常见业务分析模型

一、从宏观到微观

  对于数据分析来说，业务分析模型指的就是在分析业务问题并解决业务问题的过程中采用的一系列方法和手段，经过整理、提炼之后形成的方法论。

1.1 从战略层次全局看待业务、理解业务

  从战略层次全局看待业务通过了解以及分析，我们看到的是整个行业全景：行业的整体规模、年度产销增长率、目标客户、应用场景、行业过去到现在的发展历程如何、产业链分工上有哪些角色、各自的价值贡献是什么、经历的重大发展节点有哪些、在每一个产业链角色中，参与企业数量有多少、主要典型和标杆企业有哪些、他们优劣势和关键成功因素是什么，企业间竞争核心是技术还是营销或服务，行业的技术研发能力如何，与国外相比差异如何?未来会如何影响、是否影响到行业内企业的进出门槛、利润率、甚至研发生产、后续营销等等。对行业有了具象、画面感式的了解，对“业务理解”有着全局整体的认识，知晓公司战略层面的目标，掌握各条业务线的布局及相互支撑、影响。

1.1.1 通过熟悉行业基础信息，了解行业整体概况

  根据行业生命周期理论，可以把所有行业生命周期分为四个阶段：初创期、成长期、成熟期、衰退期。

  通过对行业的定义、提供的产品与服务是什么、行业市场规模/增速、行业的历史发展的了解，我们可以形成初步的认识。掌握这些基本信息，有利于从宏观整体对行业有一个大概面的认识，以及行业所处的生命周期，这些为后续深入的分析奠定基础。

1.1.2 通过PEST分析，了解外部经营环境

  “PEST分析”，是指一切影响行业和企业的宏观因素。主要针对宏观环境的分析。对于宏观环境，不同行业和企业根据自身特点和经营需要，分析的具体内容会有差异，但一般都会对政治(Political)、经济(Economic)、**社会(Social)和技术(Technological)**这四大类影响企业的主要外部环境因素进行分析。

• 政治：一个国家的社会制度，执政党的性质，政府的方针、政策、法令等。不同的国家有着不同的社会性质，不同的社会制度对组织活动有着不同的限制和要求;引导各行各业顺应政策发展，促进其生产和销售等变革转型，从而进一步优化资源配置，推动产能，实现大发展。
• 经济：经济环境主要可以分为宏观经济环境和微观经济环境两个方面。
• 社会：社会文化环境包括国家或地区的居民教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观念等。文化水平会影响用户需求发生变化；宗教信仰和风俗习惯会禁止或抵制某些活动的进行；价值观念会影响居民对组织目标、组织活动以及组织存在本身的认可与否；审美观点会影响人们对组织活动内容、活动方式以及活动成果的态度。
• 技术：技术环境主要考察与企业所处领域的活动直接相关的技术手段的发展变化，包括与市场有关的新技术、新工艺、新材料的出现和发展趋势以及应用背景等；先进的技术改变着世界和人类的生活方式，采用先进技术的企业拥有强大的竞争力。

  通过PEST分析，从整体宏观角度对行业所处的政治、经济、文化、科技等环境因素是如何影响行业；未来会如何影响、是否影响到行业内企业的进出门槛、利润率、甚至研发生产、后续营销等等。

1.1.3 通过“五力竞争模型”，了解内部市场环境

  “波特五力模型”把行业竞争中众多复杂的因素简化成了5个核心因素帮助分析企业的竞争态势，了解内部市场环境；这五种因素分别是：同行业内现有竞争者的竞争能力、供应商的议价能力、购买者的讨价还价能力、潜在竞争者进入的能力、替代品的替代能力。
  可以通过“五力竞争模型”，了解内部市场环境，行业供应链是什么样的，行业竞争情况如何(资源集中度、准入门槛)

1.1.4 通过标杆企业，了解销售渠道、供应链等问题

  标杆企业通常是行业内的领先者，其成功的经验和模式可以为其他企业提供参考。

• 渠道类型：标杆企业采用了哪些销售渠道？例如，线上渠道（电商平台、自建官网、社交媒体等）和线下渠道（实体店、经销商、代理商等）。
• 渠道覆盖：标杆企业的销售渠道覆盖了哪些区域？是全国性覆盖还是区域性覆盖？是否有国际市场的拓展？
• 渠道效率：标杆企业的销售渠道效率如何？例如，渠道的转化率、客户获取成本、渠道的响应速度等。
• 渠道管理：标杆企业如何管理其销售渠道？是否有严格的渠道管理制度、激励机制、培训体系等？
• 新兴渠道：标杆企业是否采用了新兴的销售渠道，如直播带货、社交电商等？这些新兴渠道的效果如何？
• 供应链结构：标杆企业的供应链结构是怎样的？是自建供应链还是依赖第三方供应商？供应链的层级和复杂度如何？
• 供应链效率：标杆企业的供应链效率如何？例如，供应链的响应速度、库存周转率、物流成本等。
• 供应链稳定性：标杆企业如何确保供应链的稳定性？是否有备用供应商、供应链风险管理机制等？
• 供应链创新：标杆企业是否在供应链上进行了创新？例如，采用数字化供应链管理、区块链技术、智能物流等。
• 供应链合作：标杆企业与供应商的合作关系如何？是否有长期合作协议、共同开发新产品等深度合作？

1.1.5 通过企业竞品，了解目标用户、应用场景等问题

  竞品分析就是网罗市场上相关竞品，选取部分或者的观察角度，通过收集竞品信息进行对比，得出各竞品的相关数据。

• 市场环境：当前市场行业中，该类产品的一个生成状况是如何，蓝海/红海/平稳?
• 用户画像：用户社会属性，用户行为习惯、用户消费习惯等。
• 产品痛点：也可以理解为用户痛点，用户为什么要使用这个产品，这个产品的不可替代点在哪?
• 使用场景：该产品是在一个什么样的条件下触发使用的?

  通过竞品数据，来对比自身产品，分析出或各自的优势与不足，并提出相关的改进建议。

1.2 从产品生命周期看待业务、理解业务

  万事万物都有生老病死的生命周期，即使是恒星、星系那样宇宙中的大存在，也是有诞生有死亡这样的生命过程。所以产品也是有生命周期的。产品的生命周期描述的就是产品的生老病死，产品四个阶段的生命周期划分：引入期、成长期、成熟期、衰退期。
  根据产品生命周期，可以判断出产品业务线所处的阶段，而在产品业务线不同的生命周期阶段，其数据分析侧重的关注点不相同。

• 引入期阶段：侧重监控用户行为数据等，优化产品迭代。
• 成长期阶段：侧重监控用户新增、用户活跃、用户留存、渠道数据等，筛选优质渠道，扩大客户基数，提高用户活跃及留存，提高各个关键环节转化率。
• 成熟期阶段：侧重监控会员，成单数据等，提升盈利点。
• 衰退期阶段：侧重监控内容、市场品牌数据等，品牌驱动，设计出有效的营销策略，找出第二增长曲线或者二次创新。

1.3 从数据指标看待业务、理解业务

  公司就像是一台复杂精密的机器，每一块零部件各司其职，每一块都完成各自的指标，才能实现公司最终业绩目标的达成，所以搞清楚了指标，基本上也能够梳理清楚当前的业务。

• 不同岗位的业务指标制定背后的考虑是什么?
• 各业务指标的差异和内在联系又是如何?
• 该如何从指标中找准方向，贡献自己的聪明才智?

  《精益数据分析》这本书中有个观点：

• 好的数据指标，它是有比较性的，能比较不同时间、群体、竟品之间差异，可以洞察产品的走势；
• 它是简单易懂的，容易记住、理解，才能时刻采取行动；
• 它是比率，即具备了比较性，又兼顾了各种影响因素之间的相生相克；
• 它还是能够改变行动的，看到数据变化，可以及时采取行动。

1.4 所有分析的基础：数据

  数据类型可分为：用户数据、行为数据、态度数据、产品数据。

• 用户数据：是指用户本身的属性和基本情况，比如：性别、年龄、身份、职业、地区等，了解用户数据便于我们在后续的分析阶段更好的对用户进行细分和拆解。
• 行为数据：是用户与产品交互过程中产生的数据，即记录用户做过什么的数据，常通过产品埋点等方式记录收集，比如：用户点击设计入口的次数、在某个页面的停留时间、查看过的页面类型/数量、使用过哪些工具类型等，行为数据主要包括用户做了哪些行为、发生行为的时间等。
• 态度数据：是用户对于某个事情或者观点的态度，通常是通过我们在研究中设置好的问题来获取，比如常见的：用户的满意度、NPS(净推荐值，即口碑)、某个问题对用户的影响程度等。
• 产品数据：是产品本身属性或者具备的数据，例如：产品名称、产品价格、产品种类、功能个数、产品评论、产品销量、产品满意度等。

  不同的数据类型可能来源于不同的获取渠道，有些来自公司内部数据库，有些是通过自己主动投放获取，在实际进行业务问题分析时，要有充分调用不同渠道、不同数据类型的意识，不仅关注同一类型数据的表现，还可以分析不同数据类型之间的关联，从而对业务问题背后的原因进行更深层次的洞察。

二、数据指标相关分析方法

2.1 对比分析法

  对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小、水平高低、速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。
注意：绝对数据意义不大，要看相对数据

某产品的用户满意度达到了30%，这个结果是好还是不好?
单一的数值并不能说明什么问题，因为并不能判断这个30%的满意度到底是高还是低?是升了还是降了?只有通过对比分析，才能让数据变得有意义。

（1）如何使用对比分析法

• 比什么
  绝对值：本身具备价值的数字。（如：销售额(代表的是真金白银，本身就具备价值)、阅读数(XX写了一篇10W+的文章)等）
  比例值：在具体环境中看比例才具备对比价值(单独看分子或分母价值都不大)。（如：活跃占比、注册转化率、…）

• 和谁比
  和自己比（和不同时期的自己比、和同类比、和目标比）
  和行业比和行业的平均水平对比，或者和行业的标杆对比，都涨，是否比同行涨的快？都跌，是否比同行跌的慢？

• 怎么比
  数据整体的大小（平均值、中位数）、数据整体的波动（变异系数）、趋势变化（折线图、环比和同比）

2.2 多维度拆解法

  在数据分析中，多维度拆解法指的就是通过不同的维度(角度)去观察同一组数据，从而洞察数据波动背后的原因。维度：看问题的角度。拆解：其实就是做加法：A=维度1+维度2+维度3+…(如：把用户拆解成：用户=老用户(维度1)+新用户(维度2)，从而可以看到老用户和新用户分别的数据表现是什么）
（1）从哪些维度进行拆解
  从指标构成来拆解：分析单一指标的构成。比如单一指标为用户，而用户又可以拆解为新用户、老用户；也可以按照性别拆分为男用户、女用户。
  从业务流程来拆解：按业务流程进行拆解分析，比如不同渠道的用户付费率、不同城市的用户付费率等等。
（2）应用场景
  某APP启动事件的分析：某公司做了一款穿搭产品的APP，前段时间在微博上进行了一波大V推广，老板想看看推广情况，数据分析团队综合分析之后，决定对推广之后的APP启动事件进行4个维度的拆解：
按启动设备类型：启动设备类型一共有3种，分别是iPhone系列和安卓系列
按启动来源：分为从桌面和从PUSH两类。
按城市等级：分为超一线、一线、二线、三线及以下。
按新老用户：分为新用户和老用户。

2.3 漏斗分析法

  漏斗分析本质是一套流程分析，主要适用于流程较长，环节较多，并且随着环节进行流量逐渐流失的场景(在互联网产品/推广运营分析中使用较多)。如：电商转化漏斗、广告投放营销转化漏斗等。

  漏斗分析的不足：从本质上看，漏斗分析是一种：知其然，不知其所以然的方法；通过漏斗图，可以很轻松的看到问题发生在哪里；但是无法解释：为什么问题发生在这里(特别是问题发生在漏斗的末端的时候)；所以漏斗分析是帮助我们找到流程中的问题点，但是要解决问题，还需要进一步的分析。

2.4 公式拆解法

  所谓公式拆解法就是针对某项指标，用公式表现该指标的影响因素。以日销售额为例做一次公式拆解分析：
日销售额=A商品销售额(销售数量（新用户购买数量+老用户购买数量+复购用户购买数量）*客单价)+B商品销售额+…
推广效果 =渠道A新客销售额-渠道A推广成本

2.5 矩阵分析法

  矩阵分析法就是通过两个指标的交叉，构造四个象限的分析矩阵，从而产生四种可能的结果。

  矩阵分析法的应用场景：波士顿矩阵、时间管理等

明星产品：市场占有率高，且市场增长率高的产品。此类产品市场份额高，且有较大的成长空间，需要加大投资，使其继续增长。
金牛产品：市场占有率高，但市场增长率低的产品。此类产品市场占有率高但没什么成长空间，属于成熟阶段，能够为企业带来大量的现金流，保持即可。
问题产品：市场占有率低，但市场增长率高的产品。这种产品往往是一个企业的新产品，潜力大，但也伴随着风险，想提高市场占有率就要加大投资，以便快速抢占市场份额，加大投资可能会影响企业现有的成熟的业务，意味着企业需要转型，所以“问题”这个词很好地描述了这种产品，企业必须慎重考虑是继续发展该产品还是放弃。
瘦狗产品：市场占有率和市场增长率都低的产品。此类产品无法带来现金流，也没有办法改善其增长问题，更多地是基于情感因素或者其他因素保留该产品，对于这类产品，需要尽快剥离或者放弃。

  矩阵分析法最大的优势：直观易懂，可以很容易从两个指标的交叉对比中发现问题。