重新整理了15种常用/常用的数据挖掘方式和数学模型
，并将其分成两类，方便快捷我们认知梦境，话不多话，间接开售！
奥波切茨使用者Kaysersberg
1、RFM预测
RFMKaysersberg用以对使用者展开展开分类，并推论每类行业龙头使用者的商业价值。透过这三个关键性分项推论顾客商业价值并对顾客展开检视和展开分类，特别针对相同的特点的顾客展开适当的网络营销思路。
2、帕雷托/ABC预测
ABC预测法可用作看清销售业务的重点项目和非重点项目，以同时实现综合化的网络营销管理工作。
3、波士顿矩阵预测
波士顿矩阵透过销售增长率和市场占有率，来将产品类型分成四类。
4、转化预测
转化漏斗数学模型，是工作中最常用的Kaysersberg，可以预测整条销售业务流程中的转化和流失情况，透过转化数据，精确定位每个环节流失使用者，进而定向网络营销促转化。
5、购物篮预测-关联规则
透过预测使用者消费数据，把相同商品展开关联，挖掘二者之间的联系，就叫做商品关联预测法。
6、复购率预测
指最近一段时间购买次数，用作说明使用者的忠诚度，反向则说明商品或服务的使用者黏性。
7、留存预测
留存预测是一种用以预测使用者参与情况/活跃程度的Kaysersberg，用以查看展开初始行为后的使用者中， 经过一段时间后仍然存在顾客行为。
8、月复购预测
月复购率预测可以帮我们检视使用者的忠诚度。提升复购率，可以提高使用者购买的频次。
9、AARRR使用者运营预测
AARRR数学模型又叫海盗数学模型，包含使用者增长的5个分项：获客、激活、留存、收益、传播。
10、使用者流入流出预测
对流入顾客和流出顾客的行为展开预测，预测后各个品牌的竞争力情况一目了然。
11、使用者画像预测
使用者画像预测用一句话来总结就是：使用者信息标签化。
对内部运营预测方式
12、需求预测方式—KANO数学模型
KANO数学模型是对使用者需求展开展开分类和优先排序的有用工具，将需求分成四类。这个数学模型能帮助我们从海量需求中找出最值得去做的事。
必备型需求（必须有）：即常说的痛点。对于使用者而言，这些需求是必须满足的，理所当然的。当不提供此需求，使用者满意度会大幅降低。这类是核心需求，也是产品必做功能。
期望型需求（应该有）：当提供此需求，使用者满意度会提升；当不提供此需求，使用者满意度会降低。通常作为竞品之间比较的重点项目。
兴奋型需求（可以有）：惊喜型产品功能，超出使用者预期，往往能带来较高的忠诚度。不提供也不会降低使用者满意度。
无差异需求（可以没有）：使用者根本不在意的需求，对使用者体验毫无影响。尽量规避做此类型功能。
13、库存周转预测
透过预测企业从取得存货开始，到消耗、销售为止所经历的天数。周转天数越少，说明存货变现速度越快，销售状况越良好。
14、杜邦预测
杜邦预测法用以评价公司盈利能力和股东权益回报水平，从财务角度评价企业绩效。
15、盈亏平衡预测
盈亏平衡预测又称本量利预测法，是根据产品的销售业务量、成本、利润之间的相互制约关系的综合预测，用以预测利润，控制成本，推论经营状况。
