全文框架

http://www.broadview.com.cn/book/5459 随书资料

第1章、明确分析问题

第2章、开启分析思路

【案例1】轻松撰写投资项目分析报告

不要急于动笔，先问问自己，若手里有一笔资金，自己会投资这个项目吗？如果投资，自己会担心什么问题？自己担心的问题，就是报告要写的内容。
第一，担心收益高不高，有多高，伴随的风险是什么，有多大，如何防范。于是，报告中需要写项目收益和项目风险
第二，投资项目的现金流发生在过去、现在还是未来？如果是未来，还需要进行推测。于是，报告中需要有预测的内容
第三，投资项目是孤立存在的吗，还是说有多家公司也能做这个项目。于是，报告中需要有项目公司的内容
第四，项目什么时候投资，投资的外部环境怎么样。于是，报告中要有环境分析的内容

用提问构建投资项目分析报告框架

【案例2】构建某地产公司客户满意度指标

客户满意度指标体系——RATER指数

1. 有形度：客户能看到的硬件设备无非是人员、物品和环境，可细化为人员仪表、设施设备、服务环境
2. 专业度：客服人员的专业性体现在专业知识、专业技能和职业素养3个方面
3. 反应度：用心程度，衡量客服对客户需求的反应是否及时主动、积极有效
4. 同理度：动情程度，衡量客服人员内心设身处地为客户着想的程度
5. 信赖度：认同和信赖，客户是否相信你并选择你

结构化思维

【案例3】如何做用户偏好分析

假设要为某彩电企业做用户偏好分析，你将调研哪些方面？
由于用户偏好体现在用户行为上，因此调研内容取决于你如何描述用户行为。具体分解为两个小问题：
问题1：用户在购买和使用产品的过程中具体有哪些行为？ -->对应时间线索
问题2：你会从哪些方面对用户行为进行描述？ -->对应结构线索

时间线索上，可以用 用户行为五阶段理论进行展开

结构线索上，可以用5W2H分析用户行为

两者结合，得到彩电用户的偏好分析

演绎思维

1、标准式演绎

大前提：我国通常认为60岁及以上为老年人。
小前提：他已经68岁了。
结论：所以他是老年人。

2、常见式演绎
常见式演绎最主要的形式是4W模式：

描述现象：目前发生了什么事情？
分析原因：这件事情为什么发生？
判断趋势：未来如何发展？
提出对策：如何应对？

【案例4】4W模式进行爱情战略分析

1、选择谁？

根据两个维度将对象的吸引力和相对竞争力划分为高、中、低范围（9个象限），纵坐标为对方的吸引力，横坐标为自己的竞争力。

2、为什么选择他？

3、爱情发展轨迹

4、如何赢得爱情

重要性思维

【案例5】KANO模型确定开发优先级

● 必备属性（简称M）：产品或服务的最核心的属性。具备该属性，只能使用户不会产生不满情绪。
● 一维属性（简称O）：与用户态度线性正相关的属性。若具备该属性，则用户满意；若不具备该属性，则用户不满意。
● 魅力属性（简称A）：用户期望的属性。具备该属性会让用户满意，不具备该属性也不会招致不满。
● 可有可无属性（简称I）：无论是否具备该属性，用户都无所谓，这是多余的属性。
● 厌恶属性（简称R）：具备该属性，反而招致用户不满。

综合案例：如何研究某餐饮行业的顾客满意度

结构化思维4条线索的综合运用 第2章总结

第3章、打开分析视角

3.1、对比视角

3.2、相关视角

相关视角探索的是事物之间的某种联系，这种联系可能是因果关系，也可能是相关关系。
1、规模预测
寻找影响目标变量的因素，然后建立回归模型，便可预测目标变量的值。
道格拉斯生产函数：回归模型，企业根据技术、资本、、劳动力的投入预测产出规模

道格拉斯生产函数.png

2、精准营销
要开展精准营销，就要搞清楚用户特征和用户偏好之间的关系，判断两个因素之间是否有相关性，例如性别与颜色喜好，若性别对颜色的喜好会产生影响，则可以根据性别判断顾客的颜色喜好。

• 数值型变量用相关系数来判断
• 分类型变量用方差分析

方差分析

image.png

P值小于5%，小概率事件居然发生了，那么SSR=0(即不同性别的颜色偏好没有差异)的假设站不住脚，拒绝这个原假设。因此可以对不同性别的用户推荐不同的颜色。

3.3、分类视角

客户分类分析步骤与主要方法

3.4、描述视角

车险欺诈分析

“标的车”即购买保险的车辆。当“标的车”在半年内的异动（出险、换牌、换人）超过3次时，需要注意这极大可能是一笔车险欺诈事件。

3.5、分析视角和分析方法的对应

3.6、综合案例：航空公司项目分析价值的提升

背景：某航空公司旅客满意度分析项目。航空公司找A咨询公司做了分析，但觉得A公司的分析不够深入，于是找到B咨询公司，希望有更多的价值输出。

A公司的分析评估提供了8个指标（广播、态度、餐饮、安全...），B公司通过焦点小组座谈又增加了8个指标（价格、形象、娱乐...），总计16个指标。

1、对比视角

这么多指标，从哪里下手呢？有一条逻辑线索叫做重要性，针对16项指标做KANO模型

2、分类视角

对所有指标进行重要性和满意度的排序：

满意度指标四分图模型

3、描述视角

4、相关视角

总结：

1. 需要重点改进的指标有：餐饮、准时性、登机效率、服务态度、价格（KANO必备属性、一维属性和满意度四分图的改进区取交集）；
2. 餐饮方面，需要重点关注站点2的餐饮供应情况，其餐饮供应的满意度波动极大，需要分析是什么因素导致（人员、食物、供应商），并进行相应的改进或在其他站点推广；
3. 关注满意度高但推荐度低的人群，挖掘其不愿意推荐的深层原因
4. 餐饮方面，女性群体要求更高，需要重点关注女性旅客的需求，比如在女性旅客的餐盒中给与饼干、糖果、小玩偶等，进行差异化服务

第4章、战略分析：某购物中心网上商城战略分析

分析思路是从研究目的到研究内容的分解过程，是对需求的细化。因此战略分析需要思考两个问题：

• 研究目的
• 研究内容

4.1、研究目的

战略分析的目的是：帮助企业进行战略选择，选择适合自己的目标市场。需要回答两个问题：

• 市场吸引力：这个市场好不好，有没有钱赚
• 企业竞争力：企业能否有一战之力，是吃肉还是喝汤亦或者自取灭亡

4.2、研究内容

• 如何判断市场的吸引力：分析宏观环境和市场环境
• 如何判断企业的竞争力：分析竞争环境

4.2.1、宏观环境

PEST模型

4.2.2、市场环境分析

市场环境是指市场的现状，主要衡量市场环境的指标有：市场规模、利润水平、增长速度、成长潜力、所处生命周期。
企业当然想寻找一个市场规模大、利润水平高、增长速度快、成长性足够强以及处于成长期的市场。但是这样的市场往往可遇不可求，不可能在每一个指标上都表现的完美，所以企业需要根据自身资源与定位进行取舍。

4.2.3、竞争环境分析

波特五力模型

4.3、定性与定量分析

4.3.1、定性分析：SWOT

4.3.2、定量分析：内外因素评价矩阵

SWOT中，机会和威胁是用来判断市场吸引力的，优势和劣势是用来判断企业竞争力的，因此：

• 内部因素：优势（S）和劣势（W）
• 外部因素：机会（O）和威胁（T）

1. 首先，分别计算各个因素的评分和权重
2. 接着，分别计算机会、威胁、优势、劣势的加权平均数
3. 最后，用加权平均数的大小判断市场吸引力和企业竞争力，并给出相应的战略建议

以优势数据为例进行计算：

第4章结构图

第5章、用户偏好分析：某彩电企业用户偏好分析

背景：近年来，彩电市场竞争日趋激烈，以日系、韩系为主的外资品牌在特级市场、一级市场的占有率超过60%，并且占据高端市场；国内品牌竞争更为激烈，价格战愈演愈烈，挤压微薄的利润空间。
国内彩电品牌A的成本优势并不明显，为摆脱价格战，提升核心竞争力，需从用户入手，针对不同用户的偏好开展差异化营销，为此需要进行彩电用户偏好分析。

第5章结构图

5.1、研究目的：差异化营销

要理解这个差异化营销，需要回答两个问题：
● 为什么企业需要开展差异化营销？ -->因为用户的偏好和需求存在差异性，找准这部分差异从而进行精准营销，可以事半功倍
● 为什么用户偏好分析可以支持企业的差异化营销？
基于时间思维和结构思维，用户偏好可以分为5阶段和7要素：

1、产生需求阶段：用户需求（why）存在差异。工作、学习、娱乐、送礼？
2、信息收集阶段：用户收集渠道（where）存在差异。熟人、抖音、知乎、广告？
3、方案比选阶段：用户关键购买因素（What）存在差异。价格、颜值、轻薄、品牌形象？
4、购买决策阶段：用户决策方式（How）存在差异。全方位考量、决策速度...
5、购后行为阶段：用户使用场合（When/Where）存在差异。打球穿球鞋，跑步穿跑鞋，工作穿皮鞋，家里穿拖鞋。

5.2、研究内容：用户行为五阶段和七要素

除了Q1~Q18，还有一些基础信息

image.png

5.3、数据获取（调研获得）和数据清晰

略

5.4、数据分析

分析框架：

分析方法：

5.4.1、频数统计

其中，百分比是这项数据占总数的比例(一般是计数);有效百分比,剔除了缺失值等过滤因素的占比。

5.4.2、均值分析

其中，N代表样本量。

5.4.3、方差分析

根据方差分析的检验结果，可以总结出各类用户在购买和使用彩电产品时，在以下方面存在显著性差异（见表5-7），因此各类用户偏好差异的对比就要围绕这些方面展开分析：

5.4.4、比较均值

方差分析+数值型题目=比较均值的范围

可以看到，单身群体对于促销最为敏感（价格敏感），有老有小群体对促销最不敏感（猜测是因为强需求的原因，更多的考虑是否满足需求）

5.4.5、交叉分析

方差分析+分类型题目=交叉分析的范围

5.5、分析结果解读

以性别、购买时的考虑因素（刻录功能、耗电量、上网功能、他人推荐、促销活动）、规格为例进行解读（即 将spss的结果转为更易理解的图表，并配上结论）

第6章、用户偏好分析：某彩电企业用户偏好分析

背景：甲保险公司的主要经营业务是车险。近年来车险市场竞争日趋激烈，为了在激烈的竞争中取胜，甲保险公司确定以精准营销为发展战略，计划针对车险目标客户的需求开展定制服务，为此，需要进行车险客户分类调研分析。

6.1、研究内容：分类维度

落实到具体项目上，所选的维度要把客户的差异区分，使各类客户类间差异大，类内差异小。这就需要用方差分析来检验。

6.2、数据获取

6.3、数据分析

数据分析框架——STP

分类维度：生活状态+保费金额（分别对应问卷的Q13和Q6）

6.3.1、因子分析

因子分析：剔除相关性，降维。操作如下：

1. 适用性检验

因子分析的前提是原始维度具有相关性，适用性检验判断原始维度是否具有相关性。

2. 因子提取

3. 因子旋转

上表的数值称为因子载荷，表示因子对维度（即9个语句）信息的解释程度。
从上表可知，因子1解释了“买衣服都买便宜的”这个维度54.1%的信息，而因子2解释了该维度49.0%的信息，54.1%与49.0%数值相近，表明因子1和因子2都具有该维度的特征，具有相关性。同理，该表还显示出因子1和因子2都具有“喜欢独自享受安静的生活”“下班后尽快回家”维度的特征......
如前所述，因子分析的目的就是剔除相关性，使各个因子具有差异化的特征，而目前的成分矩阵没有达到既定效果，因此需要进行因子旋转。

因子旋转

4. 因子命名

5. 计算因子得分

6. 设置因子变量

6.3.2、数据标准化

6.3.3、聚类

迭代聚类（如kmeans）仅适用于连续变量，而因子类别是分类变量，因此使用层次聚类。

1. 确定类别数

考虑到各类人数要均匀，初步判断聚成5类

2. 保存类别

3. 聚类效果检验

方差分析：分析→比较平均值→单因素ANOVA

4. 类别命名

因子类别是分类变量，因此使用交叉分析描述各类别在生活状态上的差异：分析→描述统计→交叉表
保费金额是数值变量，因此使用比较均值描述各类别在消费档次上的差异：分析→比较平均值→平均值

根据上面的交叉表（类别）和均值（保费），对5类客户进行命名：

6.3.4、目标客户选择

如何选择目标客户？需要考虑两个问题：
● 客户吸引力如何，值不值得你去做？
● 企业竞争力如何，你能不能做得来？
刻画客户吸引力的指标有客户规模、增长率、利润空间、生命周期等；
刻画企业竞争力的指标有企业的市场份额、品牌口碑、资源实力等。

1. 确定衡量指标

在本案例中，经过公司讨论，决定使用【客户规模+保费金额】衡量对客户的吸引力，使用【市场份额】衡量公司在各类用户上的竞争力。

2. 计算客户吸引力

频数统计：分析->描述统计->频率

image.png

客户规模（上图的【有效百分比】）+保费金额（前面【类别命名】那儿），用于衡量客户吸引力。
由于该保险公司是一个坚持低成本策略的企业，因此更关注客户规模，赋予客户规模的权重60%和保费金额的权重40%。
由于两者量纲不同，因此需要进行标准化处理：

3. 计算企业竞争力

交叉分析：分析->描述统计->交叉表

4. 绘制矩阵图

从下图可以看到，该公司的目标客户是中端外向型。

6.3.5、目标客户定位

1. 目标客户特征描述

通过方差分析判断该公司的目标客户（中端外向型）与其他类型客户在哪些方面存在显著差异。
方差分析：分析->比较平均值->单因素ANOVA检验。
从下图可以看到，各类用户在性别、年龄、城市、收入等方面存在显著差异。

然后，寻找目标客户在这几个特征上的具体差异。
对应分析：分析->降维->最优尺度

上图可以看到，目标客户（中端外向型）多集中在北京、武汉，汽车价格在20-30万，年龄分布在31-40岁，倾向于男性。

2. 目标客户需求定位

对目标客户的需求进行定位，同样也是方差分析->交叉分析/比较均值
1、通过方差分析找到目标客户在保费金额、保险公司的选择、一站式服务/网上投保/产品个性化考虑程度、选择保险公司考虑的因素和满意度7个方面存在显著性差异。

方差分析

2、对这7个方面，进行交叉分析/比较均值，描述各类群体在这些需求上的具体差异。
分类型数据，使用交叉分析（交叉分析：分析->描述统计->交叉表）
数值型数据，使用比较均值（比较均值：分析->比较平均值->平均值）

3、最后，分析目标用户（中端外向型）在决策时间、收集信息、投保渠道、索赔经历上的需求特征。
由于各类用户在上述需求方面不存在显著差异，所以不需要对比分析，只需要看目标用户即可。
第一步：选择只分析中端外向型客户（数据->选择个案）
第二步：频数统计（分析->描述统计->频率）

第7章、品牌建设分析：某手机品牌建设分析

背景：手机竞争日趋激烈，品牌提升成为品牌B的抓手。而要提升品牌，就要摸清目前品牌建设的现状和存在的问题，为此品牌B立项开展手机品牌建设调研。

7.1、研究目的：提升品牌价值

商品的本质是包含了精神和功能两种价值（见图7-1）。其中，功能价值的载体是产品，而精神价值的载体就是品牌。比如你去麦当劳吃快餐，你吃饱了，这是产品部分实现的功能价值；你感到自己融入了现代的生活中，这就是品牌部分实现的精神价值。所以说，品牌是传达给人们精神价值的载体。

如果没有塑造出品牌，卖的是产品，利润有限；而企业一旦塑造起深入人心的品牌，其售价就会提高数十倍甚至上百倍，能够给企业创造更多的利润和价值。
因此，本案例研究的目的在于提升品牌价值。更确切地说，是希望获得品牌溢价。

7.2、研究内容：品牌认知与行为

1. 品牌形象

当品牌定位和品牌形象一致时，品牌才能充分发挥价值。

2. 品牌知名度

只有品牌知名度到达某一点后，使用率才会迅速上升。

衡量品牌知名度的指标有三项：第一提及知名度、提示前知名度和提示后知名度。

1. 第一提及知名度：消费者第一提及的品牌，在消费者心目中甚至是该类产品的象征，常把它作为品牌在消费者心中份额的度量；
2. 提示前知名度：真正的知名度；
3. 提示后知名度：认知度，判断新品牌的发展潜力。

受访者100人，30人首先提及B品牌，10人随后提及B品牌，20人经提醒后想起了B品牌，则
第一提及知名度=30/100
提示前知名度=（30+10）/100
提示后知名度=（30+10+20）/100

3.品牌流转

7.3、数据处理

1、各品牌第一提及知名度
频率分析：分析->描述统计->频率
2、各品牌提示前知名度
由于提示前知名度需要将【第一知名度】相加，直接用频率分析会导致数据不全，需要用到多重响应。
多重响应：分析->多重响应->定义变量集
多重响应的频率分析：分析->多重响应->频率

3、各品牌提示后知名度
同理，应用多重响应的频率分析

4、品牌流转数据处理
品牌流转体现在品牌知名度、熟悉度、美誉度、购买度、满意度和忠诚度上。
知名度在上述步骤已经求出，同理求出熟悉度和美誉度（多重响应）；
购买度为单选题，使用频率分析（分析->描述统计->频率）即可；
满意度和忠诚度需要与用户购买的品牌做交叉分析：分析->描述统计->交叉表

7.4、品牌形象分析与解读（1）

品牌形象分析的常用方法是品牌知觉图。
所谓品牌知觉图，是指用距离远近反映品牌与精神价值相关程度的图形。距离越近，表示相关程度越大。如图所示：

品牌知觉图的解读

品牌知觉图主要有4种解读方式：圆心定理，原点定理，向量分析，余弦定理

品牌知觉图的制作

对应分析将交叉表中变量间的关联关系转化为散点间的位置关系，以形象的对应图直观展示出来。其主要适
用于有多个类别的分类型变量。
在品牌形象数据中，“品牌”和“指标”两个变量均为分类型变量，适用于对应分析。具体操作如下：
1、设置权数：数据->个案加权->频率变量
2、对应分析：分析->降维->对应分析

3、添加X、Y轴参考线，并解读

4、解读

7.5、品牌知名度分析与解读（2）

品牌提示前知名度反映消费者对品牌的回忆状况，提示后知名度反映消费者对品牌的认知程度，要想全面反映品牌在知名度上的表现，则要用到Graveyard模型。
Graveyard模型：
（1）正常品牌：位于回归直线（曲线）周围，品牌知名度与市场上的平均水平比较一致。
（2）衰退品牌：位于回归直线（曲线）右下方的品牌，其提示前知名度明显低于提示后知名度，显现出该品牌被消费者淡忘的趋势。
（3）利基品牌：位于回归直线（曲线）左上方的品牌，其提示前知名度比提示后知名度高，虽然品牌认知率相对不高，但是品牌回忆率较高，消费者对其忠诚度较高。
（4）强势品牌：位于回归直线（曲线）右上方的品牌，其提示前知名度和提示后知名度均很高，消费者对其忠诚度极高，这些品牌大多是市场上的强势品牌。

7.6、品牌流转分析与解读（3）

从上图可知，品牌B的用户流失主要发生在熟悉度->美誉度（转化率51%）和美誉度->购买度（转化率41%）。

多重响应分析，研究流失用户去向：
分析->多重响应->定义变量集
分析->多重响应->交叉表
从下面两表看到，在购买决策阶段，品牌F是最主要的竞争对手，其次是品牌A。

1.熟悉度->美誉度
与其他品牌相比，品牌B在【熟悉度->美誉度】这个环节的转化率最低（51%），因此需要分析此环节的流失原因。
频数统计：分析->描述统计->频率

对品牌B的固有印象（认为品牌B是大家电品牌，即品牌B做手机非科班出身，是半道出家）是用户不考虑它的首要原因，有负面新闻是用户不考虑品牌B的重要原因。这说明品牌B在用户引导以及舆情公关方面有待加强。另外，在不考虑品牌B的用户中有15%认为其功能偏少，12%认为其外观不好看，这说明品牌B在产品设计上也需要提高。

2.美誉度->购买度
从品牌流转方向分析可知，品牌B在此环节上的转化率最低，只有41%（即流失率高达59%），最大的竞争对手是品牌F和品牌A。
为提升品牌B相对于品牌F和品牌A的竞争力，减少用户流失，需要搞清楚两个问题：
● 用户在购买手机时主要关注哪些因素，即各项因素的重要性如何？ （Q7）
● 品牌B在这些因素上的表现如何，即与品牌F和品牌A的差距具体是什么？ （Q8）
Q7属于数值型数据，采用均值分析：分析->描述统计->描述
Q8需要和Q6进行交叉分析，才能明确购买各品牌的原因，采用交叉分析：分析->描述统计->交叉表

考虑到重要性，做四分图：
在最重要的基本类和评价因素中：品牌B的评价表现较差，需要重点改进；品牌B的基本类优势明显，继续保持。

第8章、营销组合分析：某厨电公司的营销决策

背景：厨电行业竞争白热化，行业集中度提高，形成以老板和方太为代表的双寡头竞争格局。
甲厨电公司主要经营吸油烟机、燃气灶、消毒柜三大厨房大家电品类，市场份额在10%左右。一方面，市场份额上升空间有限；另一方面，面临二三线品牌的竞争，甲厨电公司很可能会被赶超。甲厨电公司要想在厨电行业提升竞争力，需要精耕细作——做好产品、定好价格、铺好渠道、打好促销。
假设你是甲厨电公司数据资源管理部的研究总监，你该如何为公司营销决策提供支持呢？

8.1、研究内容：营销组合分析

营销决策是否科学，关键在于营销组合是否均衡。
营销组合=产品+价格+渠道+促销

8.2、规模预测

1、季节分解法预测下一年的销量

时间序列的构成要素

销售额Y有两种模型：

• Y=T+C+S+I
• Y=T×C×S×I （通常用乘法模型）

SPSS操作：
1、数据->定义日期和时间
2、分析->时间序列预测->季节性分解 （得到S）
3、输入待预测的年份和季节(复制S)

预测T*C：
4、数据->定义日期和时间
5、趋势外推：分析->回归->线性

预测销售额：
6、转化->计算变量

2、类比法和因素推算法预测未来10年的市场规模

麦肯锡市场规模预测（市场因素推算法）：https://www.jianshu.com/p/fd52cae4d861
定位标题：蛋糕到底有多大? 通过市场规模分析观测行业发展情况
具体方法：自上而下+自下而上

3、回归预测，预测某一年的生产要素

Excel操作：
1、对Y、K、L做ln（因为excel的回归是线性回归，需要将道格拉斯函数线性化）
2、数据->数据分析->回归
3、确定A、α、β的值，求出回归方程
4、假设检验
5、回归预测

8.3、产品属性分析

1、KANO属性分类
● 必备属性（简称M）：产品或服务的最核心的属性。具备该属性，只能使用户不会产生不满情绪。比如，加热
● 一维属性（简称O）：与用户态度线性正相关的属性。若具备该属性，则用户满意；若不具备该属性，则用户不满意。比如，快速解冻
● 魅力属性（简称A）：用户期望的属性。具备该属性会让用户满意，不具备该属性也不会招致不满。比如，多种烹饪
● 可有可无属性（简称I）：无论是否具备该属性，用户都无所谓，这是多余的属性。比如，放歌
● 厌恶属性（简称R）：具备该属性，反而招致用户不满。比如，烘烤（因为高温，不安全）
2、KANO属性两大原则
● 优先原则：M>O>A>I
● 组合原则：M+O+A
3、数据处理

4、制作Better-Worse系数矩阵

8.4、定价决策分析

PSM（Price Sensitivity Measurement）模型即价格敏感度测试模型。利用PSM模型测试价格，不需要预先给出价格，而是让受访者自己表示他们可接受的价格范围。适用于新品定价，或者市场竞争不激烈时的满意定价（游戏、工具、课程、电商商品）。
Q1：哪个价格让你开始觉得便宜呢？
Q2：哪个价格让你开始觉得贵呢？
Q3：哪个价格让你觉得太贵而不买呢？
Q4：哪个价格让你觉得太便宜，不相信它的质量而不买呢？

8.5、流量渠道价值评价

流量渠道评价：规模、互动、转化、收益

1、评价指标：ROI与Engagement

ROI考虑了规模、转化和收益，未考虑到互动；
Engagement（用户参与度）则综合反映了用户的互动行为。
反映用户互动行为的指标可以归为数量指标和质量指标，如下：

不同类型的Engagement也不同

Engagement的计算分为6步（具体操作可参考第4章内外因素评价矩库的计算）：

2、评价方法：矩阵分析（波士顿矩阵）+归因分析

从上面两张图可以看到，渠道2、5、6、7整体较差（ROI与Engagement都低；流量少、客单价低、获客成本高），这意味着他们没有价值吗？不一定，还要看他们对其他渠道的助攻作用。

企业购买渠道流量，不能要看转化最终发生在哪里，还要分析在转化过程中哪些渠道有贡献，以及贡献有多大。这就是归因分析在流量渠道价值评价上要解决的问题。常见的归因方式如下：
● 最后归因（在互联网领域最常用）
● 首次归因
● 平均归因
● 时间衰减归因
● 自定义模型：生存分析，通径分析，马尔可夫链、夏普利值...

8.6、促销资源配置

资源配置三要素：目标函数、约束条件和决策变量。
使用excel求解（数据->规划求解），具体内容略。