産品分析是數據分析永遠繞不開的一環，但是很多人在對産品進行分析的時候，會因為無從下手而産生很多疑問，比如怎麼分析每一種産品對于用戶的吸引力？如何衡量産品的比重？如何準确掌握産品更叠速度？如何對其進行有計劃的投入呢？

典型例子比如某家手機品牌，其旗下手機的品種檔次很多，而手機産品更叠速度之快也不用多說，為了實現品牌的差異化必然要不斷推出新品，這就帶來了問題：究竟是要大量投入新品還是舊品呢？如果投入的産品根本不受歡迎，就會血本無歸，這也是很多電商面臨的問題。

今天我們要介紹的這個數據分析模型——波士頓矩陣，正可以完美解決這個問題！

波士頓矩陣（BCG Matrix），又稱市場增長率-相對市場份額矩陣，由美國著名的管理學家、波士頓咨詢公司創始人布魯斯·亨德森于1970年首創，它是通過銷售增長率（反應市場引力的指标）和市場占有率（反應企業實力的指标）來分析決定企業的産品結構。

• 市場吸引力包括企業銷售量增長率、目标市場容量、競争對手強弱、利潤高低等。其中最重要的是反映市場引力的綜合指标——銷售增長率，這是決定企業産品結構是否合理的外在因素。
• 企業實力包括市場占有率、技術、設備、資金利用能力等，其中市場占有率是決定企業産品結構的内在因素，他直接顯示出企業的競争實力。

波士頓矩陣将産品類型分為四種：

1，明星類産品：高增長且高市占，發展前景好，競争力強，需加大投資以支持其發展；

2，問題類産品：高增長但低市占，發展前景好但市場開拓不足，需謹慎投資；

3，現金牛産品：低增長但高市占，成熟市場的領導者，應降低投資，維持市占并延緩衰退；

4，瘦狗類産品：低增長且低市占，理論率低甚至虧損，應采取撤退戰略。

在現實中，我們也常利用波士頓矩陣分析一些其他的樣本，比如在本篇中，我們利用波士頓矩陣嘗試分析下用戶數據。

如果使用傳統的方法，針對數據分析場景，大家不約而同想到的都會是——Excel，但Excel在面對波士頓矩陣這樣的分析時，就會顯得力不從心，為什麼這麼說，看兩張圖你們就懂了：

沒錯，使用Excel進行波士頓矩陣的分析，不僅步驟繁雜，而且分析的維度在制表的時候就已經固定了。随着公司市場的不斷擴大，業務不斷增多，在繁多的維度和數據體量下，制作一張靜态圖表已經滿足不了分析需求。

比如我們想快速的做出2019年6、7、8月，上海、廣州、深圳地區，可樂、芬達、雪碧的波士頓矩陣圖，僅僅是提到的這幾個時間、地點、商品種類維度，就可以組合出3x3x3=27種不同的可能，難道我們要像上面填表的方法重複制作27遍？如果維度更多，定期制表，這個工作量簡直是難以想象！

至此，我們迫切的需要一種更方便的，更靈活的分析工具來分析數據。因此現代商業智能（BI）軟件應運而生。

什麼是商業智能（BI）？簡單點說，商業智能是使用數據為業務決策提供動力的一種概念，它可以是一種數據解決方案，也可以是一種數據分析技術，但其本質都是發揮數據隐藏的價值。

本文我們就以國内BI市場占有率第一的FineBI，作為樣本數據的分析工具。

1、準備樣本數據。這裡還是采用某餐廳的客戶數據（Excel）作為樣本，新建一個業務包，方便我們對數據進行分門别類的管理。同時将數據導入到FineBI中

2、數據字典：

3、使用FineBI的計算指标功能。計算出客單價（平均每個客戶每筆訂單的單價），客單價的含義是每個客戶的平均消費金額

公式：客單價=sum_agg(消費金額)/count_agg(客戶名稱)，這裡的難點是聚合函數(_agg)的使用

聚合函數：

當在添加計算指标、彙總、二次計算時，在添加計算字段的時候通過聚合函數提供了不同彙總方式選擇，包括求和，平均，中位數等等。當将包含聚合函數的計算指标添加到組件的指标欄後，随着用戶分析維度的切換，計算字段數據會自動跟随維度動态調整。

放在本例中，sum_agg算出的是根據維度（客戶名稱）彙總過的消費金額之和，而count_agg則是按照客戶名稱進行彙總過後的訂單數量，他們相除的結果就是每一個客戶，消費額之和除以消費筆數之和，即為客戶的單筆銷售額（客單價）。

FineBI的計算指标頁面

4、利用FineBI的散點圖制作波士頓矩陣圖

觀察給定的數據，系統中客戶中存在客戶的名稱，與對應的客戶類别。這種結構我們稱之為樹結構，本例中的樹型結構比較簡單，隻有客戶分類-客戶名稱兩級。

因此我們想要在波士頓矩陣圖中體現出這種層級關系，先查看ABCDE五個分類的總體情況，再根據需要查詢每個分類下的客戶情況

在FineBI中，實現這樣的效果也非常的簡單，隻需要将客戶名稱，拖動到客戶分類字段上，系統就會自動的生成帶有層級關系的客戶分類-名稱組合字段了：

之後再拖動記錄數（依賴于總行數）進入橫軸，客戶每消費一次，就會産生一行訂單數據，因此這個數據膠囊的含義為客戶消費的次數。

拖動剛才計算好的客單價計算指标進入縱軸：

增加兩個輔助線：a：平均金額=消費平均金額，b:消費次數=消費平均次數：

調整顔色為藍色，最後我們得到的散點圖如下：

根據波士頓分析，我們就把頻次和力度兩個屬性不同的用戶分析出來了，如：

消費次數超過平均值，每次消費力度也超過平均水平是明星客戶，需要重點關注和最高的禮遇；

消費次數超過平均值，但每次消費力度未達到平均水平為現金牛客戶，消費頻次比較頻繁，能帶來較為穩定的現金流，這類客戶是企業利潤基石；

消費未達到平均值，但每次消費力度超過平均水平是問題客戶，有希望轉化為明星客戶，但是存在潛在問題，消費頻次不高，需要重點跟進和長期跟蹤；

消費未達到平均值，消費力度也未達到平均水平屬于瘦狗客戶，不需要投入重點維系；

數據分析進階

在剛剛介紹的波士頓矩陣圖的基礎上，FineBI工具還可以根據其他維度對客戶進行多維分析：

比如消費力度和消費周期，用來找到最近消費的客戶，以及最近不常來的客戶，配合時間、樹過濾、滑塊過濾等不同的組件，分析明星客戶是否在流失，現金牛客戶是否在增長。

FineBI制作的客戶分析dashboard

在企業中如果能夠充分利用波士頓矩陣這個模型，就可以大大提高管理人員的分析決策能力，幫助他們以前瞻性的眼光看問題；同時一個好工具是非常必要的，FineBI這樣的BI工具最大的優點就是簡潔易用，可以更深刻地理解業務之間的聯系，挖掘數據潛能！

另外，本篇的案例數據和模闆都是免費的，就連使用工具FineBI個人版也是免費的，可以私信我“波士頓矩陣”獲取案例模闆和FineBI免費版。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部