商業分析方法論與實踐指南

商業分析是一種復合型的崗位，對知識的廣度和深度均有較高要求。既需要理解“業務”，又需要懂“數據”，還需要熟練掌握“方法論”，只有將這三者串聯成一個整體並做到無縫銜接，才是真正的商業分析。本書梳理了業務、數據、方法論三者的脈絡關系，提出了商業分析是“業務—數據—業務”的循環，“方法論”貫穿始終。基於此，本書共分6篇進行闡述：第1篇帶大家認識商業分析的真實工作場景；第2篇講述商業分析的起源：業務；第3篇講述商業分析的量化：數據；第4篇講述商業分析的歸宿：用數據驅動業務的優化和增長；第5篇講述商業分析的重生循環：新業務/新數據/新優化增長；第6篇介紹商業分析的發展前景和能力培養方案。本書的內容實踐性強，以案例形式介紹，手把手教學，分模塊、分步驟講述解決問題的方法，闡述的內容基本都是實際工作中高頻出現的業務問題。

==第1篇 開篇
--第1章 揭開商業分析的神秘面紗 2
1.1　經典案例揭示什麽是商業分析 3
1.1.1 問題：老闆問能否去寺廟里賣梳子如何回答 3
1.1.2 第1種回答：混亂的思維，雜亂的論據，主觀的臆想 3
1.1.3 第2種回答：基礎的邏輯，一定的論據，堆積的答案 4
1.1.4 第3種答案：嚴密的邏輯，翔實的論據，客觀的答案 5
1.2　商業分析的能力模型 7
1.2.1 商業分析的三大能力模型 7
1.2.2 邏輯思維能力：貫穿所有的分析流程 8
1.2.3 商業理解能力：決定商業分析的高度 9
1.2.4 數據分析與整合能力：商業分析的指示器和量化器 9
1.3　商業分析的崗位類型 10
1.3.1 經營分析師：全局業務和財務的連接器
全局業務中最懂財務，財務中最懂全局業務 10
1.3.2 商業分析師：局部業務和數據的連接器
局部業務中最懂數據，數據中最懂局部業務 11
1.3.3 數據分析師：全局業務和基礎數據的連接器
全局業務中最懂基礎數據，基礎數據中最懂全局業務 12
1.3.4 戰略分析師：業務人員和決策者的連接器
比決策者更懂業務，比業務人員更懂戰略方向 12
1.4　商業分析工作的基本流程 12
1.4.1 總述：商業分析是“從業務到數據，再到業務”的循環 13
1.4.2 商業分析的起源：業務 14
1.4.3 商業分析的量化：數據 15
1.4.4 商業分析的歸宿：用數據驅動業務的優化和增長 16
1.4.5 商業分析的重生循環：新業務/新數據/新優化增長 17

==第2篇 商業分析的起源：業務
--第2章 知全貌——理解“行業”的運作模式 20
2.1　行業研究的基本構成框架 21
2.1.1 研究行業的市場規模，判斷賽道的寬度 21
2.1.2 研究行業的生命周期，預估賽道的長度 24
2.1.3 研究產業鏈，明確身處哪條賽道 25
2.1.4 研究競爭格局，認清賽道的崎嶇與平坦程度 28
2.1.5 研究宏觀環境，知曉比賽的天氣和環境 29
2.1.6 研究盈利模式，知道如何贏取獎金 29
2.2 如何在短時間內快速瞭解一個行業 30
2.2.1 二手資料搜集通路 31
2.2.2 一手資料搜集通路 32
2.3　傳統行業的賺錢邏輯和盈利模式 34
2.3.1 傳統企業盈利模式概覽 34
2.3.2 星×克優勢：先發者構建的品牌和大店直營優勢 35
2.3.3 瑞×優勢：後來者塑造的價格和小店加盟優勢 35
2.4　互聯網行業的賺錢邏輯和盈利模式 36
2.4.1 互聯網公司盈利模式概覽 36
2.4.2 自營電商模式：價差是主要驅動力 37
2.4.3 平臺電商模式：廣告是主要驅動力 38

--第3章 知彼——研究你的“競爭對手” 40
3.1　6步走做好競爭對手研究 40
3.2　為什麽要研究競爭對手 42
3.3　誰才是你的競爭對手 43
3.3.1 旗鼓相當：直接競爭對手 43
3.3.2 望塵莫及：行業領頭羊 43
3.3.3 悄然無聲：潛在競爭對手 44
3.3.4 取而代之：替代者 44
3.3.5 互不侵犯：跨行業標桿 44
3.4 浩如煙海的競爭信息，需要研究哪些內容 45
3.4.1 基礎畫像 46
3.4.2 產品 46
3.4.3 用戶 47
3.4.4 運營 47
3.4.5 財務 48
3.5 從哪些地方獲取競爭對手的信息 49
3.5.1 桌面研究 49
3.5.2 產品親身體驗 51
3.5.3 專家訪談 51
3.5.4 用戶調研 52
3.5.5 技術和購買 52
3.5.6 大腦強大的整合和測算能力 53
3.5.7 內部員工訪談和模擬招聘 54
3.6　如何進行多渠道信息的交叉驗證 55
3.6.1 CheckList交叉驗證 55
3.6.2 註意4種信息陷阱 56
3.7　案例：如何通過競爭對手研究尋找商機 57

--第4章 知己——剖析“所在的公司和業務” 60
4.1　一頁紙梳理自身公司的商業模式——商業模式畫布 60
4.1.1 商業模式畫布是乾什麽的 60
4.1.2 商業模式畫布的九大模塊是什麽 61
4.1.3 案例：如何描繪抖音的商業模式畫布 64
4.2　一張圖畫出自身公司的組織架構——職能+業務+敏捷 66
4.2.1 職能型組織架構：註重職能設置 67
4.2.2 事業部型組織架構：偏重業務發展 67
4.2.3 “大中台，小前臺”型組織架構：追求敏捷高效 69
4.3　3張圖描繪所在業務的業務模式——邏輯+流程+架構 70
4.3.1 一張邏輯圖釐清業務是如何賺錢的 71
4.3.2 一張流程圖揭示業務是如何運轉起來的 72
4.3.3 一張架構圖展現業務是如何被管理的 73
4.4　2種模型對比自身公司和競爭對手的競爭實力——
五力競爭模型+競爭態勢矩陣 74
4.4.1 五力競爭模型：判斷自身公司所處的競爭環境 74
4.4.2 競爭態勢矩陣：確認自身公司相比競爭對手的實力和優劣勢 77

==第3篇 商業分析的量化：數據
--第5章 搭建業務的“晴雨表”——數據指標體系 82
5.1　“晴雨表”的最小單元：數據指標 83
5.1.1 數據指標的3個構成要素：維度+計算公式+度量 83
5.1.2 數據指標的類型 84
5.2 “晴雨表”的核心：北極星指標到底該怎麽確定 86
5.2.1 明確公司的戰略目標 87
5.2.2 建設備選梯隊 87
5.2.3 遴選最終成員 88
5.3　經典問題：你會用哪些數據指標評價一款App 89
5.3.1 明確App的類型，挑選最熟悉的App 89
5.3.2 針對不同的App類型，羅列備選北極星指標 89
5.3.3 判斷App所處的生命周期，確定北極星指標 90
5.3.4 對北極星指標進行下鑽式拆解，明確二級指標 91
5.4　眾木成林：數據指標體系 93
5.4.1 什麽是數據指標體系 93
5.4.2 搭建數據指標體系的兩大高頻模型：OSM模型和UJM模型 94
5.4.3 7步走學會搭建數據指標體系 96
5.4.4 數據指標體系有什麽作用 97
5.5　案例：以X短視頻公司旗下的Y業務為例，搭建數據指標體系 100
5.5.1 平臺的業務原理和團隊設置 100
5.5.2 確定GMV作為北極星指標 101
5.5.3 四大策略拱衛GMV，形成二級指標 101
5.5.4 借助UJM模型梳理行為路徑，形成過程指標 103
5.5.5 團隊管理模式打造最小執行單元，形成維度指標 104
5.6　行業應用：互聯網廣告行業的數據指標體系 105
5.6.1 廣告主數據指標體系 107
5.6.2 營收數據指標體系 107
5.6.3 流量/用戶數據指標體系 108
5.6.4 創作者數據指標體系 108
5.6.5 內容數據指標體系 109

-第6章 制定業務的“指南針”——目標 110
6.1　利用“兩大模型”制定目標 111
6.2　進行寬度測算：用算法模型測算北極星指標的範圍值 112
6.2.1 回歸預測的7個流程 112
6.2.2 案例：如何制定短視頻公司的廣告收入目標 113
6.2.3 回歸預測的“利”與“弊” 115
6.3　進行深度測算：用業務模型確定北極星指標的精確值 115
6.3.1 搭建北極星指標的計算邏輯和公式 115
6.3.2 確定每個指標的負責部門 116
6.3.3 搭建預估框架 117
6.3.4 開展層級預估 117
6.3.5 多輪溝通調整，確定最終值 119
6.3.6 目標下發 120
6.4　借助“3條線路”拆解目標 121
6.4.1　橫向拆解：2種方法進行“時間線”拆解 121
6.4.2 縱向拆解：3個步驟進行“管理模式線”拆解 125
6.4.3 漏鬥拆解：3個步驟進行“業務流程線”拆解 128
6.5 通過“3種策略”平衡各方利益 129
6.5.1 找準立場，釐清利益鏈條，抓住主要矛盾 130
6.5.2 用數據和事實說話，準備充足的論據 131
6.5.3 3種機制與業務部門緊密溝通，防止閉門造車 132

-第7章 佈局業務的“觀測站”——監控體系 137
7.1 如何構建監控機制？點線面全方位出擊 139
7.1.1 點的監控：篩選5類監控指標 139
7.1.2 線的監控：4條線開展監控 140
7.1.3 面的監控：點和線的交織網絡 142
7.2　如何搭建預警機制？5W2H法鑒別異常、發出預警 143
7.2.1 什麽是5W2H法 144
7.2.2 What：找出哪些數據異常 145
7.2.3 Where：判斷哪裡異常 148
7.2.4 When：判斷什麽時候異常 149
7.2.5 How Much：判斷波動幅度的大小 153
7.2.6 Why：判斷什麽場景需要開展歸因分析及如何開展歸因分析 155
7.2.7 How：如何進行預警 157
7.2.8 Which：通過何種方式觸達 158
7.3　案例：如何開展監控和預警工作 159
7.3.1 判斷數據是否異常 160
7.3.2 排除非業務影響因素 160
7.3.3 下鑽式拆解定位異常原因 160
7.3.4 發出異常預警 161
7.3.5 解決異常問題 162

-第8章 掌握數據分析的“百寶箱”——方法和模型 163
8.1　授人以魚不如授人以漁：運用數據分析方法持續解決業務問題 163
8.1.1 對比分析法：發現差距，尋找增長空間 164
8.1.2 分類分析法：發現相同群體，尋找共同特徵 168
8.1.3 相關性分析法：發現指標關聯性，尋找關鍵影響因素 172
8.1.4 同期群分析法：發現同期群體在不同生命周期的變化特徵 177
8.1.5 邏輯樹分析法：發現層級關系，尋找解決問題的路徑 182
8.1.6 杜邦分析法：發現不同ROE背後的財務秘密 183
8.2 貼近業務的才是最好的：選擇經典分析模型高效應對業務訴求 186
8.2.1 RFM模型：開展用戶分層研究 187
8.2.2 漏鬥模型：優化產品和用戶體驗 190
8.2.3 AARRR/RARRA模型：助力用戶增長和精細化運營 194
8.2.4 BCG矩陣：評價產品和業務組合 196
8.2.5 生命周期模型：制定生命不同階段的運營策略 199
8.2.6 財務模型和UE模型：制定年度預算，評估業務可行性 202

==第4篇 商業分析的歸宿：用數據驅動業務的優化和增長
---第9章 商業分析在“用戶運營業務”中的應用 206
9.1　用戶拉新：獲客渠道評估和獲客成本優化 207
9.1.1 如何獲取用戶 207
9.1.2 如何評估獲客渠道 208
9.1.3 5步分析降低獲客成本 215
9.2　用戶活躍：DAU異動分析和預測分析 219
9.2.1 活躍指標分析 220
9.2.2 異動分析：3個步驟定位DAU異常下滑的原因 223
9.2.3 預測分析：4個步驟預測未來DAU 229
9.3　用戶留存：留存率分析和提升策略 232
9.3.1 留存指標分析 232
9.3.2 留存率曲線 235
9.3.3 留存生命周期：振盪期、選擇期、平穩期 237
9.3.4 留存率提升策略：5步走發現振盪期的“Aha時刻” 239
9.3.5 留存率提升策略：矩陣圖優化選擇期的產品功能 244
9.3.6 留存率提升策略：用戶分層降低平穩期的用戶流失率 245
9.4　用戶付費：LTV預測和ROI分析 246
9.4.1 付費指標分析 247
9.4.2 LTV曲線 248
9.4.3 預測分析：4步操作預測LTV 248
9.4.4 ROI分析衡量投入產出比 252
9.4.5 PBP分析衡量回收周期 253
9.5　用戶傳播：K因子分析衡量傳播能力 254

---第10章 商業分析在“廣告業務”中的應用 256
10.1 異動分析：廣告收入下滑了該如何分析 258
10.1.1 廣告供給端歸因：從媒體公司的客戶和商業化視角定位原因 259
10.1.2 廣告需求端歸因：從廣告主的需求視角定位原因 263
10.2　天花板預測：廣告收入的天花板在哪裡 267
10.2.1 廣告供給端預測收入天花板 267
10.2.2 廣告需求端預測收入天花板 270
10.3　可行性評估：商業化常見的評估問題，是否要增加廣告位 272
10.3.1 供需分析：評估現有廣告位的供需匹配度 273
10.3.2 廣告位置分析：評估廣告位的開發價值 273
10.3.3 正負向因子分析：評估正向影響因子和負向影響因子 274
10.3.4 損益分析：評估增加廣告位的損益變化 275
10.4　歸因分析：廣告行業的經典難題，如何做廣告渠道的歸因分析 276
10.4.1 渠道歸因的定義 277
10.4.2 渠道歸因的作用 277
10.4.3 5種主流的渠道歸因模型 277
10.4.4 利用渠道歸因模型開展渠道歸因分析 278
10.4.5 利用馬爾可夫鏈進行渠道歸因分析 279
10.5　漏鬥分析：一條廣告的生命周期，如何提升廣告轉化率 285
10.5.1 廣告轉化的前半生：前端轉化鏈路 286
10.5.2 廣告轉化的後半生：後端轉化鏈路 291
10.6　效果評估：業界爭論不休的品牌廣告和效果廣告，如何評估它們的投放效果 292
10.6.1 品牌廣告和效果廣告到底有什麽區別 293
10.6.2 如何評估品牌廣告的投放效果 296
10.6.3 如何評估效果廣告的投放效果 300

---第11章 商業分析在“電商業務”中的應用 304
11.1　異動分析：如何分析GMV的異常下滑 305
11.1.1 需求端：從用戶維度剖析下滑原因 305
11.1.2 供給端：從商家維度剖析下滑原因 307
11.2　預測分析：如何預測電商行業的GMV 309
11.2.1 AIPL模型是什麽 310
11.2.2 FAST模型是什麽 310
11.2.3 如何利用AIPL模型和FAST模型預測GMV 311
11.3　提升策略：如何提升電商行業的GMV 313
11.3.1 GROW模型是什麽 313
11.3.2 如何利用GROW模型提升GMV 313
11.4　活動預估：如何設計運營活動 316
11.4.1 明確活動的目的 317
11.4.2 制定活動的規則和玩法 317
11.4.3 設置活動的關鍵指標 318
11.4.4 預估活動的成本、產出和ROI 320
11.5　效果評估：如何評估運營活動的效果 321
11.5.1 基礎分析的5種方法 321
11.5.2 雙重差分法 323
11.5.3 方差分析法 324
11.6　商品關聯分析：如何開展購物籃分析 326
11.6.1 購物籃分析是什麽 327
11.6.2 購物籃分析的3個關鍵指標：支持度、置信度和提升度 327
11.6.3 如何開展購物籃分析 329

---第12章 商業分析在“二手車和教育業務”中的應用 332
12.1　投資界心心念念的UE模型究竟是什麽 333
12.1.1 變動成本和邊際利潤 333
12.1.2 UE模型 336
12.1.3 3步走搭建基礎UE模型 339
12.1.4 3種典型的UE模型 340
12.1.5 案例：3步分析助力投資人做出投資決策 342
12.1.6 案例：6步分析助力管理層制定來年預算 344
12.2　敏感性測試到底在測試什麽 351
12.2.1 單變量和多變量敏感性測試 352
12.2.2 敏感性測試的3個分析場景 352
12.2.3 如何開展敏感性測試 354
12.2.4 案例：敏感性測試和UE模型結合輸出可行性決策 358
12.3　“高大上”的財務模型究竟是什麽 369
12.3.1 揭開財務模型的神秘面紗，澄清3個普遍誤解 369
12.3.2 如何搭建財務模型 370
12.3.3 商業分析中的“財務模型” 374
12.3.4 UE模型和財務模型的區別 376

==第5篇 商業分析的重生循環：新業務/新數據/新優化增長
---第13章 新業務可行性評估和量化 380
13.1　新業務的可行性評估 381
13.1.1 4個方向判斷新業務是否迎合市場需求 382
13.1.2 3個方面判斷市場是否具有吸引力 383
13.1.3 2輪評分定位關鍵成功要素，評估公司是否具備實力 385
13.1.4 2個模型測算公司財務是否具備可操作性 387
13.1.5 5個方面預估風險是否在可承受範圍之內 388
13.2 可行新業務的量化 389
13.2.1 搭建新的數據指標體系 389
13.2.2 制定新的目標 390
13.2.3 佈局新的監控體系 391
13.2.4 開展新的分析洞察，驅動新業務的優化和增長 392
13.2.5 開啟新一輪的循環 393

---第14章 新業務評估實際案例——二手車公司拓展線上新業務 394
14.1 國外先行者驗證成功模式，資本市場給予較高估值 395
14.2 關鍵成功要素具備基礎建設能力 395
14.3 財務模型樂觀，凈利潤有望提升 396
14.4 案例結果：建議實行線上看車模式 398
14.5 新業務的量化和評估 399