大数据手段

1. 离线数仓

把每天账单、话单等“先存后算”，T+1出报表 昨日5G套餐收入，凌晨3点跑完，早上8点领导看板 

2. 实时流计算

数据像水一样流进来，秒级出结果 用户通话60秒没挂断，系统实时赠送1GB流量包 

3. 用户标签/画像

给每个号码贴“学生、夜间党、视频狂魔”等便利贴 识别“低ARPU+高流量”学生群，推校园卡，转化率↑30% 

4. Look-alike扩量

找“和高价值用户像”的潜客 已知5G高端包10万人，模型再圈出200万“相似”号码做短信群发 

5. 事件营销漏斗

从“短信→点击→办理”每一步看流失 发现“点击率低因落地页慢”，页面提速2秒，转化率+7% 

6. 离网预警模型

算“谁可能换号”，提前挽尊 模型打分>0.8的50万用户，客服外呼送话费，留存率+12% 

7. 位置热力

用基站话单算“哪里人多人少” 晚8点CBD基站群流量飙红，临时开应急通信车 

8. Cohort留存分析

把同月新入网用户放一组，看后续几个月还剩多少 1月校园迎新 cohort，第3个月留存仅65%，发现是套餐流量太少 

9. A/B测试

一群推A套餐，一群推B套餐，比哪边收入多 A组送视频会员，B组送语音分钟，一周后A组ARPU高3元，全量上线 

10. 携转预警

发现“查携转码”行为，立刻拦截 用户发短信CXXZ到10086，系统10分钟内推“送120元话费”专属优惠 

---

市场经营策略

通用“三步法”模板，任何行业都能 3 分钟套完——

1. 先分层：用 80/20 法则把客户按“贡献度”切成 A/B/C 三层；

2. 再找杠杆：只盯“可提升空间最大”的那一个指标（复购率、客单价、续费、转介绍……）；

3. 最后闭环：用最小可行 A/B 实验验证，一周看结果，快速滚动。

把这三句背下来，面试提到“怎么提策略”，直接甩模板，再补一个行业例子即可。

RFM分群

一句话先给结论：

RFM 就是把“多久没来、来得勤不勤、一次花多少钱”换成 1～5 分，谁分数高就对谁好，谁分数低就拉一把，完事儿。

---

再拆成 3 步，保证小学数学就能懂：

1. 先拿 3 个数

   ① 昨天今天都没来 → 天数越大越差

   ② 来的次数越多越香

   ③ 花的钱越多越香  

2. 把 3 个数变成“1～5 星”

   就像淘宝给店家打分：

   天数最少的前 20% 给 5 星，次 20% 给 4 星……最慢的那 20% 给 1 星。

   次数、金额同样操作。

   于是每个人都得到 3 颗星，比如“5-4-2”。

3. 看星星发糖

   星星高的：送贵糖，让他更开心。

   星星低的：送大糖，把他拉回来。

   星星中等的：送小糖，省点钱。

---

举最生活的例子——奶茶店：

顾客 多久没来 来了几次 花了多少钱 星星 简单做法 

小王 1 天 10 次 300 元 5-5-5 给他专属新品，让他发朋友圈 

小李 30 天 2 次 40 元 2-2-2 发“9.9 元任意杯”券，再不来就放弃 

小张 7 天 6 次 120 元 4-4-3 推“买二送一”提频，让他再多来 

---

一句话记住：

“多久/几次/多少钱”→ 换 1～5 星 → 星高的宠，星低的拉，这就是 RFM 分群。

---

监控市场指标

监控市场经营指标是否“达标”，各行各业都靠“3 张表 + 6 个模型”做通用底座。下面给你 15 分钟速通版：先记“表”，再记“模型”，听到任何指标都能马上套。

---

一、3 张通用监控表（先知道看什么）

表别 典型一级指标 一句话含义 红灯阈值（举例） 

① 流量表 曝光、UV、CTR 市场有没有看到你 CTR<行业 75% 分位 

② 转化表 线索数、转化率、成交率 看了有没有买 日转化环比<-5% 

③ 价值表 客单价、复购率、LTV 买了够不够赚 LTV<CAC×3 

---

二、6 个常用监控模型（再知道怎么判）

1. 平衡计分卡 BSC

   知识点：把目标拆成“财务-客户-内部流程-学习”4 视角，每视角 3-5 个 KPI；任何指标飘红都能定位到对应视角。

   例子：发现“新客户占比”跌破红线→回到“客户”视角，发现是“品牌认知”KPI 落后，立即加投放。

2. KPI 红绿灯仪表盘

   知识点：只选≤9 个核心指标；绿/黄/红三段用 80%/95%/100% 目标值做界；大屏 5 分钟刷新一次。

   例子：连锁便利店每日 9:30 前看“销售额-毛利率-库存周转”三灯，任一灯红即微信推送区经。

3. 漏斗 AARRR

   知识点：Acquisition→Activation→Retention→Revenue→Refer，每层放 1 个率值；用“层级跌幅”找堵点。

   例子：SaaS 发现“Activation→Retention”跌幅 30%，定位新用户引导页加载>5s，优化后跌幅降到 15%。

4. RFM-O 交叉（R+F+M+订单间隔）

   知识点：把客户分 8 群，监控“高价值流失预警”人群占比；占比>5% 即触发外呼/短信挽回。

   例子：化妆品电商该人群占比 6%，推“199-100”专享券，7 天转化率 18%，销售额+800 万。

5. 时间序列+控制图（SPC）

   知识点：用过去 12 周值算均值±3σ 上下界；当天指标突破上界或下界即“异常点”，发告警。

   例子：快消公司监控“市场份额”，连续 2 天跌破下界→触发“渠道冲货”稽查。

6. EVA 经济增加值

   知识点：EVA=税后净营业利润−资本成本；EVA<0 就算会计盈利也在毁价值，需立刻砍掉或重组。

   例子：银行信用卡中心发现某产品线 EVA 连续两季为负，立即收紧授信，把资本腾到 EVA 为正的分期贷。

---

三、一句话背完

“4 视角 BSC 定 KPI→仪表盘看红黄绿→AARRR/RFM 找堵点→时间序列控界线→EVA 保价值。”

把这 6 个模型名字、核心数字、红灯规则记死，任何行业监控指标都能 3 分钟说出方案。

一句话结论：

监控就是“先画三条线，再设一个铃”——达标线、预警线、危险线，指标一碰线铃就响，马上找人救火。

---

生活化解释，只看三条线：

1. 画线

   拿去年平均值当“达标线”，再往下放 10% 叫“预警线”，往下 20% 叫“危险线”。

2. 挂铃

   今天销售额跌到预警线→微信群自动发黄色表情；跌到危险线→红色表情+@总监。

3. 救火

   谁被@谁就去查原因：货不够？对手降价？广告停了？找到就补，再把指标拉回达标线以上。

---

小卖部门口例子：

日均卖 1 000 元

达标线＝1 000

预警线＝900

危险线＝800  

今天只卖 750→红色铃响，老板立刻加“第二瓶半价”，晚上拉回 1 100，危险解除。

一句话记住：

“画三条线，挂一个铃，谁碰谁改”——这就是通用的指标监控法。

---

深度调研＋数字挖掘

一句话先给结论：

“深度调研”先把问题切成 3 层原因，“数据挖掘”再用 3 个算法把原因变成钱——记住“3 层 + 3 算法”就能 15 分钟上手。

---

一、深度调研：3 层因果法（任何行业都能套）

层级 问句 工具 生活小例子（奶茶店没生意） 

① 表层 “到底哪项指标跌？” 漏斗/对比/趋势图 发现“复购率”从 35%→18% 

② 中层 “为什么跌？” 5Why+小组访谈 连续问 5 个“为什么”追到——新品茶底太苦 

③ 底层 “会损失多少钱？” 测算模型 复购掉 17 pct，每月少卖 1 200 杯，毛利少 1.4 万 

口诀：先找数→再问人→再算钱，一层比一层深。

---

二、数据挖掘：3 个常用算法（小白也能用 Excel 跑）

1. 关联规则（购物篮）

   知识点：支持度≥1%、置信度≥30%、提升度>1 就算“搭着卖”有效。

   操作：Excel 插件 “XLSTAT”→Association Rules→选订单明细→一键出结果。

   例子：便利店算出卖啤酒→尿片置信度 32%，把尿片摆啤酒冰柜旁，尿片销量+18%。

2. 分类预测（决策树）

   知识点：信息增益最大先分叉，深度≤5 层防止过拟合；准确率=预测对/总数。

   操作：Python 3 行 `sklearn.tree.DecisionTreeClassifier(max_depth=5)`；Excel 2019 以上自带“预测工作表”。

   例子：银行用 6 个变量（年龄、负债比…）树状分叉，预测“违约”准确率 87%，拒绝坏客户省下 2 千万坏账。

3. 聚类（K-means）

   知识点：手肘法找 K（SSE 下降变缓即拐点），轮廓系数>0.5 说明分得清。

   操作：Excel → 数据→数据分析→K-means；或 Python `KMeans(n_clusters=4)`。

   例子：淘宝把 10 万买家聚 4 群，发现“高价夜猫”群仅 6% 却贡献 37% GMV，专门推高端新品，客单价+22%。

---

三、合在一起的工作流（背这条就行）

1. 指标异常→  

2. 5Why 找原因→  

3. 建数据表→  

4. 跑“关联/分类/聚类”任一算法→  

5. 算出收益→  

6. 小范围 A/B→  

7. 全量上线并写报告

---

一句话带走：

“指标跌→先 5Why 挖 3 层→再跑关联/树/聚类任一算法→算出能挣多少钱→7 天 A/B 验证”，这就是深度调研+数据挖掘的通用套路。

“深度调研”先把问题切成 3 层原因，“数据挖掘”再用 3 个算法把原因变成钱——记住“3 层 + 3 算法”就能 15 分钟上手。

---

一、深度调研：3 层因果法（任何行业都能套）

层级 问句 工具 生活小例子（奶茶店没生意） 

① 表层 “到底哪项指标跌？” 漏斗/对比/趋势图 发现“复购率”从 35%→18% 

② 中层 “为什么跌？” 5Why+小组访谈 连续问 5 个“为什么”追到——新品茶底太苦 

③ 底层 “会损失多少钱？” 测算模型 复购掉 17 pct，每月少卖 1 200 杯，毛利少 1.4 万 

口诀：先找数→再问人→再算钱，一层比一层深。

---

二、数据挖掘：3 个常用算法（小白也能用 Excel 跑）

1. 关联规则（购物篮）

   知识点：支持度≥1%、置信度≥30%、提升度>1 就算“搭着卖”有效

   操作：Excel 插件 “XLSTAT”→Association Rules→选订单明细→一键出结果。

   例子：便利店算出卖啤酒→尿片置信度 32%，把尿片摆啤酒冰柜旁，尿片销量+18%。

2. 分类预测（决策树）

   知识点：信息增益最大先分叉，深度≤5 层防止过拟合；准确率=预测对/总数。

   操作：Python 3 行 `sklearn.tree.DecisionTreeClassifier(max_depth=5)`；Excel 2019 以上自带“预测工作表”。

   例子：银行用 6 个变量（年龄、负债比…）树状分叉，预测“违约”准确率 87%，拒绝坏客户省下 2 千万坏账。

3. 聚类（K-means）

   知识点：手肘法找 K（SSE 下降变缓即拐点），轮廓系数>0.5 说明分得清。

   操作：Excel → 数据→数据分析→K-means；或 Python `KMeans(n_clusters=4)`。

   例子：淘宝把 10 万买家聚 4 群，发现“高价夜猫”群仅 6% 却贡献 37% GMV，专门推高端新品，客单价+22%。

---

三、合在一起的工作流（背这条就行）

1. 指标异常→  

2. 5Why 找原因→  

3. 建数据表→  

4. 跑“关联/分类/聚类”任一算法→  

5. 算出收益→  

6. 小范围 A/B→  

7. 全量上线并写报告

---

一句话带走：

“指标跌→先 5Why 挖 3 层→再跑关联/树/聚类任一算法→算出能挣多少钱→7 天 A/B 验证”，这就是深度调研+数据挖掘的通用套路。

---

全面扫描＋输出画像

一句话结论：

“全面扫描”=“拿 4 张底片 → 跑 3 条线 → 出 1 份画像报告”，30 分钟能复刻，任何区域、任何生产单位都能用。

---

一、4 张底片（数据从哪里拍）

底片 拍什么 通用来源 知识点一句话 

① 财务底片 挣钱/花钱 利润表、现金流 ROA≥5% 算健康 

② 产能底片 产量、利用率 MES、设备日志 产能利用率<75% 叫闲置 

③ 质量底片 缺陷、返工 ERP 工单、质检表 一次合格率<95% 要报警 

④ 人力底片 人头、工时 考勤、薪资系统 人均产值=营收/人数，行业 Top25% 做标杆 

口诀：先锁“钱-货-质-人”四类表，缺哪张就先让 IT 导。

---

二、3 条线（怎么快速扫描）

1. 对标线——“和谁比”

   知识点：用行业 Top25% 分位当“优秀线”，中位值当“及格线”。

   工具：Excel 的 PERCENTRANK.INC 直接算分位。

   例子：区域 6 家工厂，人均产值 Top25% 是 180 万/人，低于 120 万/人即红色。

2. 趋势线——“往哪走”

   知识点：连看 12 个月，环比连续 3 个月下滑叫“趋势恶化”。

   工具：折线图加“趋势线-线性”即可。

   例子：某厂产能利用率从 85→82→78%，触发“外协订单”预警。

3. 聚类线——“谁像谁”

   知识点：K-means 把工厂按 4 张底片得分聚 3 堆，轮廓系数>0.5 即可。

   工具：Python 3 行 `KMeans(n_clusters=3)`；Excel 2019+ 自带“聚类”。

   例子：聚出“明星-平平-落后”三堆，落后堆共性：产能利用率<70%、一次合格率<90%。

---

三、1 份画像报告（1 页 A4 就能交）

结构固定 4 段：

① 快照表：4 张底片当前值 + 三色灯（红/黄/绿）

② 雷达图：财务、产能、质量、人力 4 轴，一眼看短板

③ 聚类堆：把工厂标成★/▲/● 三类，附“共性+个性”各一句

④ 行动清单：每条短板只写“谁+干什么+几号完成”

模板一句话：

“雷达图找短边，聚类图找同类，红绿灯找急活，30 分钟出 A4。”

---

四、15 分钟速通例子——省级电网 12 家分公司扫描

1. IT 导数据 → 4 张底片自动生成 CSV  

2. Excel 算分位 → 低于 Top25% 亮红灯  

3. Python 聚 3 类 → 明星 3 家、平平 6 家、落后 3 家  

4. 雷达图短边：落后类“人均运维公里数”只有明星 60%  

5. 行动：落后 3 家 7 日内各派 1 组专家驻场，目标 3 个月把指标拉到及格线

一句话背走：

“钱-货-质-人 4 张底片 → 对标/趋势/聚类 3 条线 → 雷达+红绿灯 1 页 A4，就是区域生产单位画像万能公式。”

---

名词解释

1. Look-alike扩量

   给你一批“好用户”种子，算法在大盘里找行为/属性最像的人，帮你把广告再投一遍，扩大客源。

2. ARPU (Average Revenue Per User)

   平均每用户每月（或每年）给你掏多少钱。算法：当期收入 ÷ 同期平均用户数。

3. A/B测试

   同一目的做两套方案，随机分两组用户，只看一个核心指标，谁赢全量上线，用数据不用拍脑袋。

4. UV (Unique Visitor)

   当天/当周只算一个人，重复访问不计，看“到底来了多少人”。

5. CTR (Click-Through Rate)

   点击次数 ÷ 曝光次数，衡量广告或标题是否吸引人。

6. KPI (Key Performance Indicator)

   核心考核指标，老板只问你“KPI 完成没”。

7. 毛利率

   （销售收入 − 销售成本）÷ 销售收入，越大越挣钱，不含人工和房租。

8. EVA (Economic Value Added)

   税后净营业利润 − 全部资本成本。>0 才真创造价值；<0 利润再高也是毁值。

9. ROA (Return on Assets)

   净利润 ÷ 总资产，看企业用全部资产生钱的能力。

10. 环比

    本月与上月（或本季与上季）比，反映短期变化速度。

11. 产能利用率

    实际产量 ÷ 最大可能产量，<75% 通常算闲置，>90% 接近满负荷。

EVA

把 EVA 当成“真正剩下的钱”——

利润里再减掉“老板掏钱的成本”，为正才说明企业真在创造新财富。

一句话给你拆干净：

利润只减了“借钱的利息”，没减“股东掏钱的租金”；EVA 再把股东租金也减掉，剩下才是“真赚”。

---

生活例子——你开小奶茶店

1. 利润表

   一年营收 100 万－原料人工房租 70 万－银行利息 5 万＝利润 25 万

   → 会计说“你赚了 25 万”。

2. 股东租金（资本成本）

   你舅舅当初投 100 万装修+设备，他本可以拿去存理财，稳拿 8% 回报。

   这 8% 就是“股东的钱该付的租金”＝100 万×8%＝8 万。

3. EVA

  25 万利润里再减掉这 8 万“股东租金”＝EVA 17 万

   17 万>0 → 你真给舅舅多挣了 17 万，企业创造价值；

   如果 EVA –3 万，说明利润还不够付舅舅的租金，表面盈利其实在毁价值。

---

一句话背走：

利润只扣了债主利息；EVA 连股东利息也扣，扣完还有剩才叫真赚钱。