行业经典分析模型，购物篮分析、卡诺模型、RFM模型

type

status

date

slug

summary

购物篮分析

通过研究用户消费数据，将不同商品之间进行关联，并挖掘二者之间联系的分析方法，叫做商品关联分析法，即“购物篮分析”。

支持度（support）

支持度是对关联规则重要性的衡量。

定义：支持度是指A商品和B商品同时被购买的概率，或者说某个商品组合的购买次数占总商品购买次数的比例。

支持度说明了这条规则在所有事务中有多大的代表性，显然支持度越大，关联规则越重要。

概率描述：物品集A对物品集B的支持度support（A⇒B)=P(A∩B）

实例说明：比如今天共有10笔订单，其中同时被购买牛奶和面包的次数是6次，那么牛奶+面包组合的支持度就是6/10=60%。

置信度（confidence）

置信度是对关联规则的准确度的衡量。

定义：置信度是指购买A之后又购买B的条件概率，简单说就是因为购买了A所以购买了B的概率。

计算公式：物品集A对物品B的置信度confidence(A⇒B)=P(B|A)=P(A,B)/P(A)=P(A∪B)/P(A)

实例说明：比如今天共有10笔订单，其中购买A的次数是8，同时购买A和B的次数是6，则置信度是6/8=75%。

提升度（lift）

定义：先购买A对购买B的提升作用，用来判断商品组合方式是否具有实际价值，是看组合商品被购买的次数是否高于单独商品的购买次数，大于1说明该组合方式有效，小于1则说明无效。

计算公式：L=P(A并集B)/[P(A)*P(B)]

实例说明：比如今天共有10笔订单，购买A的次数是8，购买B的次数是6，购买A+B的次数是6，那么提升度是0.6/(0.8*0.6)>1，因此A+B的组合方式是有效的。

需求分析（KANO模型法）

兴奋性需求

属于惊喜型产品功能，超出用户预期，往往能带来较高的忠诚度。若不提供此需求，用户满意度不会降低；若提供此需求，用户满意度会有很大的提升。

期望型需求

当提供此需求，用户满意度会提升；当不提供此需求，用户满意度会降低。通常作为竞品之间比较的重点。

必备型需求

所谓痛点。对用户而言，这些需求是必须满足的，理所当然的。当不提供此需求，用户满意度会大幅降低。对于这类需求，是核心需求，也是产品必做功能。

无差异需求

用户根本不在意的需求，对用户体验毫无影响。这类需求可以不用做。

Better:

满意系数，代表如果产品提供某种功能或服务，用户满意度会提升。Better值越大/越接近1，则表示用户满意度提升的效果会越强。

Worse:

不满意系数，Worse的数值通常为负，代表产品如果不提供某种功能，用户的满意度会降低。其绝对值越接近1，则表示对用户不满意度的影响最大。

RFM客户价值分析

R-最近一次消费时间

客户距离最近的一次采购时间的间隔，考察客户购买的沉默期。

F-最近一段时间内消费频次

指客户在限定的期间内所购买的次数，考察客户的忠诚度。

M-最近一段时间内消费金额

客户的消费能力，通常以客户单次的平均消费金额作为衡量指标。

RFM模型的8类用户

分为一般价值客户、一般发展客户、一般挽留客户、一般保持客户、重要挽留客户、重要发展客户、重要保持客户、重要价值客户。

⚠️

注意：

不同的行业和产品之间可能存在差异，具体的用户分类和维护方式，需要视情况而定，不可生搬硬套。

分类	R值	F值	M值	用户类型	维护方式
重要价值客户	高	高	高	沉睡VIP	砸钱
一般价值客户	高	高	低	流失熟客	暂时放养
重要发展客户	高	低	高	流失土豪	砸钱
一般发展客户	高	低	低	完全流失	暂时放养
重要保持客户	低	高	高	活跃VIP	普通维持
一般保持客户	低	高	低	普通熟客	普通维持
重要挽留客户	低	低	高	潜力VIP	砸钱
一般挽留客户	低	低	低	普通新客	普通维持

👌🏼

若您有更好的见解，请您在评论区评论！