分析模型有哪些？四大场景分类与选型指南全拆解

一、分析模型是什么：思考的脚手架

分析模型，本质是把复杂问题拆解成若干维度和变量，再按特定逻辑组织起来，让思考有章可循的工具。它不是真理，而是一种简化，用有限的维度抓住问题的核心矛盾。就像地图不是真实地形，但能帮你找对方向，模型的价值在于效率，而不在于精确复刻现实。

常见的误区有三个。第一个误区是模型万能论，以为套上模型结论就自动正确，实际上模型只是帮你组织信息的框架，数据不真、场景不符，结论照样是错的。第二个误区是模型收藏癖，收藏了几十个模型却从没用熟任何一个，遇到问题还在凭感觉拍脑袋。第三个误区是模型堆砌论，一个分析里塞进五六个模型，看似全面实则逻辑混乱。模型越多越糊涂，能用一个模型讲清楚的问题，绝不用两个。

理解模型的正确姿势，是把每个模型当成一种固定的提问方式。SWOT 问的是内外两个维度怎么组合，漏斗问的是用户在哪个环节流失，RFM 问的是谁值得重点维护。模型没有高下之分，只有合不合适之分，关键是你当前要回答什么问题。

二、四大场景分类：按问题类型选模型

分析模型数量庞大，但按要解决的问题类型可以归为四类，记住这张分类地图，比死记几十个模型有用得多。

第一类是市场与战略分析，回答的是我们该往哪走。典型模型包括 SWOT，评估内部优劣势与外部机会威胁；PEST，扫描政治、经济、社会、技术四大宏观环境；波士顿矩阵与 GE 矩阵，用增长率和占有率给业务组合定位；STP，做市场细分、目标选择与定位；波特五力，判断行业竞争结构。这类模型的特点是格局大、周期长，适合季度或年度的战略决策场景。

第二类是用户与增长分析，回答的是用户从哪里来、怎么留住。典型模型包括 AARRR，覆盖获客、激活、留存、收益、推荐全生命周期；RFM，用最近消费、频次、金额给客户价值分层；漏斗模型，定位转化路径上的流失卡点；用户画像，把用户行为标签化；同期群分析，追踪同批用户随时间的变化。这类模型是运营日常使用频率最高的，几乎所有用户运营动作都能挂靠到其中某个环节。

第三类是经营与财务分析，回答的是业务到底赚不赚钱、钱花到哪去了。典型模型包括杜邦分析，把净资产收益率拆解为盈利、运营、杠杆三个层面；盈亏平衡分析，算清楚卖多少才保本；帕累托分析，也叫 ABC 分析，抓住贡献 80% 结果的那 20% 关键项；库存周转分析，衡量资金流转效率。这类模型直接服务于经营决策，对数据质量要求最高。

第四类是原因与需求分析，回答的是用户到底想要什么、问题出在哪。典型模型包括 KANO，把需求分为必备、期望、兴奋、无差异四类，决定功能优先级；逻辑树加 MECE，把大问题逐层拆到不能再拆；SCQA，用情境、冲突、问题、答案组织表达；归因分析，定位导致结果变化的关键因素。这类模型是分析师的基本功，也是大多数人最欠缺的。

三、经典模型速览：每个场景记住两三个就够

模型不用贪多，每个场景吃透两三个核心模型，就足以覆盖 80% 的分析场景。市场战略场景，必记 SWOT 和波士顿矩阵，一个管内外，一个管业务组合；用户增长场景，必记 AARRR 和 RFM，一个管全链路，一个管客户分层；经营财务场景，必记杜邦和盈亏平衡，一个看全局拆解，一个算生死线；原因需求场景，必记 KANO 和逻辑树，一个排优先级，一个拆根因。

以电商为例走一遍组合拳。宏观层面用 SWOT 判断要不要进入新品类，用波士顿矩阵决定哪个品类该投资源；用户层面用 AARRR 找出当前最弱的环节，发现留存偏低后用 RFM 锁定高价值流失客户，再用漏斗定位支付环节的流失原因；经营层面用杜邦看净利润率变化来自价格还是成本，用盈亏平衡确认促销预算的底线；需求层面用 KANO 判断新功能该先做哪个，用逻辑树拆解复购率下降的潜在原因。四个场景一套组合拳下来，从战略到执行都闭环了。

需要注意，模型之间不是互斥的，而是可以接力使用。一个分析项目里，先宏观后微观、先定位后归因，是常见的组合节奏，关键是每个模型各司其职，不要重复劳动。

四、选型四步法：从问题到结论的完整路径

第一步，先写清要回答的问题。把问题写到一句话：我们要搞清楚什么、影响谁、用于什么决策。问题不清，选型无从谈起，这一条决定了后续所有工作的方向。

第二步，按问题类型归入四大场景，初步圈定候选模型。判断问题是方向问题、用户问题、财务问题还是根因问题，直接对应到分类地图的某个象限，候选模型自然浮现。

第三步，确认数据可得性再定模型。这一步最容易被忽略，很多模型选得漂亮，结果数据根本没有或口径不对，只能中途换方案。选模型之前，先确认需要的字段有没有、能不能取到、颗粒度够不够。先模型后数据是自欺，先数据后模型才是分析。

第四步，跑出结论后回到问题做验证。结论是否回答了第一步的问题，能否支撑决策，如果中间发现模型不适用，及时换挡而不是硬撑。分析的价值在于交付可行动的结论，而不在于模型用得有多高级。如果你想系统学习更多分析模型的实操方法，不妨去运营动脉（www.yydm.cn）看看，它提供精品方案库、报告库、课件库、模板库，拥有 7W+ 精选资料且每月更新 1000+ 份，是深入学习数据分析、获取专业资料的好去处。

最后强调一句方法论底色：模型是思考的脚手架，不是思考本身。同一个数据，用不同的模型能讲出不同的故事，真正决定分析质量的，是提问的质量、数据的可靠和你对业务的理解深度。模型帮你把思考变规范，但永远代替不了思考。

小编有话说

分析模型这一课，说难不难，说简单也不简单。不难在模型本身，几十个模型原理半天就能讲完；不简单在场景判断，同样一个漏斗，在电商和内容产品里的用法完全不同。建议每位运营人都建一张自己的模型清单，写下每个模型适合回答什么问题、需要什么数据、你用过的最经典案例，这张清单会是你最值钱的分析资产。

相关问答FAQs

Q：新手学分析模型，应该从哪几个模型开始？

A：建议先掌握四个最通用的模型，覆盖四大场景各一个：SWOT 管内外环境判断，AARRR 管用户全生命周期，杜邦分析管经营结果拆解，逻辑树管问题根因分析。这四个模型学透后，你会发现它们几乎能挂靠到日常工作的任何分析需求上，先把它们用到熟，再向外扩展其他模型。学习方法上，不要只背定义，每个模型找两个真实案例亲手跑一遍：比如用 SWOT 分析你现在的业务，用 AARRR 拆解你负责的产品，用杜邦看一家上市公司的财报，用逻辑树拆解一次活动效果不达预期的原因。跑过案例的模型才是你的，只背过的模型过两周就忘。

Q：分析模型和数据，应该先有哪个？

A：从理想流程讲，先有问题再选模型再看数据；从现实情况讲，很多时候你手头只有一堆数据，这时要先做探索性分析，从数据里发现模式，再反过来找合适的模型去验证和解释。两种路径都对，关键是不要做先选模型再硬套数据的自欺式分析。实操建议是：手头有明确问题时按模型选数据；手头只有数据时，先做描述性统计和交叉表，看出现哪些规律，再决定用哪个模型。记住一个检验标准，如果你的分析结论换一个模型就完全变了，说明数据和问题都不够扎实，先回头补功课。

Q：为什么同一份数据，不同人用不同模型能得出相反结论？

A：因为每个模型都自带预设视角，选取的维度不同，讲出的故事就不同。比如同一批流失用户，用 RFM 分析得出的是高价值客户流失，用漏斗分析得出的是支付环节转化太低，用 KANO 分析得出的是核心功能体验差，三个结论都对，但指向的行动完全不同。这不是模型的错，而是说明单模型分析有盲区。破局方法有两个：一是多模型交叉验证，不同模型指向同一方向，结论的置信度就高；二是先明确分析目的再选模型，同一份数据为不同决策服务，本来就应该用不同模型。分析结论没有绝对对错，只有适不适合当前决策。

Q：模型分析结论和业务直觉冲突时，信哪个？

A：都别急着全信，先把冲突本身当成分析对象。步骤有三：第一步检查数据，有没有口径错误、样本偏差、统计期差异，数据错了结论自然错；第二步检查模型适用性，这个模型的前提假设在当前场景是否成立，比如漏斗模型假设用户路径是线性的，但很多产品用户路径是网状的；第三步回到现场，找一线同事聊聊，业务直觉往往藏着数据捕捉不到的真实原因。多数情况下，冲突背后是模型没覆盖到的因素，把那个因素找出来，分析才算真正深入。要警惕的是，既不能因为模型好看就忽视业务常识，也不能因为直觉舒服就拒绝数据的提醒。

Q：分析模型能解决所有运营问题吗？

A：不能，模型解决的是结构化问题，也就是变量清晰、逻辑明确的问题，比如转化率低在哪一步、哪个客户群价值最高、新品该不该做。但对于非结构化问题，比如品牌调性怎么定、内容风格怎么选、用户情感怎么维护，模型只能提供参考框架，最终还是要靠人的判断和经验。另外模型天然有局限，它依赖历史数据，预测不了黑天鹅，它简化现实，捕捉不到所有变量。成熟的运营人会把模型当工具而不是信仰：能用模型快速定位的问题绝不拍脑袋，但涉及人性、创意、趋势判断的部分，给直觉和审美留出空间。

Q：分析做完后，怎么让结论真正被业务采纳？

A：结论不被采纳，八成不是分析不对，而是表达不对。三个提升采纳率的方法：一是结论先行，把最重要的发现和最直接的建议放在最前面，老板没有耐心看你从头推导；二是给到行动级建议，不只是说留存率下降了，而是说留存率下降了 5 个点，建议在第二周对新增用户增加一次引导推送，预计可提升 2 个点；三是讲人话，把模型术语翻译成业务语言，用一张图一个表讲清核心逻辑，把模型细节放进附录。记住，业务方要的是决策依据，不是模型炫技，你的分析被用起来，才是分析真正的价值终点。

参考文献

[1] 商业数据分析主要模型盘点，数据分析知识库，2024 年

[2] 20 个营销数据分析模型详解，帆软数据应用研究院，2023 年

[3] 七种常见数据分析模型及应用场景，AI Indeed 百科，2024 年

[4] 什么是业务分析模型及其分类，永洪科技社区，2023 年

[5] 营销管理（第 16 版），菲利普·科特勒，中国人民大学出版社，2022 年