
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(shù)據(jù)分析的思路,提高解決問題的效率,從而獲得更加滿意的結(jié)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(wù)領(lǐng)域的目標,或者某個產(chǎn)品的目標,或者某個活動的目標,某個內(nèi)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(yīng)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(wù)目標的設(shè)定應(yīng)與業(yè)務(wù)負責(zé)人協(xié)商一致,明確業(yè)務(wù)的核心追求,如提升用戶數(shù)量、用戶停留時間、付費用戶數(shù)或用戶消費總額等。在設(shè)定業(yè)務(wù)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(shè)定在可實現(xiàn)的范圍內(nèi),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(wù)目標應(yīng)簡明易懂,確保業(yè)務(wù)團隊能夠清晰理解數(shù)據(jù)目標的意義。
可干預(yù)、可管理(Manageable): 業(yè)務(wù)目標應(yīng)配備相應(yīng)的策略或手段,以便團隊能夠通過具體行動來實現(xiàn)這些目標。
正向的、有益的(Beneficial): 業(yè)務(wù)目標應(yīng)具有積極意義,避免為了達成某一目標而對其他業(yè)務(wù)目標產(chǎn)生負面影響。
(2)策略(Strategy)
在明確業(yè)務(wù)目標的基礎(chǔ)上,需要制定相應(yīng)的業(yè)務(wù)策略來實現(xiàn)這些目標。例如,為了增加新用戶數(shù)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(guān)鍵。以提升產(chǎn)品新用戶數(shù)為例,評估結(jié)果的指標可以是新增用戶數(shù)。除了關(guān)注結(jié)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(zhuǎn)化率:衡量從廣告曝光到用戶下載的轉(zhuǎn)化效率。
下載安裝轉(zhuǎn)化率:衡量從用戶下載到實際安裝應(yīng)用的轉(zhuǎn)化效率。
下載激活率:衡量從安裝到用戶激活應(yīng)用的轉(zhuǎn)化效率。
OSM模型通過將業(yè)務(wù)目標與評估指標緊密相連,確保了每個設(shè)定的指標都有明確的目的,即評估特定業(yè)務(wù)策略的效果,以及這些策略如何服務(wù)于整體業(yè)務(wù)目標的實現(xiàn)。這種清晰的關(guān)聯(lián)性有助于企業(yè)更有效地監(jiān)控業(yè)務(wù)進展,優(yōu)化決策過程,并推動業(yè)務(wù)的持續(xù)改進和發(fā)展。
OSM模型是一個業(yè)務(wù)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(shù)據(jù)驅(qū)動氛圍很好,理應(yīng)這么工作。
2、反向使用: 項目前期沒有做啥籌備,事后復(fù)盤發(fā)現(xiàn)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(lián)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(chǎn)品或服務(wù)過程中與品牌、產(chǎn)品或服務(wù)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(shè)計更符合用戶需求的產(chǎn)品和服務(wù)。它通常用于用戶體驗設(shè)計(UX)、市場營銷、產(chǎn)品開發(fā)等領(lǐng)域。
UJM模型可以將業(yè)務(wù)策略拆解為若干個環(huán)節(jié),這些環(huán)節(jié)串聯(lián)起來就形成“業(yè)務(wù)流程”;同時設(shè)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(guān)鍵部分組成:
用戶角色:定義目標用戶群體,創(chuàng)建虛構(gòu)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(chǎn)品或服務(wù)交互的各個階段,包括用戶接觸的所有觸點(如網(wǎng)站、移動應(yīng)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?nèi)绾闻c產(chǎn)品或服務(wù)互動。
情感反應(yīng):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(chǎn)品或服務(wù)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(yīng)用程序內(nèi)行動軌跡的視覺表示。以電子商務(wù)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(shè)計相應(yīng)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(zhuǎn)化率:
從打開APP到瀏覽商品的轉(zhuǎn)化率;
從瀏覽商品到查看商品詳情的轉(zhuǎn)化率;
從查看商品詳情到加入購物車的轉(zhuǎn)化率。 通過這些關(guān)鍵環(huán)節(jié)的轉(zhuǎn)化率,我們能夠全面評估策略的效果,確保數(shù)據(jù)指標設(shè)計既完整又科學(xué)。
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(wù)成效。
UE模型即Unit Economics,是指單體經(jīng)濟模型,是衡量一個單位產(chǎn)品或服務(wù)的收入和成本關(guān)系的工具。
單體是整體團隊和業(yè)務(wù)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(wù)全貌。
單位經(jīng)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(wù)模型。
抽象來說,單位經(jīng)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(wǎng)約車業(yè)務(wù)來說,每輛車(單位)全生命周期的收入(財務(wù)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(wù)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(chǎn)品固定周期內(nèi)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(wù)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(shè)備。例如,對于生產(chǎn)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(yù)測。
收入預(yù)測:可以通過市場調(diào)研、歷史銷售數(shù)據(jù)等方法預(yù)測。
成本預(yù)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(diào)整銷售策略、降低成本或增加產(chǎn)品附加值。
RFM模型是衡量用戶價值和用戶創(chuàng)利能力的經(jīng)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(xiàn)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(nèi)購買商品的次數(shù),經(jīng)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(nèi)消費的總金額,體現(xiàn)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(gòu)建出了一個三維的坐標系。RFM模型是根據(jù)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(jù)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(shù)據(jù),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(shù)據(jù)收集: 收集客戶的購買數(shù)據(jù),包括每個客戶的購買日期、購買次數(shù)和購買金額。
2.數(shù)據(jù)處理: 將數(shù)據(jù)進行歸一化處理,使不同指標的數(shù)據(jù)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(shù)。
Frequency(F): 客戶在一定時間段內(nèi)的購買次數(shù)。
Monetary(M): 客戶在一定時間段內(nèi)的購買金額。
4.分數(shù)計算: 將每個指標的值轉(zhuǎn)換為分數(shù),通常分數(shù)范圍為1到5,分數(shù)越高表示客戶價值越高。
5.客戶分群: 根據(jù)客戶的RFM分數(shù),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(jù)不同客戶群體的特點,制定相應(yīng)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(yīng)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(yīng)了產(chǎn)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(chǎn)品。
?Activation【激活】
用戶在你的產(chǎn)品上完成了一個核心任務(wù)(并有良好體驗)。
?Retention【存留】
用戶回來繼續(xù)不斷的使用你的產(chǎn)品。
?Revenue 【收益】
用戶在你的產(chǎn)品上發(fā)生了可使你收益的行為。
?Referral 【推薦】
用戶通過你的產(chǎn)品,推薦引導(dǎo)他人來使用你的產(chǎn)品。
「海盜模型」有兩個核心:一是以用戶為中心,二是注重產(chǎn)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(jīng)營成本之和,就意味著產(chǎn)品能夠?qū)崿F(xiàn)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(guān)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(xiàn)用戶增長。
隨著企業(yè)對數(shù)據(jù)的依賴程度加深,掌握數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)已深入滲透至各行各業(yè)的每一個角落,成為推動生產(chǎn)力發(fā)展的重要因素。對海量數(shù)據(jù)的挖掘和應(yīng)用,預(yù)示著新一輪生產(chǎn)率的提升和消費者盈余的涌現(xiàn)。這正是我們所處的“大數(shù)據(jù)時代”的典型特征。 從低薪到高薪的蛻變,本質(zhì)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(shù)據(jù)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(shù)據(jù)分析師持證人優(yōu)先。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10