值肯定比偶爾來一次的客戶價值大。
M(Monetary)消費金額:消費金額是指用戶在統計周期內消費的總金額,體現了消費者為企業創利的多少,自然是消費越多的用戶價值越大。
每個維度分可為高低兩種情況,我們構建出了一個三維的坐標系。RFM模型是根據這三個指標得到一個三維的空間,三個指標的值映射到8個象限中,根據查看客戶所在象限確定其價值程度。
RFM模型是一種常用的客戶分群方法,它基于客戶的購買行為數據,通過三個指標來評估客戶的價值:購買頻率(Recency)、購買頻次(Frequency)和購買金額(Monetary)。
以下是使用RFM模型進行客戶分群的步驟:
1.數據收集:收集客戶的購買數據,包括每個客戶的購買日期、購買次數和購買金額。
2.數據處理:將數據進行歸一化處理,使不同指標的數據在同一尺度上進行比較。
3.指標計算:計算每個客戶的RFM值:
Recency(R):客戶最近一次購買的天數。
Frequency(F):客戶在一定時間段內的購買次數。
Monetary(M):客戶在一定時間段內的購買金額。
4.分數計算:將每個指標的值轉換為分數,通常分數范圍為1到5,分數越高表示客戶價值越高。
5.客戶分群:根據客戶的RFM分數,將客戶分成不同的群體,例如高價值客戶、中價值客戶和低價值客戶。
6.策略制定:根據不同客戶群體的特點,制定相應的營銷策略,以提高客戶的忠誠度和購買頻率。
AARRR模型因其掠奪式的增長方式也被稱為海盜模型,是Dave McClure 2007提出的,核心就是AARRR漏斗模型,對應客戶生命周期幫助大家更好地理解獲客和維護客戶的原理。
AARRR分別代表了五個單詞,又分別對應了產品生命周期中的五個階段:
?Acquisition【獲取】
用戶從不同渠道來到你的產品。
?Activation【激活】
用戶在你的產品上完成了一個核心任務(并有良好體驗)。
?Retention【存留】
用戶回來繼續不斷的使用你的產品。
?Revenue 【收益】
用戶在你的產品上發生了可使你收益的行為。
?Referral 【推薦】
用戶通過你的產品,推薦引導他人來使用你的產品。
「海盜模型」有兩個核心:一是以用戶為中心,二是注重產品的整體收益。
哪怕前期獲取用戶的成本比較高,只要用戶生命周期價值(LTV),大于用戶獲取成本與經營成本之和,就意味著產品能夠實現良性增長。
AARRR海盜模型為企業提供了一個全面的用戶增長框架。通過分析用戶生命周期的五個關鍵階段,企業可以深入理解用戶行為,識別潛在問題,并制定針對性的策略。該模型尤其適用于希望快速見效的企業,在資源有限的情況下幫助實現用戶增長。
隨著各行各業進行數字化轉型,數據分析能力已經成了職場的剛需能力,這也是這兩年CDA數據分析師大火的原因。和領導提建議再說“我感覺”“我覺得”,自己都覺得心虛,如果說“數據分析發現……”,肯定更有說服力。想在職場精進一步還是要學習數據分析的,統計學、概率論、商業模型、SQL,Python還是要會一些,能讓你工作效率提升不少。備考CDA數據分析師的過程就是個自我提升的過程。
CDA 考試官方報名入口:https://www.cdaglobal.com/pinggu.html
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
在本文中,我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生:我的第一個分析項目 記得三年前接手第一個數據分析項目時,我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代,企業每天都在產生海量數據:用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖,而相 ...
2025-05-19在當今數字化營銷時代,小紅書作為國內領先的社交電商平臺,其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析, ...
2025-05-16Excel作為最常用的數據分析工具,有沒有什么工具可以幫助我們快速地使用excel表格,只要輕松幾步甚至輸入幾項指令就能搞定呢? ...
2025-05-15數據,如同無形的燃料,驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據,到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實,現在的大數據指的并不僅僅是海量數據,更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介: 萬木,CDA L1持證人,某電商中廠BI工程師 ,5年數據經驗1年BI內訓師,高級數據分析師,擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介: 王明月 ,CDA 數據分析師二級持證人,2年數據產品工作經驗,管理學博士在讀。 學習入口:https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介: 楊貞璽 ,CDA一級持證人,鄭州大學情報學碩士研究生,某上市公司數據分析師。 學習入口:https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴,都接到過一些高階的數據分析需求,實現的過程需要用到一些數據獲取,數據清洗轉換,建模方法等,這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介: 邱立峰 CDA 數據分析師二級持證人,數字化轉型專家,數據治理專家,高級數據分析師,擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介: 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析(One-Way ANOVA)是一種關鍵的統計方法,用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25在當今數字化時代,數據分析師的重要性與日俱增。但許多人在踏上這條職業道路時,往往充滿疑惑: 如何成為一名數據分析師?成為 ...
2025-04-24以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《劉靜:10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda ...
2025-04-23