这8种数据思维模型好用至极（含案例）

这8种数据思维模型好用至极（含案例）

如今在这个大数据时代，数据在我们的工作中占据很大的作用，企业中的各个岗位对数据都有一定的依赖性；并且在日常工作中，数据也是我们提高工作效率的一个方法；本文作者分享了8种数据思维模型及案例，我们一起来了解一下。

数据运营，在运营里是中流砥柱的作用，细分到各个岗位都离不开数据；不仅是工作，生活中也是。

工作上，拥有数据化思维，对于工作效率能有极大提升，适用于产品、运营及营销。

生活中，拥有数据化思维，对于决策和判断也很有帮助，帮我们更好的掌控生活而不是被生活所掌控。

分享对我影响比较大的8种数据相关思维模型，希望对您有所启发；前4种是宏观想象和规划，后4种是微观实操和演练。

01 漏斗思维模型

漏斗分析模型是一套流程式数据分析模型。反映用户行为状态，以及从起点到终点各阶段指标。对于用户行为分析、流量监控、目标动作转化都很好用。

漏斗思维前后关联性极强，从首到尾是弱化和递减。

常用漏斗模型3种，AIDMA模型应用于品牌营销占领用户心智；AISAS模型帮助消费决策和分析购买路径，AARRR模型分析用户行为轨迹提高关键指标。

漏斗模型除了在互联网产品，及电商用户分析上得以应用外，在其他处也能巧妙应用。如销售漏斗：它是按照“线索-意向-客户”层层筛选，逐渐递减。

02 结构化拆解数据模型

拆解，源自结构化思维金字塔原理，两个要点：相互独立、无穷无尽。面对数据的时候，可以分析相关的模块并拆解，研究不变的单一模块。

举个栗子：GMV=流量*转化率*客单价*复购率。常应用于电商销量的拆解，继续拆流量=流量渠道1+流量渠道2+流量渠道3。

影响流量渠道1的来源有投放时间选择、首页视觉优化、文案优化、活动形式、产品体验流畅度等，继续拆解时间选择是上午好？还是晚上好？继续拆解直到最小颗粒度；此处拆解原则，可结合5WHY溯源原理和A/B测试模型。

结构化拆解，需要记住4个要点，很大程度上这4点和其他思维有共同之处。

核心论点：寻找金字塔的塔点。

结构拆解：自上而下将核心论点层层拆解成分论点，上下之间呈因果，依赖关系。

MECE：相互独立，完全穷尽（免交叉重复）。

验证：核心论点/分论点都是可量化、可验证的，要用数据说话。类A/B测试。

03 事实数据≠主观判断模型

也许你听过“事实”和“观点”理论。事实。就是可视化数据，没有对错，不带情感；而观点是主观的感受和判断，观点表达了个人的价值观和兴趣偏好。

我喜欢打篮球，以NBA篮球举例。看表大师利拉德，总是奉献各种神奇3分球。很多球迷都说，利拉德3分球真准、联盟佼佼者。真的是这样吗？

这是球迷观点，为什么呢？因为，你脑海中总是他一次次不讲理的3分球，峰终定律影响下被加深印象。但是事实和数据呢？本赛季利拉德3分球命中率38.5%，排名联盟第74位。

从数据角度看，在400人+的NBA联盟里74的排名其实并不高，所以主观判断是错误。用事实数据做支撑，一定程度上可以避免臆想的主观判断。

再看一个例子：比如说一个医院两个科室，一个科室，治愈率高，死亡率低啊，另外一个科室呢，治愈率相对较低，死亡人数呢，也相对比例高一些，那你能说第一个科室就比第二个科室优秀吗?

你说难道不是吗？他治愈率高。死亡率更低，这么直观说服力难道不是更不优秀吗?

不一定！！你有考虑过他们接的都是什么病人吗?如果我们评谁更优秀，只看死亡率。不看哪些医院接了重症病例，那简直太荒谬了。数据背后的环境和场景，切勿忽视。

04 量化指标+标准思维模型

凡事好不好都是相对，只有建立标准，可用数据衡量的标准后，才能予以评判。标准就像一杆尺子，有刻度、能度量。

同样拿NBA利拉德安利来举例，38.5%的3分球命中率高吗？

如果定义标准3分球命中率低于40%就算低，那么他的命中率就不高；如果定义标准是超过38%是高，那么利拉德命中率就算高。是高还是低？取决于手里尺子的刻度值。

有了刻度，在生活和工作上怎样能加强我们量化指标的意识呢？

继续以篮球举例。我每次训练时候会对流程量化会高效很多，不至于无目标感。

比如：训练时长1小时，做20分钟对抗训练，做10分钟突破训练，做10分钟三分球训练，做10分钟罚球训练，做10分钟热身训练。

把随意的一场打球，量化到各个指标用数据体现，然后刻意练习；同样，对于3分球训练我会10个一组，默认记录数据标准，心里的刻度是35%命中率，有了量化指标，更好的引导我们精进。

05 5WHY溯源模型

杰斐逊大厦墙有裂痕，为什么？

因为墙面经常冲洗，被腐蚀了。

为什么冲洗？冲洗是因为鸟粪多。

为什么会有鸟粪？因为蜘蛛多，鸟过来觅食。

为什么蜘蛛多？因为这里阳光好利于繁殖。

怎么解决墙面问题，不是用环保清洗剂，也不是用电网防蜘蛛，拉上窗帘就行。

生活中，常会出现抓不住问题本质的情况，只是“肤浅”看到表面问题。

多一点深度思考，看看各个维度数据变化，总有拨云见日的时候。

06 A/B测试思维模型

A/B测试在产品及技术上经常应用，指在产品迭代发布之前，制定两个（A/B）或多个（A/B/n）版本；在同一时间维度，分别让特征相同（相似）的访客群组（目标人群）随机的访问这些版本，并收集每个群组用户的数据，最后通过分析数据，评估出最好版本去承载全部流量。

多组开花，找到数据最好的一组，予以选用。

A/B测试的理念和假设验证思维模型类似，实操过程中，通常AB测试都是围绕着某一个目标进行，比如：提升新用户下单率。围绕该目标，我们可以设置相应的运营动作。

PlanA设置优惠券A并全渠道触发，PlanB设置优惠券B全渠道触发，一个周期后分析A/B两种运营动作下，目标数据（新用户下单率）的变化；此处样本数量要足够大，测试周期要足够长才有说服力，否则很大程度上是小概率事件。

07 RFM分析思维模型

RFM是3个指标的缩写，最近一次消费时间间隔（Recency），消费频率（Frequency），消费金额（Monetary），通过这3个指标对用户分类。

RFM通过3个维度数据对用户进行评估分类，从而实现精细化运营，根据不同用户的属性做不同营销策略。

此处，也是淘宝千人千面、字节智能算法的前身，量身定制。RFM分析方法把用户分为8类，这样可对不同价值用户使用不同的营销决策。

冯仑讲过：正常情况下，人一生交往的关系是三个数：10%、30%和60%。

这句话是什么意思呢？

其实正好对应我们刚讲的三种人脉关系，RFM模型里的前三种重要价值、重要发展、重要保持用户，对于3类用户我们需要采取不同应对策略。

对于不同用户类型，有对应不同运营策略。高价值享受VIP待遇，需挽留采用促活方案定时触达。

1）重要价值关系：对你生活和工作非常有价值。他几乎是你最亲密的亲戚、朋友、客户。面对这些人，你应该经常联系，彼此帮助，时不时约出来聊聊天。

2）重要发展关系：联系比较多、一起做过点事，但聊天是有一句没一句的，这种要重点发展关系。比如把你的困惑或者小秘密和他分享，产生情感连接。

3）重要保持的关系：所谓熟人，也就是打起电话来记得住这个人，而且也大概了解他的背景，可能很长时间都没有见的那种“朋友”。要主动联系，利用节假日登门拜访、共同的朋友持续保持沟通。

08 北极星数据指标思维

北极星指标，也叫做唯一重要的指标，之所以叫做北极星指标是指这个指标一经制定，像北极星一样，高高的闪耀在天空中，指引着团队向同一个方向前进。

北极星指标，随产品生命周期在动态变化，但是有两个大前提不会变。第一，对规模的追求（用户规模或收入规模）；第二，对用户长期价值的考量。

我看来看常见产品的北极星指标，并做拆解：

Airbnb北极星指标是交易总额，分解目标：用户总数+订房次数。知乎北极星指标是问答总数，分解目标：用户总数+单用户问答贡献数。简书北极星指标是文章总数，分解目标：用户总数+单用户文章贡献数。滴滴北极星指标是月活跃用户，分解目标：月活跃司机+月活跃乘客。

北极星指标是风向标，能避免我们陷入数据陷阱。

与之对应，是虚荣性指标，盘点下常见产品虚荣型数据指标。

电商类：GMV和订单量。

要知道脱离利润的GMV并没有用，如果毛利不够甚至亏本，带来的结果是买的越多亏得越多；订单量也一样，如果只是低客单的薅羊毛订单，只会起反作用。

电商，更多要关注转化率、客单价、复购率等北极星指标。

拿现在的抖音来说，一些粉丝量上百万的抖音号没有商业价值就是这原因，某单条视频点赞量过百万依然不能变现，也很好的说明这个问题。

抖音，更多要关注停留时长、完播率、评论人次及标签用户量等北极星指标。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。