五、營運之道無定法：數據分析的核心方法

題解　在實踐過程中，數據分析師們總結出了許多具體的數據分析方法，了解這些方法的精髓，可將它們靈活應用于運營流程的各個階段。

咖哥的下一個面試問題有關數據分析的方法：“小雪，你都用過或者聽說過哪些具體的數據分析方法？”

小雪回答：“很多，如用戶畫像、A/B測試、漏斗分析、RFM分析……”

“對極了，用戶畫像、A/B測試可是數據分析師、運營人員和產品經理都務必要掌握的，下面咱們先對這些分析方法中的精髓給出概述，以后再使用這些方法進行案例實戰。”咖哥再次忘記了這是一場面試，又滔滔不絕地講起來。

1 用戶畫像：多維拆解用戶信息

用戶畫像的本質是用戶信息的標簽化，它把每一個用戶都描述成各類數據的變量集合。這個變量集合被運營和數據分析師使用，他們將對其進行多維度的拆解。

用戶畫像可以有多個維度。它不僅包括基本的年齡、性別、地域、興趣等用戶信息，還包含用戶的消費特征、行為方式等維度。

從多個維度了解用戶之后，可以對用戶進行精細化的分組，給產品開發、運營過程以精準的指導。

2 RFM分析：確定用戶的核心價值

RFM（Recency、Frequency、Monetary ）分析其實是用戶畫像的“衍生品”。它通過用戶最近一次消費、消費頻率及消費金額3個指標將用戶劃分為不同的類別或集群，以描述用戶的價值，如下圖所示。

在RFM分析中，R表示最近一次消費，F表示消費頻率，M表示消費金額

為什么要構建R、F、M這3個指標？因為用戶的行為本身并不能直接用于數據分析，但是如果把用戶的行為轉化為像R、F和M這樣的具體數值之后，我們就能對用戶有更直觀的認識，并將這些指標運用于數據分析、精準投放廣告、制作產品推薦系統等多個運營場景。

3 波士頓矩陣：協助企業分配資源

波士頓矩陣（BCG Matrix）又稱四象限分析法、產品結構管理法等，常用于協助企業分析其業務和產品序列的表現，從而更妥善地分配、開發和使用資源。

波士頓矩陣是一個2×2的矩陣，其橫軸是市場占有率，縱軸是銷售增長率，如下頁圖所示。

波士頓矩陣

數據分析人員要搜集業務資料，確定業務或產品的表現，并將其標在圖中的適當位置，得到4種分布情況。

■ 問號（question mark）也稱為野貓（wild cat），它是指銷售增長率高但市場占有率低的業務。這類業務需要投入大量的資源，但尚未為公司帶來可觀的收入，其可能轉化為明星業務，也可能墜入瘦狗區。因此，在向這類業務投放資源前應謹慎分析。

■ 瘦狗（dog）是指市場占有率低及銷售增長率低的業務。這類業務通常只能維持收支平衡，但實際上降低了公司的資產回報率。這類業務應該被售出或停止。

■ 金牛（cash cow）是指市場占有率高及銷售增長率低的業務。這類業務通常都為公司帶來較高的現金收入，業務穩定但是沉悶。為這類業務增加投資并不會大量增加收入，所以公司只會維持這類業務基本的開支。

■ 明星（star）是指銷售增長率和市場占有率都高的業務。這類業務需要投入較多的資源以維持其市場領導者的地位，是公司重點關注的對象。

波士頓矩陣為產品或服務強與弱的判斷提供了一幅有用的“地圖”，能確定每種產品或服務的價值。它提供了一個優秀的二維拆分思路，利用這個思路，不僅可以進行產品分析，還可以將其他數據維度或用戶標簽兩兩組合并進行數據可視化，從而找出有潛力的業務。

4 SWOT分析：揚長補短，實現目標

一個與波士頓矩陣非常類似的分析工具SWOT［Strengths（優勢）、Weakness（弱點）、Opportunities（機遇）、Threats（挑戰）］是以四象限的可視化方式評估公司經營狀況或者產品所面臨的挑戰的。其中每個象限都代表一個能給我們帶來啟發的問題，如下圖所示。

SWOT分析

其實無論是波士頓矩陣、SWOT分析，還是5W2H分析，它們都不只是數據分析工具，更是良好的通用思維工具，可以把它們應用于工作和生活中，從而幫我們解決實際問題。

5 5W2H分析：從多角度提問，發散思維

5W2H分析是一種從多角度提問的分析方法，包括下述問題。

■ WHAT——是什么？有什么目的？要解決什么問題？

■ WHY——為什么要做？可不可以不做？有沒有代替方案？

■ WHO——由誰來做？

■ WHEN——什么時間做？什么時機做最適合？

■ WHERE——在哪里做？什么地方出了問題？

■ HOW ——如何實施？如何提高效率？

■ HOW MUCH——做到什么程度？成本如何？產出如何？

通過不斷提問，逐步接近事實真相，看清全局，從而得到啟發或找到答案。

6 KANO模型：對用戶需求進行分類排序

KANO模型是狩野紀昭（Noriaki Kano）發明的對用戶需求進行分類和優先級排序的實用工具。它是一個定性分析模型，以分析用戶需求對用戶滿意度的影響為基礎，對產品功能進行分級，從而確定產品實現過程中的優先級。

根據需求和用戶滿意度之間的關系，該模型把用戶需求分為5類，分別是基本（必備）型需求、期望（意愿）型需求、興奮（魅力）型需求、無差異需求、反向型需求（見下圖）。

KANO模型

其中，基本型需求最為關鍵，例如在線教育網站中的網速夠不夠快，課程能不能訪問，視頻能不能看，這些就是基本的需求。若不滿足這些需求，用戶根本就不會使用你的產品。但是基本需求一旦滿足之后，用戶的滿意度就會停滯，不再繼續提高。

此時要繼續關注期望型需求和興奮型需求，例如在線教育網站的課程質量就是期望型需求，它遠遠比網站頁面設計重要。而興奮型需求滿足得好也會大大提高用戶的滿意度，這也是拉開競爭差距的關鍵。仍以在線教育網站為例，如果課程質量好，課程的交互界面設計得也不錯，課程目錄結構清晰，學生的學習體驗好，那這個產品就更吸引人了。

無差異需求指的是可有可無的因素，它不會大幅提高用戶的滿意度，在做產品設計時，加入這類元素只會白費力氣。而反向型需求指的是可能給用戶滿意度帶來負面影響的因素，在設計產品時，這類需求需要堅決避開。

7 漏斗分析：顯示關鍵轉化節點

漏斗分析反映用戶（或潛在用戶）在使用產品和服務的過程中，從起點到終點各階段的轉化率情況。這一分析方法簡明易懂，在用戶行為分析、App及網站流量監控、產品轉化等日常數據運營與數據分析過程中的應用很廣。

漏斗分析

從上圖可以看出，漏斗分析中直截了當地顯示出了關鍵節點和“啊哈”時刻。它幫助用戶分析出產品轉化過程中關鍵節點的轉化率，以此判斷整個流程的設計是否合理、各步驟的優劣和是否存在可優化的空間。漏斗分析不應該超過6步，一方面避免分析過程過于煩瑣，另一方面更能凸顯關鍵節點。

8 A/B測試：對比不同方案

A/B測試不難理解，它將兩個不同的設計或者方案（即A和B）進行比較，用來研究某一變量所帶來的差異。一般情況下，A和B兩個方案中只有一個變量不同，而其他變量保持一致，然后再觀察用戶對A和B方案的反應差異，由此判斷出A和B方案中哪一個更佳。

電商網站中的產品推廣頁面就很適合做A/B測試，因為一個按鈕的位置、文字，推廣文案，海報的顏色都能夠對轉化率產生影響；而轉化率的微小提升可能大幅提升銷售利潤（見下圖）。有時候雖然僅微調了按鈕文字，卻對轉化率產生了明顯的正面影響，對利潤率的正面影響就更大了。這便是“四兩撥千斤”。因此A/B測試不僅非常有趣，還非常有用。

A/B測試

A/B測試過程中會運用統計學上的假設檢驗，這就需要作為測試設計者的數據分析師對統計學原理也有所了解。