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
客户满意度指标体系——RATER指数
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
1、标准式演绎
2、常见式演绎
常见式演绎最主要的形式是4W模式：
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
● 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。
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
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。
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。
“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。
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。
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
对所有指标进行重要性和满意度的排序：
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：
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。
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：
以优势数据为例进行计算：
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。
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。
除了Q1~Q18，还有一些基础信息
略
分析框架：
分析方法：
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。
其中，N代表样本量。
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：
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）
方差分析+分类型题目=交叉分析的范围
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）
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。
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。
分类维度：生活状态+保费金额（分别对应问卷的Q13和Q6）
因子分析 ：剔除相关性，降维。操作如下：
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。
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。
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。
考虑到各类人数要均匀，初步判断聚成5类
方差分析：分析→比较平均值→单因素ANOVA
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：
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。
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 。
频数统计：分析->描述统计->频率
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：
交叉分析：分析->描述统计->交叉表
从下图可以看到，该公司的目标客户是中端外向型。