数据分析学习记录（一）

我所有的学习内容来源于一位小红书🍠 博主【最躺数分】整理的知识库，非常实用好用，给博主推荐一下！（虽然他大概率不会刷到我也不太需要我推荐哈）

新手村 #

案例 #

1. 为什么 A 做活动 B 涨？
2. 高客单价用户复购下降如何分析？
3. 美妆和服饰核心购买决策差异？
4. 淘宝用户行为分析
   1. 数据来源：https://tianchi.aliyun.com/dataset/46?accounttraceid=5be1ea4717f84c79ad86ee83ebd2485dmiaj
   2. 详细专栏文章：https://zhuanlan.zhihu.com/p/55244488
5. 【167万行数据】商业分析实战：用户分群（金奖作品）
   1. 可惜数据回收了，没办法自己跑一遍感受感受
   2. 重点学习：业务拆解、分析思路
   3. 次要学习：分析方法、代码实现

新名词 #

1. 用户留存分析：Cohort 模型
   1. 又叫队列分析，群组分析，是数据分析中常用的一种方法。Cohort Analysis 的一般分析过程是将数据分成相同权重，连续的几个部分，然后对每部分数据做相同分析，最后做连续性讨论并得到结果。可通过 Excel & Python 实现。
   2. 注：总感觉在本科学习《Excel 金融建模》《会计电算化》这两门课的时候，遇到过类似的情况，但是当时的不太明白其背后逻辑是什么，只是会做，仅此而已。
2. DEEPLINK 分析：从不同维度进行人群的深度洞察，帮助商家了解用户，赋能商家对不同阶段的用户群采取不同的营销策略，从而提升转化效果
   1. 基于阿里妈妈营销大数据、品牌数据银行 AIPL 方法论及产品能力，阿里对消费者的触达、互动、购物、忠诚等行为进行了深入分析，内容涵盖快消、服饰、运动、食品、消费电子等多个行业。在品牌数据银行 AIPL 方法论基础上，进一步强化营销场景的数字化能力。提出基于用户旅程细化营销资产，以消费者为中心的数字营销指标体系——DEEPLINK（深链经营）。
   2. AIPL：Aware 认知——Interest 兴趣——Purchase 购买——Loyalty 忠诚
   3. DEEPLINK 指标
      1. Discover 发现：15 天内，消费者相对被动与品牌曝光接触或点击
         1. 关键指标：点击率 CTR、曝光量、新访客数
      2. Engage 种草：15 天内，消费者通过直播/短视频等内容渠道的接触；或者进行了店铺、商品的浏览
         1. 关键指标：加购率、收藏率（种草成功度），详情页停留时长（深度浏览，内容吸引力），短视频完播率、直播观看时长（内容吸引力）
      3. Enthuse 互动：15 天内，消费者主动与品牌发生普通互动行为，包含+订阅品牌、发生互动等
         1. 关键指标：店铺关注量、互动参与率（评论、点赞等；品牌社区氛围），粉丝留存率（品牌社区氛围、用户粘性）
      4. Perform 行动：15 天内，消费者主动与品牌发生深度互动行为，包含会员、收藏、加购
         1. 促成下单，直接体现策略成效
         2. 关键指标：加购转化率、客服咨询转化率、优惠券使用率（衡量消除最后顾虑的效率）
      5. Initial 首购：近 2.5 年，购买人群——（Numerous 复购 + Keen 至爱人群）
         1. 用户满意度和后续回访意愿
         2. 关键指标：首购评分、退货率（满意度），首购回访问率（可能形成再次购买潜力）
      6. Numerous 复购：365 天内，非会员身份，有过正向评论/追评，消费>=2天 3. 关键指标：复购率（用户生命周期延长），客单价、晒单好评率（用户认可程度）
      7. Keen 至爱：365 天内，会员身份，有过正向评论/追评，消费>=2天
         1. 用户长期价值与口碑传播力
         2. 关键指标：LTV、NPS、会员留存率（品牌在用户心中的地位与推荐倾向）
   4. DEEPLINK 分析包含：DEEPLINK 资产分布、DEEPLINK 人群流转、品牌全域资产分布 3 个模块。
      1. DEEPLINK 资产分布：简单来看就是划分用户的不同阶段和深度，像很多公司都会将用户划分为潜客、首购用户、复购用户，从而对潜客促购买、对首购用户促再消费、对复购用户重点维护促留存。这里的DEEPLINK就在用户的基本划分上，做了更细致的划分。
      2. DEEPLINK 人群流转：查看DEEPLINK用户群在初始和最终时间的人群流转状态，并且进一步拆分不同渠道对人群流转的贡献度，从而帮助品牌挖掘消费者旅程优化背后最佳营销渠道组合，助力品牌优化营销策略。参照着品牌数据银行AIPL链路流转分析，细化到对各个渠道对人群流转的贡献度。这确实需要一定的数据量级才能做，不然数据量太小，差异不明显。
      3. 品牌全域资产分布：包含品牌一方数据及淘系站内站外触点数据。该模块整合的数据更全、更广，我们前面洞察分析的基本都是基于达摩盘站内投放的数据。而全域数据整合了多方数据源，包含品牌的第一方数据。依托着阿里的数据产品矩阵能力，做了多方数据打通，促进人群再营销。
3. 用户行为分析
   1. PV 和 UV 分析
      1. PV：Page View、访问量，具体是指网站的页面浏览量或者点击量，页面被刷新一次就计算一次。
      2. UV：Unique Visitor、独立访客，访问您网站的一台电脑客户端为一个访客。
   2. 用户消费行为
      1. ARPPU：average revenue per paying user，是指从每位付费用户身上获得的收入
         1. 它反映的是每个付费用户的平均付费额度。
         2. ARPPU=总收入 / 活跃用户付费数量
      2. 若数据集中没有消费金额，用消费次数代替消费金额
         2. 人均消费次数=消费总次数/消费人数
      3. ARPU：Average Revenue Per User，平均每用户收入
         1. 【总收入 / AU】计算得出
         2. 可以衡量产品的盈利能力和发展活力
         3. 活跃用户数平均消费次数=消费总次数 / 活跃用户人数（每天有操作行为的为活跃）
      4. 付费率
         1. 付费率 = 消费人数 / 活跃用户人数
   3. 复购情况分析
      1. 复购情况
         1. 即两天以上有购买行为，一天多次购买算一次
         2. 复购率=有复购行为的用户数/有购买行为的用户总数
      2. 所有复购时间间隔消费次数分布
   4. 漏斗流失分析
      1. 一套流程式数据分析
      2. 能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型
   5. 不同用户行为类别的转化率
4. 分析方法
   1. 用户画像分析
   2. 生命周期分析
   3. 波士顿矩阵分析
   4. 帕累托分析
   5. 用户重要度分析（变异系数法）
   6. 显著性检验在业务中的应用
5. 用户画像 & 用户分群
   1. 分层是有等级的概念；分群不讲究每个群体的级别关系，重点强调群体之间的差异化。
   2. 针对差异化针对有针对性的运营。分层相当于是矢量，是有方向的；分群是标量，没有方向。
   3. 分层我们希望他向一定的方向走。分群重点强调群峰各个群体不同的特征，或者说差异。
   4. 分层层级不宜太多，运营难度太大。
   5. 分层和分群都是为了划分，从而差异化运营，从而提生转换。降低成本，提高CLV的重要手段。
   6. 分层是一层一层往上，有级别；每个层级可以分层不同的群体；
   7. 二八定律：20%的人创造80%的价值，top20%的人更值得投入
   8. 用户差异：没有一种普世办法能满足所有用户需求，需要精细化运营
6. 平行模型——RFM 模型
   1. 根据用户的价值划分用户群体，RFM 模型是一种比较高效简单的衡量客户价值和客户创利能力的重要工具
   2. 根据三个维度的高低情况可分成 8 个群体（2 2 2）
   3. RFM模型是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱 3 个维度来描述该客户价值状况的客户分类模型
      1. 最近一次消费距离现在的时间 (Recency)：这个值越小对我们来说价值越大
      2. 某段时间内消费频率次数 (Frequency)：这个值越大越好
      3. 某段时间内消费金额 (Monetary)：这个值越大越好
   4. 缺点：R、F、M 值的阈值设置会影响到用户的划分，需要多次调整
7. 递进模型——AARRR 模型
   1. AARRR 增长模型，将用户按照新增、激活、流程、变现、传播进行划分，构建出 6 类用户：新用户、活跃用户、首购用户、复购用户、推广用户、沉默用户
   2. 不同群体进行不同的运营策略
8. 用户生命周期管理
   1. 目标：生命周期价值>客户获取成本+客户维系成本
   2. 围绕目标：
      1. 降低获客成本。如渠道优化，又分鉴别优质渠道和挖掘低单位成本渠道
      2. 降低客户维系成本。如精细化运营等
      3. 提高生命周期价值。如缩短成长期、延长成熟期，对即将流失的价值客户及时召回
   3. CAC：Customer Acquisition Cost，用户获取成本
   4. LTV：Life Time Value，用户的终身价值
      1. $（某个客户每个月的购买频次*每次的客单价*毛利率）*（1/月流失率）$
      2. 其中的 1/月流失率是得出平均每个客户在该平台能够留存的总时长是多少月。
   5. PBP：Payback Period，回收期
   6. 市场普遍认为 LTV>CAC 的时候公司是有可能性的，LTV<CAC 的时候模式是无意义的，而 LTV/CAC=3 的时候是公司最能健康发展的（小于 3 说明转化效率低，大于 3 说明在市场拓展上还太保守）