¿#J6. 數據分析九大法

 

方法

重點

用途

B2B範例

1關聯分析

找出項目關聯關係

消費行為分析、推薦組合

出口商利用分析發現配套產品組合，提升交叉銷售

2對比分析

比較變化與原因

業績監控、策略調整

對比市場訂單變化，重新分配推廣區域

3聚類分析

將相似群體歸類

精準行銷、風險分層

依訂單頻率與付款條件分群，設定信用策略

4留存分析

觀察用戶黏著度

客戶維繫、產品優化

設計再採購方案提升老客留存

5帕累托分析

專注關鍵少數

資源配置、績效管理

對前 20% 大客戶投入高階服務

6象限分析

維度交叉定位

市場定位、產品組合

根據毛利與出口量分象限制定策略

7 A/B 測試

驗證方案優劣

推廣優化、報價測試

測試不同 EDM 內容，選出最佳回應率

8漏斗分析

掌握流程轉化

銷售漏斗優化

改善報價與樣品階段，提升成交率

9路徑分析

找出因果鏈條

策略預測與品牌投資

分析參展→信任→詢價→成交的影響路徑

 

01 關聯分析(Association Analysis)

核心概念： 找出「哪些項目總是一起出現」。
常用指標：

支持度：A、B 同時出現的頻率。

置信度：購買 A 後也買 B 的概率。

提升度：>1 表示真相關，而非巧合。

用途： 消費行為分析、推薦系統、商品組合優化。

應用範例：
零售業發現「買尿布的人常買啤酒」，將兩者擺在相鄰貨架，提高銷售額。

B2B範例：
出口商利用關聯分析發現「購買鋁製零件的企業，同時有高機率訂購塑料密封環」，因此在報價單中自動推薦配套產品，提高交叉銷售比率。

02 對比分析(Comparison Analysis)

核心概念： 看懂變化的第一步。比較不同對象、時間或目標差異。
常見類型：

橫向：同時期不同市場、客戶群比較。

縱向：同客戶不同季度或年度變化。

目標對比：實際業績 vs 預期。

季節/時間對比：淡旺季波動。

用途： 營運監控、業績分析、策略調整。

應用範例：
公司發現 Q2 銷售額下滑，進一步分析為促銷活動減少所致，調整節奏後恢復成長。

B2B範例：
外銷公司對比不同地區的訂單量，發現拉丁美洲市場在匯率波動期間下單減少，而東南亞市場受影響小 → 因此將季度重點推廣轉移至東南亞市場。

03 聚類分析(Cluster Analysis)

核心概念： 把「相似的放一起」。
常用算法：
K-Means、層次聚類、譜聚類。

用途： 用戶分群、精準行銷、產品定位。

應用範例：
社交 App 依使用行為分群為「追星族」「美食控」「遊戲黨」，針對推送內容，提升轉化率。

B2B範例：
出口商將客戶依「訂單頻率、付款條件、訂單金額」分為三群：核心買家、潛在成長買家與高風險客戶。根據分群調整信用額度與推廣力度，降低呆帳風險並提升續約率。

04 留存分析(Retention Analysis)

核心概念： 看「來的人能留多久」。
主要指標：

日留存、週留存、月留存。

用途： 客戶維繫、產品優化、使用者行為追蹤。

應用範例：
遊戲公司發現次日留存低，調整新手流程後顯著改善。

B2B範例：
一家化工原料供應商分析留存數據，發現客戶首次採購後若 90 天內未重複下單，其流失率高達 70%。公司據此設計「再採購折扣方案」及專屬客服跟進，提高復購率與客戶終身價值。

05 帕累托分析(Pareto Analysis)

核心概念： 聚焦「最關鍵的 20%」。
方法：

80/20 法則：20% 因素帶來 80% 結果。

ABC 分析：A 類最重要、B 類次之、C 類影響小。

用途： 資源配置、績效管理、庫存策略。

應用範例：
企業發現 20% 商品貢獻 80% 營收 → 加大資源投放。

B2B範例：
製造商分析出前五大客戶貢獻公司 75% 的出口額，據此分配銷售團隊資源，對 A 類客戶提供快速報價與專屬物流通道，強化長期合作關係。

06 象限分析(Quadrant Analysis)

核心概念： 以兩個或多個維度交叉比較，將資料分為四象限，一眼辨識「高價值 vs 低效率」或「潛力 vs 風險」。
常用模型：

RFM 分析： 消費最近度(Recency)、頻率(Frequency)、金額(Monetary)。

波士頓矩陣(BCG)： 市場成長率 × 市場佔有率，區分「明星、金牛、問題、瘦狗」業務。

用途： 客戶管理、產品組合決策、投資或市場策略判斷。

應用範例：
企業使用 RFM 分析找出「高頻高額客戶」，提供專屬優惠與會員服務以提升忠誠度。

B2B範例：
一家外銷電子零件公司根據出口量與毛利率建立象限圖，發現「高利低量」市場(如北歐)與「低利高量」市場(如南亞)可採不同策略：前者強化品牌溢價，後者著重自動化與成本控制。

07 A/B 測試(A/B Testing)

核心概念： 用實驗驗證假設，讓數據而非直覺決定最優方案。
步驟：

設定目標(如提升轉化率或詢價量)

設計兩版本(A 舊、B 新)

隨機分組並監測結果

根據統計顯著性選出最佳方案

用途： 行銷素材測試、頁面優化、報價策略驗證。

應用範例：
教育 App 測試新版頁面，B 版轉化率提升 25%。

B2B範例：
貿易公司測試兩版 EDM 郵件：A 版主打價格優惠，B 版主打交期保證。結果 B 版獲得 30% 更多詢價。據此調整未來推廣策略，強化供應鏈可靠度作為賣點。

08 漏斗分析(Funnel Analysis)

核心概念： 將客戶行為流程視為漏斗，分析每個階段的轉化率與流失率。
典型模型：
AARRR 模型：獲取(Acquisition)→ 激活(Activation)→ 留存(Retention)→ 變現(Revenue)→ 推薦(Referral)。

用途： 銷售轉化優化、用戶體驗改善、流程瓶頸診斷。

應用範例：
電商分析「瀏覽→加購→支付」流程，發現付款流程繁瑣導致掉單，簡化後轉化率提升。

B2B範例：
一家工業設備出口商設計銷售漏斗：網站造訪 → 詢價 → 報價 → 實體樣品測試 → 成交。
分析後發現「報價→樣品」階段流失最高，主因為交期未明確。改善報價模板並提供交期模擬工具後，樣品轉單率上升 40%。

09 路徑分析(Path Analysis)

核心概念： 探究變數間的因果關係與中介效應。比關聯分析更進一步，找出「A 如何經由 B、C 影響最終結果」。

用途： 策略規劃、品牌價值評估、預測模型建構。

應用範例：
品牌發現「廣告投放→品牌認知→購買意願→實際銷售」呈現正向鏈條，強化品牌層面的長期投入。

B2B範例：
出口商以路徑分析追蹤「參展次數 → 客戶信任度 → 詢價量 → 成交率」，發現參展帶來的主要效益在於提升信任感與品牌形象，而非即時訂單。據此決定未來將展會作為品牌策略投資的一環。