技術理論
人工智能,機器學習,深度學習
數據挖掘和數據分析
相互的關係和區別
機器學習
機器學習是一門技術,工具
常見的方法
特徵工程
高級數據預處理
特徵構建
特徵選擇
特徵轉換
特徵學習
算法和應用
KNN-最近鄰分類算法
決策樹
數據分析
更偏重業務,統計分析方法
數據分析概述
2-1數據分析分類
2-2數據分析目的及意義
2-3數據分析方法與流程
2-4數據分析角色與職責
2-5數據分析師職業道德與行爲準則
數據分析理論基礎
數學與統計學基礎
3-1線性代數
3-2微積分
3-3描述性統計
描述性統計分析
5-1統計學概述
5-2描述性統計圖表
5-3集中趨勢的描述
5-4離散程度的描述
5-5分佈形態的描述
5-6相關分析
3-4參數估計
3-5假設檢驗
3-6相關分析
3-7卡方分析
3-8一元線性迴歸理論推導
3-9多元線性迴歸理論推導
統計分析基礎
4-1統計學概述
4-2數據的概括性度量
4-3統計分佈
4-4參數估計
4-5假設檢驗
4-6相關分析
推斷性統計
6-1參數估計
6-2假設檢驗
6-3AB test
6-4使用帶檢驗的AB test分析運營方案
數據思維
用戶 產品 運營
人 產品 運營
結構化、公式化、業務化
思維技巧
第一種:對比法
對比主要分爲以下幾種:
橫向對比:同一層級不同對象比較,如江蘇不同市茅臺銷售情況。
縱向對比:同一對象不同層級比較,如江蘇南京2021年各月份茅臺銷售情況。
目標對比:常見於目標管理,如完成率等。
時間對比:如同比、環比、月銷售情況等,很多地方都會用到時間對比
第二種:象限法
象限法是運用座標的方式,人工對數據進行劃分,從而傳遞數據價值,將之轉變爲策略。象限法應用很廣泛,像RFM模型、波士頓矩陣都是象限法思維。
下面這個RFM模型就是利用象限法,將用戶分爲8個不同的層級,從而對不同用戶制定不同的營銷策略。
第三種:漏斗法
漏斗思維本質上是一種流程思路,在確定好關鍵節點之後,計算節點之間的轉化率。這個思路同樣適用於很多地方,像電商的用戶購買路徑分析、app的註冊轉化率等等。
著名的海盜模型AARRR模型就是以漏斗模型作爲基礎的,從獲客、激活、留存、變現、自傳播五個關鍵節點,分析不同節點之間的轉化率,找到能夠提升的環節,採取措施。
第四種:二八法
“世界上80%的財富掌握在20%的富人手裏”,這句話你一定聽過。這就是二八法則,也叫帕累托法則。這個方法的思維就是抓重點,圍繞找到的20%有效數據,找到其特徵,使之產生更大的效果。
比如一個商超進行產品分析的時候,就可以對每個商品的利潤進行排序,找到前20%的產品,那這些產品就是能夠帶來較多價值的商品,可以再通過組合銷售、降價銷售等手段,進一步激發其帶來的收益回報。
第五種:指數法
指數思維是一種目標驅動型思維,通過將無法利用的數據加工成指數,達到聚焦的目的,從而找到方向。但指數法沒有統一的標準,比較多依靠經驗,一旦設立的話不會經常變動。如果數據沒有規律的時候,可以試試這個方法。
第六種:假設法
假設法一般用在進入新領域的時候,沒有歷史數據參考,沒有外部線索,這個時候就需要假設。通過假設的數據進行反推,再去制定計劃,整個過程是先假設,後驗證,再分析結果。
比如在對新產品進行定價的時候,就是根據成本去假設一個售價,由銷售情況去驗證,再決定是否需要上調或者下調價格,以達到最大利潤。
第七種:多維法
多維法主要是通過對數據的切割,分成多個維度,通過立方體的形式進行數據展示。在對數據進行交叉分析的時候,可能會出現辛普森悖論,與之而來的應對方法有鑽取、上卷、切片、切塊、旋轉等。
多維法的使用場景也很廣,比如一個app的用戶分析,可以從註冊數、用戶偏好、用戶興趣和用戶流失等角度進行分析。
業務分析的方法和模型
就是思維的應用
業務分析方法應用 - 杜邦分析法、帕累託分析 法、四象限分析法
杜邦分析法
轉換漏斗
象限分析
用戶分層
業務模型應用 - 價值模型、帕累託模型、漏斗 模型、RFM模型
- PEST分析模型
政治環境:政治體制、經濟體制、財政政策、稅收政策、產業政策、投資政策等。
社會環境:人口規模、性別比例、年齡結構、生活力式、購買習慣、城市特點等。
技術環境:折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度等。
經濟環境:GDP 及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數、居民可支配收入、失業率、勞動生產率等。
2.W2H分析模型
-
邏輯樹分析模型
-
4P營銷理論模型
(1)產品
能提供給市場,被人們使用和消費並滿足人們某種需求的任何東西,包括有形產品、服務、人員、組織、觀念和它們的組合。
(2)價格
購買產品時的價格,包括基本價格、折扣價格、支付期限等。影響價格的主要因素有需求、成本和競爭。
(3)渠道
產品從生產企業流轉到用戶手上全過程所經歷的各個環節。
(4)促銷
企業通過銷售行爲的改變來激勵用戶消費,以短期的行爲促進消費的增長,吸引其他品牌用戶或導致提錢消費來促進銷售增長。 -
用戶行爲模型
留存分析 用戶分羣 用戶畫像 用戶喜茶
AARRR模型是做數據分析最基礎的模型之一了,所謂的AARRR就是指獲取、激活、留存、變現和傳播。
AARRR模型又叫海盜模型,這個模型把實現用戶增長拆分成了 5 個指標:獲客、激活、留存、收益、傳播。
6.PFM模型
R——最後交易距離當前天數(Recency)
F——累計交易次數(Frequency)
M——累計交易金額(Monetary)
RFM分析也就是通過這個三個指標對客戶進行觀察和分類,針對不同的特徵的客戶進行相應的營銷策略。 -
SWOT分析模型
SWOT分析法也叫態勢分析法,S是優勢、W是劣勢,O是機會、T是威脅或風險。 -
漏斗模型
轉化漏斗模型,主要是通過轉化率分析整個業務流程中的轉化和流失情況。通過轉化數據,對每個環節的流失用戶再進行精準營銷。舉個例子:一個手機公司同時在抖音和小紅書投放了廣告,通過轉化漏斗發現小紅書帶來的最終購買比較低,那麼此時就找到了解決問題的抓手,可以就提高小紅書渠道的轉化去做優化。
RFM 分析 | 留存分析 | 用戶粘性分析 |
---|---|---|
ABC分析 | 用戶畫像分析 | 需求分析方法-KANO模型 |
波士頓矩陣圖 | 月復購分析 | 庫存週轉分析 |
轉化分析 | AARRR 用戶運營分析 | 杜邦分析 |
購物籃分析-關聯規則 | 用戶流入流出分析 | 盈虧平衡分析 |
復購率分析 | 用戶生命週期狀態分析 | 同環比分析 |
案例分析:
客戶分析 - 電商客戶維度綜合分析案例(用戶 生命週期、用戶特徵、用戶行爲分析)
產品分析 - 電商產品維度綜合分析案例(商品 畫像、商品標籤、商品定位策略分析)
運營分析 - 互聯網運營業務綜合分析案例(運 營效果分析、電商漏斗模型分析應用)
行爲效果分析 - 電商運營活動效果評估分析案 例(A/B測試、行爲效果評估)
市場分析 - 汽車行業市場分析案例(市場分析 報告撰寫方法)
撰寫分析報告
這個是重點
背景
目的
思路
內容
結論
建議
指標體系
- 數據進行合理分類
維度 指標
量化,界定,口徑,範圍, - 指標體系
常見的場景
- 行業分析(競品)
- 下降和增加(波動)
- 活動效果評估(活動)
- 常規分析,日常監測
分析是很容易的,而且沒有標準答案。
可能很長,可能很短。思維能力呢
數據挖掘
偏重方法層面
預測, 分類
聚類 關聯規則
應用
最低層面:最原始算法、方法的搬運工。對場景進行建模,簡化,公式化,業務化,結構化。
中級層面:適當的結合場景創新
終極層面:理論改進