运营数据分析模型思维导图

在数据分析中一般用来解决先验概率、分类实时预测和推荐系统等问题，能够让我们基于过往的经验和目前的现象做出决策

1. 当我们一无所知时，如何进行推断？

2. 当我们有了更多信息，该如何利用它们？

3. 如何得到后验概率？

4. 为什么贝叶斯决策理论是“最优的”？

贝叶斯模型的假设性较强，但实际操作起来并不容易

通过把握外部环境的变化，来改变业务和产品

1、情报收集–分类为PEST四要素

2、事实分类与解释

3、将事实划分为机会与威胁，短期与长期

4、纳入经营战略

由于宏观环境变化规模越大，变化越频繁，因而该模型只适合中长期的经营战略规划，而不适合短期计划

是数据分析中的高频模型，从起点到终点，科学地评估某项业务的各流程转化情况

以量化的形式，帮助业务找到业务的异常环节，从而进行针对性的优化

1、查看漏斗转化率，将结果按照渠道、用户分组进行查看，找出转化率明显偏低的环节

2、分析数据变化的趋势，按照不同时间的变化趋势下，找出转化波动率最大/最小的时间点

3、不同维度对比，筛选不同的渠道、用户分组，将转化率和变化趋势进行对比

一般被用来量化用户价值

通过R（消费时间间隔）、F（消费频率）、M（消费金额）这3个维度，将用户划分为8种类型，并分别对其采用不同的营销策略

1、根据用户价值，对用户进行分类

2、根据用户分类进行精细化运营，最大化用户价值

对于用户的价值打分没有一个明确的设置，一般都是根据业务逻辑来确定阈值

波士顿矩阵模型能够让我们对公司产品有更多维度的理解

通过分析企业相关经营业务之间现金流量的平衡问题，找出企业现金资源的产生单位和最佳使用单位，从而解决企业的生产与收益问题

1、纵向确定市场增长状况

2、横向计算相对市场份额

3、确定位置、建立矩阵

4、评估业务组合

波士顿模型在实际应用过程中还是以产品选择为主，是对产品的初步研判，使得我们在大脑中可以快速分析

但实际具体选择时，还是要用到更为复杂的模型对其进行布局才行