十大数据分析模型之一：矩阵模型
关注并将「人人都是产品经理」设为 ★ 星标
每天早上更新，与你一起成长
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。
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。
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。
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。
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。
题图来自 Unsplash ，基于 CC0 协议
微信扫码关注该文公众号作者