数据分析主要模型及适用场景（一）

在数据分析的过程中，常常需要使用合适的数据分析模型证明自己的观点，一是可以使自己的分析更具逻辑性和条理性，二是使自己的结论更具备说服力。

可能一些小伙伴还不太清楚什么样的业务问题适合什么样的数据分析模型，常用的数据分析模型都有哪些？这里整理了一些数据分析中经常会用到的数据分析模型介绍给大家。

一 帕累托分析

帕累托分析（又叫二八定律），核心思想是少数产品贡献了大部分价值，用于分清业务的重点和非重点，反映出每类产品对销售额，库存和成本等总价值的影响，最终目的是实现差异化营销和管理。

分析思路一般是按照累积销售额占比将产品分成几类，下图展示了对不同品类商品的分类情况，其中A类商品占销售额的80%，B类10%，C类10%，A类产品可以作为业务运营的重点对象。

帕累托分析

二 RFM模型

RFM模型用于对用户分类，并根据分类情况判断细分用户价值，主要涉及三个维度。

最近一次消费时间（R）：客户距离最近的一次消费时间的间隔；

最近一段时间内消费频次（F）：客户在定义的时间周期内消费次数；

最近一段时间内消费金额（M）：客户在定义的时间周期内消费金额，

用这三个关键指标分析判断客户价值并制定针对性的营销策略，如下图所示：

RFM模型

三 波士顿矩阵

波士顿矩阵通过销售增长率（反应市场潜力指标）和市场占有率（反应企业实力指标）将产品分为四个象限，从而决定企业的产品结构，如下图所示：

波士顿矩阵

明星产品：高增长且高市占，发展前景好，竞争力强，需加大投资以支持其发展；

问题产品：高增长但低市占，发展前景好但市场开拓不足，需谨慎投资；

金牛产品：低增长但高市占，成熟市场的领导者，应降低投资，维持市占并延缓衰退；

瘦狗产品：低增长且低市占，理论率低甚至亏损，应采取撤退战略。

四 复购率分析

复购率是指最近一段时间购买次数，用于说明用户的忠诚度，反向则说明商品或服务的用户黏性。

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

下图为购买用户数和复购率时间趋势图 将复购率与用户总数叠加在一起可以看出用户黏性的健康度，最佳状态是复购率不随着用户数量的变化而变化，普遍保持着上升的趋势。因为随着公司的发展，为公司长期创造价值的用户一定是这些老用户。

复购率分析

以上简单列举了四类比较常用的数据分析方法模型，之后会再总结一些模型推送给大家。