大家好，我是爱学习的小xiong熊妹。
一提起数据分析，很多人都会联想到“分析模型”，似乎分析模型是个很厉害又很神秘的东西。那做数据分析到底需要懂多少模型？今天简单跟大家分享一下。
一、什么是模型
模型，指的是对复杂现实的逻辑抽象。具体到数据分析上，当人们提及“模型”俩字，其实有两个含义：
第一类：业务模型。比如我们经常听的AARRR、RFM、SWOT、PEST等等。一般运营、产品、策划等部门的人更喜欢聊这些。这些模型经常是通过一组数据指标的组合，对业务情况进行描述。这些模型没有复杂的计算，却有很明确的业务含义。
比如RFM模型，本质上使用三个指标来描述用户消费状况：
-
R：最近一次消费至今时间
-
F：一定时间内重复消费频率
-
M：一定时间内累计消费金额
通过这三个指标，能清晰地描述用户状况：
-
R：最近一次消费时间离现在越远，用户越有流失可能。
-
F：一定时间内，如果消费频次越低，越需要用一次性手段（比如满XX元减X元、买满X件商品赠送几件）来激励用户；如果消费频次越高，越可以用持续性手段（比如积分、会员等级） 来维护用户。
-
M：用户消费越多，用户价值越高，能直接识别出高价值用户。
这样，运营、产品、策划们，就能利用模型看清楚：哪些用户能做，用什么手段做。这样利用模型进行分析，能避免大海捞针一样的找数据指标，提升分析效率。
第二类：算法模型。比如线性回归模型、逻辑回归模型、决策树模型等等。一般数据、开发部门的人，更喜欢聊这些。这些模型有统计学、机器学习的知识做基础，有固定的计算方法和使用场景。并且，这些计算过程和统计原理可能很复杂，没有专业知识的人会很难看懂。
比如预测数据，如果用回归模型进行预测，即使是计算一个很简单的y=60+5x模型，光检验的统计量，估计就把大家看晕倒了（如下图）：
是不是看着头都大了，哈哈，大就对了。所以，一般把算法模型单独列出来，称为“算法”。“算法”需要有专业训练才能搞懂，以后单独开一个专题讲：做数据分析，需要懂多少算法。今天集中分享：需要懂多少业务模型。
二、要懂多少业务模型？
业务模型有很多类，并且随着时代变化，经常有新模型推出来，也有旧的模型淘汰掉。比如传统的AIDMA已经被AARRR取代了。所以想要穷尽所有模型，肯定不太现实，也没这个必要。建议小伙伴们只抓住几个关键的模型，理解其核心逻辑。
一：人货场模型
人货场模型是传统企业经常用的。在解读“传统卖场业绩怎么来？”的问题的时候，从人（消费者与业务员）、货（商品）、场（卖场）进行分析（如下图）。
掌握人货场的意义是：人货场模型是一个典型的并行逻辑模型。从三个角度解读问题，找到影响最大的因素。掌握了人货场的思路，以后其他类似的并列逻辑模型也能轻松掌握。
二：AARRR模型
AARRR模型是互联网企业经常用的。在解读“互联网如何实现用户增长？”的问题的时候，从拉新、促活、留存、转化、转介绍五个角度进行分析（如下图）。
掌握AARRR的意义是：AARRR是一个典型的串行逻辑模型。要先拉新，再有促活和留存，再有转发和转介绍。掌握了这种先做步骤A，再做步骤B的思路后，所有的串行逻辑模型都能轻松掌握。
三：OSM模型
掌握OSM模型的意义是：OSM是一套拆解指标的方法，掌握了这套拆解逻辑以后，就能熟练地拆解各种大目标，遇到新问题也能应对自如。
以上三个模型掌握以后，其他模型大部分大同小异，依葫芦画瓢也能轻松搞掂。
三、遇到新“模型”怎么办？
在业务模型领域，有新模型冒出来是很正常的事。比如这几年，阿里就先后推出了：AIPL、FAST、GROW等几个模型。说不定过今年又有新模型出来，该怎么办呢？
有个简单的懒人攻略，小伙伴们可以收下：所有的业务模型，本质上是围绕一个问题的指标的组合。因此遇到这些新模型，大家记得搞清楚三件事：
- 这个模型描述的是什么问题
- 组成模型的是哪几个指标
- 如何通过指标解读问题
比如GROW模型
- 这个模型，描述的是：类目是否有潜力
- 组成模型的有四个指标
渗透力（Gain）: 指消费者购买更多类型品类 / 产品对品牌总增长机会的贡献；
复购力（Retain）: 指消费者更频繁 / 重复购买产品对品牌总增长机会的贡献；
价格力（bOOst）: 指消费者购买价格升级产品对品牌总增长机会的贡献；
延展力（Widen）: 指品牌通过提供现有品类外其他关联类型产品所贡献的总增长机会。
四、如何解读
比如发现母婴行业的渗透力（G）明显很高，则在经营该品类的时候，可以考虑做更多交叉推荐，做更多品类扩展，通过多品类交叉购买提升业绩。
以上只是个小例子。小伙伴们熟悉了这一套操作以后，再遇到新模型，也能快速掌握啥意思了。
作者：小熊妹。公众号：码工小熊。数据界新人，喜欢数据分析、数据挖掘。
标签：数据分析,掌握,模型,用户,AARRR,比如,多少 来源： https://www.cnblogs.com/LYL0576/p/15816167.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。