
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(yè)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;
(1)目標(Object)
業(yè)務目標的設定應與業(yè)務負責人協(xié)商一致,明確業(yè)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(yè)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(yè)務目標應簡明易懂,確保業(yè)務團隊能夠清晰理解數據目標的意義。
可干預、可管理(Manageable): 業(yè)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(yè)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(yè)務目標產生負面影響。
(2)策略(Strategy)
在明確業(yè)務目標的基礎上,需要制定相應的業(yè)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。
(3)度量(Measure)
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(zhí)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(yè)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(yè)務策略的效果,以及這些策略如何服務于整體業(yè)務目標的實現。這種清晰的關聯性有助于企業(yè)更有效地監(jiān)控業(yè)務進展,優(yōu)化決策過程,并推動業(yè)務的持續(xù)改進和發(fā)展。
OSM模型是一個業(yè)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(yè)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(fā)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(fā)等領域。
UJM模型可以將業(yè)務策略拆解為若干個環(huán)節(jié),這些環(huán)節(jié)串聯起來就形成“業(yè)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(chuàng)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(huán)節(jié)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(jiān)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(huán)節(jié)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(yōu)化用戶體驗的每個階段,從而提升整體的用戶滿意度和業(yè)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(yè)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(yè)務全貌。
單位經濟模型是指一個商業(yè)體中,以能完成商業(yè)閉環(huán)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(yè)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:
(1)定義最小單元
首先,我們需要確定業(yè)務的最小單元。在醫(yī)療器械行業(yè),最小單元可能是一臺特定的醫(yī)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。
(2)計算最小單元的貢獻利潤
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。
收入預測:可以通過市場調研、歷史銷售數據等方法預測。
成本預測:包括直接成本(如材料費、人工費)和間接成本(如管理費、市場推廣費)。
(3)計算盈虧平衡點
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(jiān)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。
RFM模型是衡量用戶價值和用戶創(chuàng)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(tǒng)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(tǒng)計周期內消費的總金額,體現了消費者為企業(yè)創(chuàng)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(xù)不斷的使用你的產品。
?Revenue 【收益】
用戶在你的產品上發(fā)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(yè)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(yè)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(yè),在資源有限的情況下幫助實現用戶增長。
隨著企業(yè)對數據的依賴程度加深,掌握數據分析技能成為了許多求職者的目標。獲得CDA(Certified Data Analyst)認證,不僅能夠提升個人的職業(yè)技能,還能在競爭激烈的就業(yè)市場中脫穎而出,掃碼CDA認證小程序,測試自己的數據分析能力,獲取更多資料。
全球知名咨詢公司麥肯錫曾指出,數據已深入滲透至各行各業(yè)的每一個角落,成為推動生產力發(fā)展的重要因素。對海量數據的挖掘和應用,預示著新一輪生產率的提升和消費者盈余的涌現。這正是我們所處的“大數據時代”的典型特征。 從低薪到高薪的蛻變,本質是能力、認知、思維、技能等多維度的升華和改變。近來就業(yè)市場比較艱難,CDA數據分析師認證對于求職很有幫助。在刷招聘軟件的時候可以看到,很多企業(yè)在招聘時會注明CDA數據分析師持證人優(yōu)先。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-11數據透視表中兩列相乘合計的實用指南? 在數據分析的日常工作中,數據透視表憑借其強大的數據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數據分析師:連接數據與業(yè)務的價值轉化者? ? 在大數據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數據查詢到趨勢預判? ? 在數據驅動決策的時代,預測分析作為挖掘數據潛在價值的核心手段,正被廣泛 ...
2025-07-10數據查詢結束后:分析師的收尾工作與價值深化? ? 在數據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數 ...
2025-07-10CDA 數據分析師考試:從報考到取證的全攻略? 在數字經濟蓬勃發(fā)展的今天,數據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數據背后的時間軌跡? 在數據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數據類型:時間維度的精準切片? ? 在數據的世界里,時間是最不可或缺的維度之一,而year_month數據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數據分析師認證考試中,Python 作為數據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數據趨勢與突變分析的有力工具? ? ? 在數據分析的廣袤領域中,準確捕捉數據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數據分析師認證作為國內權威的數據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數 ...
2025-07-07CDA數據分析師證書考試全攻略? 在數字化浪潮席卷全球的當下,數據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數據分析師也因此成為 ...
2025-07-07剖析 CDA 數據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數據分析師考試作為衡量數據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數據處理的關鍵技能? 在數據處理與分析工作中,數據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數據分析師視角:從數據迷霧中探尋商業(yè)真相? 在數字化浪潮席卷全球的今天,數據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數據分析師:開啟數據職業(yè)發(fā)展新征程? ? 在數據成為核心生產要素的今天,數據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03