十大数据分析模型之一:矩阵模型

0 评论 6330 浏览 21 收藏 9 分钟

评估业务表现的如何,我们需要做数据分析,那么怎么和企业内部数据结合使用?本文介绍了矩阵模型,从其底层逻辑谈起,一起来看看其如何使用与应用吧。

今天分享的是矩阵模型。做数据分析的同学一定听过各种矩阵模型:波士顿矩阵、安索夫矩阵、KANO模型等等。

但是大部分网红文章都是把图一画草草收场,导致很多同学有疑虑:这些模型用的都是行业数据/调研数据,我要怎么和企业内部数据结合使用??今天就从底层逻辑开始,给大家详细讲解一下。

一、矩阵模型的底层逻辑

如何评估业务表现的好坏?一个简单的想法,就是:找一个关键指标,进行多个业务的比较。如果这个业务比平均水平表现得更差,那它就有改进空间。但只用一个指标会有偏颇,比如产品销售增速很重要,可万一这个产品整个市场已经饱和了,那它怎么着也没法快速增长。所以至少得考察2个指标。

这就是矩阵模型的本质:用2个不相关的关键指标,衡量业务表现,从而发现问题/机会点。比如经典的波士顿矩阵,就是利用:产品销售增长率+产品市场份额,两个指标进行衡量。如果自身增速慢,但是市场份额很高,已经缺少进一步增长空间,那就不要“鞭打快牛”,而是多找其他机会,这样的评估更全面(如下图)。

如果直接生搬硬套,大家会发现:很难准确获得市场份额数据。但是,如果理解了矩阵模型的底层逻辑,我们完全可以自己动手构造矩阵模型。总共有4步。

二、如何构造矩阵模型

第一步:明确评估的业务对象

参与评估的业务个体,可以是用户、门店、商品、业务员、推广计划、骑手、司机……要根据业务需要,清晰参与评估的个体,这样才好核算相关指标。

第二步:找到2个关键衡量指标

如果一开始缺经验,不知道找啥指标,就找一个投入+一个产出指标,投入产出矩阵永远好使。比如:

  • 评估新用户:获客成本+用户生命周期价值
  • 评估商品表现:商品销售收入+ 商品毛利
  • 评估销售表现:开发客户数量+ 客户付费收入
  • 评估司机表现:司机在线时长+司机营运收入
  • 评估门店表现:门店销售收入 + 门店总成本

第三步:利用平均值对2指标进行分类

找好指标以后,计算平均值,对业务分类,或者直接用做散点图+平均值标识线,做出矩阵效果,比如用开发客户数+客户付费构造一个销售人员能力矩阵,可以如下图操作。

第四步:观察矩阵分布形态

注意!矩阵图有2种经典的形态(如下图)

形态1:投入产出指标呈明显相关关系(上图1)。这时候其实符合常规认知:“多投入,多产出”。因此可以加大投入力度,看看能不能大力出奇迹。

形态2:投入产出指标不成正比(上图2)。这时候,左上、右下2个不符合常规认知的区域,就是重点研究对象。

高投入+低产出:问题区域,进一步分析为什么效率这么低下。

低投入+高产出:机会区域,进一步分析能不能复制成功经验。

这样就完成了矩阵模型的构造,可以直接利用模型输出分析结论,常见的使用方式有3种。

三、矩阵模型的使用方式

用法1:快速建立思路

很多同学遇到一堆业务指标要分析,就会lost,不知道从哪里下手。最快速建立思路的办法,就是先找投入产出指标,然后建立矩阵,这样一眼扫过去,就能看清楚情况。

用法2:暴露业务问题

矩阵一画出来,哪些业务好,哪些差,一看就知道。即使该业务没有定KPI也能分出高低来。而且用矩阵模型还有个好处:业务个体的好坏是同类比较出来的,从而避免业务部门对数据分析/财务有意见,嚷嚷什么“你们评估不科学!”业务看到自己和同类相比的差距,都会自动代入:“为什么他做得比我好”的思考。

用法3:观察改进效果

矩阵模型的好处,就在于改进效果是直接呈现在纸面的,如果我们看到一个业务投入高+产出低,本能就会想:是不是能砍一点无效投入/是不是能优化一下产出效率。此时可以设定改进方向,然后持续观察改进效果,这样就能推动业务的进步(如下图)。

注意!矩阵模型也有局限性:只用平均值来区分高低,可能分析不够细致,同时2个指标也有些少。矩阵模型更适合发现问题,而不是细致、深入地分析问题。想进一步深入,需要利用MECE法则构造更复杂的分析逻辑树。

四、矩阵模型扩展应用

掌握构造矩阵模型的技术后,在很多领域都可以使用。特别是用户行为分析。因为收入、成本这些经营指标经常有KPI的,但用户行为并没有KPI。导致很多同学在做用户行为分析时会迷失方向:到底怎么判定用户行为的好坏?此时可以用上矩阵模型了。

扩展用法1:一个行为指标+一个关键业绩指标

比如直播电商做用户行为分析,可以用:观看时长 + 消费频次做矩阵,从而找出哪些只看不买(观看时长很长+消费很少)的用户做进一步营销。

扩展用法2:一个数量指标+一个质量指标

比如内容APP,可以用在线时长+互动行为次数(转评赞数量)做矩阵,从而找出高在线+低互动的用户群体,很有可能这些人一直看不到自己喜欢的内容,可以进一步分析他们行为特点和内容偏好。

专栏作家

接地气的陈老师,微信公众号:接地气的陈老师,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!