五、营运之道无定法：数据分析的核心方法

题解　在实践过程中，数据分析师们总结出了许多具体的数据分析方法，了解这些方法的精髓，可将它们灵活应用于运营流程的各个阶段。

咖哥的下一个面试问题有关数据分析的方法：“小雪，你都用过或者听说过哪些具体的数据分析方法？”

小雪回答：“很多，如用户画像、A/B测试、漏斗分析、RFM分析……”

“对极了，用户画像、A/B测试可是数据分析师、运营人员和产品经理都务必要掌握的，下面咱们先对这些分析方法中的精髓给出概述，以后再使用这些方法进行案例实战。”咖哥再次忘记了这是一场面试，又滔滔不绝地讲起来。

1 用户画像：多维拆解用户信息

用户画像的本质是用户信息的标签化，它把每一个用户都描述成各类数据的变量集合。这个变量集合被运营和数据分析师使用，他们将对其进行多维度的拆解。

用户画像可以有多个维度。它不仅包括基本的年龄、性别、地域、兴趣等用户信息，还包含用户的消费特征、行为方式等维度。

从多个维度了解用户之后，可以对用户进行精细化的分组，给产品开发、运营过程以精准的指导。

2 RFM分析：确定用户的核心价值

RFM（Recency、Frequency、Monetary ）分析其实是用户画像的“衍生品”。它通过用户最近一次消费、消费频率及消费金额3个指标将用户划分为不同的类别或集群，以描述用户的价值，如下图所示。

在RFM分析中，R表示最近一次消费，F表示消费频率，M表示消费金额

为什么要构建R、F、M这3个指标？因为用户的行为本身并不能直接用于数据分析，但是如果把用户的行为转化为像R、F和M这样的具体数值之后，我们就能对用户有更直观的认识，并将这些指标运用于数据分析、精准投放广告、制作产品推荐系统等多个运营场景。

3 波士顿矩阵：协助企业分配资源

波士顿矩阵（BCG Matrix）又称四象限分析法、产品结构管理法等，常用于协助企业分析其业务和产品序列的表现，从而更妥善地分配、开发和使用资源。

波士顿矩阵是一个2×2的矩阵，其横轴是市场占有率，纵轴是销售增长率，如下页图所示。

波士顿矩阵

数据分析人员要搜集业务资料，确定业务或产品的表现，并将其标在图中的适当位置，得到4种分布情况。

■ 问号（question mark）也称为野猫（wild cat），它是指销售增长率高但市场占有率低的业务。这类业务需要投入大量的资源，但尚未为公司带来可观的收入，其可能转化为明星业务，也可能坠入瘦狗区。因此，在向这类业务投放资源前应谨慎分析。

■ 瘦狗（dog）是指市场占有率低及销售增长率低的业务。这类业务通常只能维持收支平衡，但实际上降低了公司的资产回报率。这类业务应该被售出或停止。

■ 金牛（cash cow）是指市场占有率高及销售增长率低的业务。这类业务通常都为公司带来较高的现金收入，业务稳定但是沉闷。为这类业务增加投资并不会大量增加收入，所以公司只会维持这类业务基本的开支。

■ 明星（star）是指销售增长率和市场占有率都高的业务。这类业务需要投入较多的资源以维持其市场领导者的地位，是公司重点关注的对象。

波士顿矩阵为产品或服务强与弱的判断提供了一幅有用的“地图”，能确定每种产品或服务的价值。它提供了一个优秀的二维拆分思路，利用这个思路，不仅可以进行产品分析，还可以将其他数据维度或用户标签两两组合并进行数据可视化，从而找出有潜力的业务。

4 SWOT分析：扬长补短，实现目标

一个与波士顿矩阵非常类似的分析工具SWOT［Strengths（优势）、Weakness（弱点）、Opportunities（机遇）、Threats（挑战）］是以四象限的可视化方式评估公司经营状况或者产品所面临的挑战的。其中每个象限都代表一个能给我们带来启发的问题，如下图所示。

SWOT分析

其实无论是波士顿矩阵、SWOT分析，还是5W2H分析，它们都不只是数据分析工具，更是良好的通用思维工具，可以把它们应用于工作和生活中，从而帮我们解决实际问题。

5 5W2H分析：从多角度提问，发散思维

5W2H分析是一种从多角度提问的分析方法，包括下述问题。

■ WHAT——是什么？有什么目的？要解决什么问题？

■ WHY——为什么要做？可不可以不做？有没有代替方案？

■ WHO——由谁来做？

■ WHEN——什么时间做？什么时机做最适合？

■ WHERE——在哪里做？什么地方出了问题？

■ HOW ——如何实施？如何提高效率？

■ HOW MUCH——做到什么程度？成本如何？产出如何？

通过不断提问，逐步接近事实真相，看清全局，从而得到启发或找到答案。

6 KANO模型：对用户需求进行分类排序

KANO模型是狩野纪昭（Noriaki Kano）发明的对用户需求进行分类和优先级排序的实用工具。它是一个定性分析模型，以分析用户需求对用户满意度的影响为基础，对产品功能进行分级，从而确定产品实现过程中的优先级。

根据需求和用户满意度之间的关系，该模型把用户需求分为5类，分别是基本（必备）型需求、期望（意愿）型需求、兴奋（魅力）型需求、无差异需求、反向型需求（见下图）。

KANO模型

其中，基本型需求最为关键，例如在线教育网站中的网速够不够快，课程能不能访问，视频能不能看，这些就是基本的需求。若不满足这些需求，用户根本就不会使用你的产品。但是基本需求一旦满足之后，用户的满意度就会停滞，不再继续提高。

此时要继续关注期望型需求和兴奋型需求，例如在线教育网站的课程质量就是期望型需求，它远远比网站页面设计重要。而兴奋型需求满足得好也会大大提高用户的满意度，这也是拉开竞争差距的关键。仍以在线教育网站为例，如果课程质量好，课程的交互界面设计得也不错，课程目录结构清晰，学生的学习体验好，那这个产品就更吸引人了。

无差异需求指的是可有可无的因素，它不会大幅提高用户的满意度，在做产品设计时，加入这类元素只会白费力气。而反向型需求指的是可能给用户满意度带来负面影响的因素，在设计产品时，这类需求需要坚决避开。

7 漏斗分析：显示关键转化节点

漏斗分析反映用户（或潜在用户）在使用产品和服务的过程中，从起点到终点各阶段的转化率情况。这一分析方法简明易懂，在用户行为分析、App及网站流量监控、产品转化等日常数据运营与数据分析过程中的应用很广。

漏斗分析

从上图可以看出，漏斗分析中直截了当地显示出了关键节点和“啊哈”时刻。它帮助用户分析出产品转化过程中关键节点的转化率，以此判断整个流程的设计是否合理、各步骤的优劣和是否存在可优化的空间。漏斗分析不应该超过6步，一方面避免分析过程过于烦琐，另一方面更能凸显关键节点。

8 A/B测试：对比不同方案

A/B测试不难理解，它将两个不同的设计或者方案（即A和B）进行比较，用来研究某一变量所带来的差异。一般情况下，A和B两个方案中只有一个变量不同，而其他变量保持一致，然后再观察用户对A和B方案的反应差异，由此判断出A和B方案中哪一个更佳。

电商网站中的产品推广页面就很适合做A/B测试，因为一个按钮的位置、文字，推广文案，海报的颜色都能够对转化率产生影响；而转化率的微小提升可能大幅提升销售利润（见下图）。有时候虽然仅微调了按钮文字，却对转化率产生了明显的正面影响，对利润率的正面影响就更大了。这便是“四两拨千斤”。因此A/B测试不仅非常有趣，还非常有用。

A/B测试

A/B测试过程中会运用统计学上的假设检验，这就需要作为测试设计者的数据分析师对统计学原理也有所了解。