最近有一位剛入行的朋友跟我吐槽，說他提交瞭一份8月的經營數據分析報告給領導，報告裡面放瞭很多圖表，也羅列瞭很多數據，結果卻被老板痛批瞭一頓，說分析瞭半天也看不懂他的分析邏輯在哪裡，他覺得很委屈。

其實，這位朋友和很多關註我的粉絲一樣，做數據分析時，拿著手裡的數據大腦卻一片空白，不知道從哪裡開始分析、從什麼維度分析，常常一頓操作猛如虎，還是分析不出個所以然來。

今天老李就給大傢分享3種常用的數據分析方法，讓你快速明白這些方法在解決實際工作問題中有什麼用？怎麼用？

用到的工具是FineBI

1、漏鬥分析法

有什麼用？

漏鬥分析法能夠反映用戶行為狀態，以及從起點到終點各階段用戶的轉化率情況，是一種重要且工作中常用的分析模型。通過漏鬥分析模型可以分析多種業務場景下轉化和流失的情況，不僅找出產品潛在問題的位置，還可以定位每個環節流失用戶，進而定向營銷促進轉化。

怎麼用？

漏鬥分析模型目前廣泛應用於網站和APP的用戶行為分析中，例如流量監控、SEO優化、產品營銷等日常數據的數據分析工作中。

例如用FineBI為某電商平臺制作的轉化分析報告，這裡面就運用瞭漏鬥分析法。因為對於電商平臺來說，目的就是讓用戶下單並成功支付，而最終的交易成功率是取決於整個流程中每一步的用戶轉化率。

所以，如果想要提高交易成功率，我們就需要通過漏鬥模型一步一步地進行監測。如上圖所示，我們可以監控用戶在流程中各個層級上的行為路徑，尋找每個層級的可優化點。對沒有按照流程操作的用戶，可以去繪制他們的轉化路徑，找到可提升用戶體驗，縮短路徑的空間，最終提升整體轉化率。

2、ABC分析法

有什麼用？

ABC分析法其實很好理解，就是把產品或業務分為A、B、C三個類別。

• A類：數量占比少，價值占比大（占80%）
• B類：沒有A類物品那麼重要，介於 A、C 之間（占10%）
• C類：數量占比大，但價值占比很小（占10%）

核心思想就是少數項目貢獻瞭大部分價值，以此來分清業務的重點和非重點，從而讓企業對產品實現差異化管理，把最大的精力放到價值最大的業務/產品上。

怎麼用？

舉個實際場景的例子：以商場銷售額為例，在知道各類商品銷售額的基礎上，①先求出總銷售額 ②再求累計總銷售額（第二列） ③求累計銷售額占比（第三列）

最後將品牌商品按銷售量（第一列）降序排列，依次分成銷售額占比為 80% ，10%，10% 對應A 類，B 類，C 類三類品牌，用柱形條展示出來。

8e800326580fea537f035d5b2e32ece0

據圖可知，在累計占比80%警戒線下，圖中紅框中的品牌即為A類品牌；在累計占比90%警戒線下，黃框中為B類品牌；在累計占比90%警戒線上，綠框中為C類品牌。

3、KANO模型分析法

有什麼用？

在實際工作中，常常會碰到客戶提出一大堆需求，什麼都想要，但開發產品的資源和人力都是有限的，那怎麼才能撈出真正的用戶需求？給真正重要的需求高優先級？

KANO模型分析法就是用來解決此類問題的，它可以對用戶需求進行系統分類和優先排序，將需求分成4個象限，而這4個象限對應瞭4種需求類型，它們的優先級排序為：必備型需求>期望型需求>興奮型需求>無差異需求。

6bdb0dbf91a90e31b455d3ab21f41bb3

• 必備型需求（必須有）：即常說的痛點。對於用戶而言，這些需求是必須滿足的，若不提供這個需求，用戶滿意度則會大幅度降低。這類是核心需求，也是產品必做功能。
• 期望型需求（應該有）：提供此需求，用戶滿意度會提升；不提供此需求，用戶滿意度會降低。通常作為競品之間比較的重點。
• 興奮型需求（可以有）：驚喜型產品功能，超出用戶預期，往往能帶來較高的忠誠度。不提供也不會降低用戶滿意度。
• 無差異需求（可有可無）：用戶根本不在意的需求，對用戶體驗毫無影響。盡量規避做此類型功能。

怎麼用？

通過滿意系數和不滿意系數，來對功能進行象限的分類，而滿意系數和不滿意系數的數據，一般是來源於調研問卷。

482ace92c318f24080449cbe8a99e175

調研後再對數據進行清洗、處理，設置橫向警戒線和縱向警戒線，作為象限圖的橫軸和縱軸，警戒線的數值分別為滿意系數平均值和不滿意系數平均值。

最後，通過象限圖找出優先級最高的功能，有瞭數據支撐，就避免出現因糾結要增加哪個功能而爭得不可開交的局面，提升瞭工作效率。

上述分析模型都是用finebi做出來的，可以去對比下和tableau的區別，也希望看到各位的想法。

最後分享一下我整理的一份數據分析流程知識圖譜，需要可自取。內含數據分析12個常見分析模型、18個理論分支、136個詳細知識要點和60多個實際分析場景案例，不懂或不記得的知識點拿出地圖就能查，數據人必備！高清電子版獲取方式↓↓