1.业务分析类
1.1杜邦分析法
主要同于财务领域，通过财务比率来分析财务状况，核心是将一个大的问题拆分为更小粒度的指标，以此了解问题出在了哪儿，从而对症下药。以此为例，GMV(网站成交金额)分析：
1.2同比热力图分析法
将各个业务线的同比数据放到一起进行比较，更直观的了解各个业务的情况。
三步走：
1.按照杜邦分析法对问题进行拆解：GMV = 流量转化率商品均价*人均购买量。
2.计算每个业务指标的同比数据；
3.针对同比高低设置颜色渐变条件格式。
纵向对比业务自身的同比趋势，横向对比了解自身在同类业务中的位置。此外，可综合分析GMV等各项核心指标变动的原因。
1.3类BCG矩阵
BCG矩阵：市场增长率——相对市场份额矩阵。
市场引力：包括整个市场的销售额增长率、竞争对手强弱及利润高低。
企业实力：包括市场占有率，技术、设备、资金利用能力。
市场增长率 = （本期总销售 - 上期总销售）/ 上期总销售
相对市场占有率 = 本公司某业务本期销售额 / 最强的竞争对手该业务本期销售额
①销售增长率和市场占有率“双高”的产品群（明星类产品）
②销售增长率和市场占有率“双低”的产品群（瘦狗类产品）
③销售增长率高、市场占有率低的产品群（问题类产品）
④销售增长率低、市场占有率高的产品群（金牛类产品）
类BDG矩阵：根据不同的业务场景和业务需求，可以将任意两个指标作为座标轴，从而把各类业务或者用户划分为不同的类型，例如品牌GMV增长率和占有率，来分析个品牌的状况。
分析商品引流能力和转化率：流量份额-转化率
分析商品对毛利/GMV的贡献：毛利率-销售额
基于RFM分析用户的价值：访问频率-消费金额
2.用户分析类
2.1 TGI指数
将目标用户分类，对比各类用户与总体之间的差异性，TGI指数，反应各类用户群体在特定研究范围（地理区域、人口统计、媒体偏好等）等内的强势或弱势。
TGI指数 = 用户分类中具有某一特征的群体所占比例 / 总体中具有相同特征的群里所占比例 * 100
比如：用户分类1中16~25岁的用户占比为4%，总体中16-25的用户占比是8.3%，那么用户分类1在16-25岁用户中的TGI指数为4%/8.3%*100=48。
上图中各类目标用户在16~25岁这个年龄段的占比都比总体小（TGI指数<100），其中分类1的用户年龄偏大。
所以在分析用户画像时，需要根据场景进行用户分类，并对比各类用户与总体间的差异，这样才能保证分析结果的可信性和实用性，而TGI指数就是很好的对比指标。
2.2LRFMC模型
2.2.1 RFM模型
RFM模型是客户关系管理中最常用的模型——衡量用户价值和用户创利能力的经典工具，依托于用户最近一次购买时间、消费频次及消费金额。
R：Recency 最近一次消费时间至今的时间长度，反映了用户当前的活跃状态。
F：Frequency 消费频率，统计周期内购买商品的次数，反映了用户的忠诚度。
M：Montary 消费金额 统计周期内消费的总金额，反映了用户的购买能力。
将每个维度分为高低两种情况，构建如下三维座标系：
默认前提：
- 最近有过交易行为的客户，二次发生交易的可能性要高于最近没有交易行为的客户；
- 交易频率较高的客户比交易频率较低的客户，更有可能发生二次交易；
- 过去所有交易总金额较多的客户，比交易总金额较少的客户，更有可能发生二次交易。
需要对最终的R值、F值、M值进行处理：评分方式和算法
评分方式：需要手动的根据业务进行调整，不够灵活，但是可以很好的额保证数据的可比性。
算法方式：根据数据特性将数据基于模型处理后量化用户价值，分为划分高低维度、量化用户价值两步。
1.划分高低维度，根据数据分部情况进行分部：中位数分布、四分位等。注意点：R值的大小和用户价值呈现反比，所以高于分位数的时候算低维度，低于分位数时算高维度。
2.量化用户价值，解决不均衡的问题“min-max归一化”——(x-min)/(max-min)，就可以收敛到0-1区间内，后根据需要进行扩大。
划分完用户后，就可以有针对性的对用户进行活动推广等。
2.2.2 LRFMC模型
L(lifetime)：用户第一次消费至今的时间长度，也反映了用户可能的活跃总时间。
C(CostRatio)：用户在统计周期内的折扣系数，但赢了用户对促销的偏好性。
L：用户来多久了？
R：用户最近是否有消费，如果来了很长时间都未消费，是否需要进行唤醒？
F：如果是固定周期购买，是否应该进行复购提醒？
M：用户消费习惯是单价高还是频次高？
C：用户对折扣的偏好如何，是为用户增加权益还是降价促销？
产品运营类
1.使用广度：总用户数，月活、日活；
2.使用深度：每人每天平均浏览次数，平均访问时长；
3.使用粘性：人均使用天数；
4.总和指标：月访问时长=月活X人均使用天数X每人每天平均浏览次数*平均访问时长
产品所处的阶段不同，运营的侧重点也会有所不同。产品初期，核心工作是拉新，更应该关注产品的使用广度，产品中后期，更应该注重使用深度和使用粘性的提升。
对于不同的产品也需要根据产品的性质来确定核心指标，对于社交类，广度和粘度；平台分析类，深度和粘性。
先有数据，再有分析，才有产品，分析的广度和深度直接决定了产品的定位和价值。
若是做数据报表类的产品，需要了解核心指标，建立综合指标的评估体系。
若是做分析决策类的产品，需要基于业务需求，将现有数据指标进行解构再重构。