在進行數據分析時，我們通常需要用到各類常用的數據分析方法/模型。
一是為了讓自己的結論更有說服力，二是讓論證過程更具備邏輯性和條理性。
今天就給大家分享 18種最常用的數據分析方法/模型，並附上詳細步驟教程 ，希望對大家有幫助！
18種數據分析方法/模型如下：（樣版制作工具為FineBI，個人可免費使用）
| RFM 分析 | 留存分析 | 使用者黏性分析 |
| ABC分析 | 使用者畫像分析 | 需求分析方法-KANO模型 |
| 波士頓矩陣圖 | 月復購分析 | 庫存周轉分析 |
| 轉化分析 | AARRR 使用者營運分析 | 杜邦分析 |
| 購物籃分析-關聯規則 | 使用者流入流出分析 | 盈虧平衡分析 |
| 復購率分析 | 使用者生命周期狀態分析 | 同環比分析 |
1、RFM模型
RFM 用於對使用者進行分類，並判斷每類細分使用者的價值。
三個關鍵指標：
透過上述三個關鍵指標判斷客戶價值並對客戶進行觀察和分類，針對不同的特征的客戶進行相應的行銷策略，如下圖所示：
FineBI實作效果如下圖所示：
2、 帕累托分析
帕累托分析又叫 ABC 分析，分類的核心思想：少數計畫貢獻了大部份價值。以款式和銷售量為例：A 款式數量占總體 10% ，卻貢獻了 80% 的銷售額。
把產品或業務分為A、B、 C三類，用於分清業務的重點和非重點，反映出每類產品的價值對庫存、銷售、成本等總價值的影響，從而實作差異化策略和管理。
FineBI 實作效果如下圖所示：
3、 波士頓矩陣
波士頓矩陣透過銷售增長率（反映市場重力的指標）和市場占有率（反映企業實力的指標）來分析決定企業的產品結構。
波士頓矩陣將產品型別分為四種，如下圖所示：
FineBI 實作效果如下圖所示：
4、轉化分析
轉化漏鬥模型，是分析使用者使用某項業務時，經過一系列步驟轉化效果的方法。
轉化分析可以分析多種業務場景下轉化和流失的情況，不僅找出產品潛在問題的位置，還可以定位每個環節流失使用者，進而定向行銷促轉化。
FineBI 實作效果如下圖所示：
5、購物籃分析-關聯規則
大家應該都聽過這樣一個經典案例：超市裏經常會把嬰兒的尿不濕和啤酒放在一起售賣，原因是經過數據分析發現，買尿不濕的家長以父親居多，如果他們在買尿不濕的同時看到了啤酒，將有很大的機率購買，從而提高啤酒的銷售量。
這種透過研究使用者消費數據，將不同商品之間進行關聯，並挖掘二者之間聯系的分析方法，就叫做商品關聯分析法，即購物籃分析，透過「支持度」、「置信度」、「提升度」三個指標判斷商品見的關聯。
FineBI 實作效果如下圖所示：
6、復購率分析
復購率是指最近一段時間購買次數，用於說明使用者的忠誠度，反向則說明商品或服務的使用者黏性。
FineBI 實作效果如下圖所示：
7、留存分析
留存分析是一種用來分析使用者參與情況/活躍程度的分析模型，考檢視進行初始行為後的使用者中， 經過一段時間後仍然存在客戶行為（如登入、消費）。
計算公式：某一段時間內（時間段a）的新增使用者在若幹天後的另一段時間（時間段b）的留存數量 / （時間段a）的新增使用者總量
FineBI 實作效果如下圖所示：
8、使用者畫像分析
使用者畫像就是與該使用者相關聯的數據的視覺化的展現；一句話來總結就是：使用者資訊標簽化。
透過對使用者人口內容：使用者的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等和行為特征：活躍度、忠誠度等指標進行分析，從而幫助企業對使用者進行精準行銷、輔助業務決策。
FineBI實作效果如下圖所示：
9、月復購分析
復購率可以幫我們觀察使用者的忠誠度。提升復購率，可以提高使用者購買的頻次。業務的持續增長除了拉新獲客的持續輸入，存量使用者的復購尤為重要。
一個月內有100個使用者購買商品，其中有20人購買了2次以上，那麽月復購率就是20%。同理可以改變統計周期，計算季度復購率、年復購率等。
FineBI 實作效果如下圖所示：
10、AARRR使用者營運分析
AARRR 模型又叫海盜模型，是使用者營運過程中常用的一種模型，解釋了實作使用者增長的 5 個指標：獲客、啟用、留存、收益、傳播。從獲客到傳播推薦，整個 AARRR 模型形成了使用者全生命周期的閉環模式，不斷擴大使用者規模，實作持續增長。
每一個產品具體情況不同，但總體上都包括這 5 個方面的發展過程。所以可以對這 5 個發展過程逐個分析。
FineBI 實作效果如下圖所示：
11、使用者流入流出分析
小郭是一家百貨商場的負責人，他想對百貨中的各個品牌的競爭力進行分析，所以他考慮從使用者流入流出入手。幫助百貨了解各個品牌的競爭力的同時，也可以幫助各個品牌的負責人看到自己品牌流入流出的情況如何。
他對流入客戶和流出客戶的行為進行了分析，將流入原因分為「其他品牌流入、渠道流入、類別流入」，流出原因分為「品牌流出、渠道流出、類別流出」。精細劃分後，各個品牌的競爭力情況更加一目了然。
FineBI 實作效果如下圖所示：
12、使用者生命周期狀態分析
對使用者進行生命周期狀態分析，可以了解企業當前的市場競爭力，並對不同類別的客戶實施不同的行銷動作。
比如用兩個維度「最近一次登入距今的時間」和「第一次登入距今的時間」，可以將客戶簡單的分為四個類別：
FineBI 實作效果如下圖所示：
13、使用者黏性分析
使用者黏性是指使用者對於品牌或產品的忠誠、信任與良性體驗等結合起來形成的依賴程度和再消費期望程度，是了解產品健康度的重要指標。
比如，為了解團隊對產品「不斷改進」的過程中，對使用者黏性是否有提升作用，我們可以制作一張使用者黏性儀表板，用於觀察黏性情況。
FineBI 實作效果如下圖所示：
14、需求分析方法-KANO模型
KANO模型是對使用者需求分類和優先排序的有用工具，以分析使用者需求對使用者滿意的影響為基礎，體現了產品效能和使用者滿意之間的非線性關系。
比如，產品經理常常會遇到非常多的產品需求，但開發人員資源有限，怎麽才能撈出真正的使用者需求？給真正重要的需求高優先級？這時候就需要引進「KANO模型」，進行系統的需求梳理，對需求進行分析和提煉，提高效率。
FineBI 實作效果如下圖所示：
15、庫存周轉分析
庫存周轉率是企業在一定時期銷貨成本與平均存貨余額的比率，用於反映庫存周轉快慢程度。周轉率越高表明存貨周轉速度越快，從成本到商品銷售到資金回流的周期越短，銷售情況越好。
庫存周轉天數是企業從取得存貨開始，至消耗、銷售為止所經歷的天數。周轉天數越少，說明存貨變現速度越快，銷售狀況越良好。
FineBI 實作效果如下圖所示：
16、杜邦分析
杜邦分析法利用幾種主要的財務比率之間的關系來綜合地分析企業的財務狀況，用來評價公司盈利能力和股東權益報酬水平，從財務角度評價企業績效。
其基本思想是將企業凈資產收益率逐級分解為多項財務比率乘積，這樣有助於深入分析比較企業經營業績。
FineBI 實作效果如下圖所示：
17、盈虧平衡分析
盈虧平衡分析又稱保本點分析或本量利分析法，是根據產品的業務量、成本、利潤之間的相互制約關系的綜合分析，用來預測利潤，控制成本，判斷經營狀況的一種數學分析方法。比如，當我們可以透過盈虧平衡分析分析控制各項成本的投入，從而使店鋪經營利潤能達到一個新台階。
【總成本=固定成本+變動成本】【利潤=月銷售額-總成本】
FineBI 實作效果如下圖所示：
18、同環比分析
同比發展速度主要是為了消除季節變動的影響，用以說明本期發展水平與去年同期發展水平對比的相對發展速度。
環比表示連續2個統計周期（比如連續兩月）內的量的變化比。
計算公式：同比：（本期銷售額-去年同期銷售額）/去年同期銷售額環比：（本期銷售額-上個周期銷售額）/上個周期銷售額
FineBI 實作效果如下圖所示：
我是 @李啟方 ，歡迎溝通交流
