返回列表

作者:巨人電商

如何用數(shù)據(jù)分析運(yùn)營項(xiàng)目做得好與不好?

POST TIME:2021-08-20

最近常常有小伙伴問我,大概是如下幾個(gè)問題: 我手里沒有多少數(shù)據(jù)可以供分析,怎么辦?我手上有一些數(shù)據(jù),但是不知道該如何分析,怎么辦?我有一些數(shù)據(jù),也知道該做哪些分析,但是不會(huì)高大上的工具,怎么辦?

對(duì)于小喵來說,上面的問題都是偽命題,很多時(shí)候,我們做數(shù)據(jù)時(shí)手里掌握的數(shù)據(jù)總比我需要的多,深入了解業(yè)務(wù)后,方法總比問題多;方法有了,工具的使用總比想象的簡單多~

好了,先看一個(gè)栗子吧,看完你就了然小喵為什么這么說咯。

一、背景

話說,某年某月,某外地零食O2O品牌,想要開拓上海市場,本著“穩(wěn)扎穩(wěn)打,步步為營”的“精益創(chuàng)業(yè)”方針,該品牌準(zhǔn)備先在上海幾個(gè)有代表性的區(qū)域進(jìn)行試運(yùn)營。

選了3個(gè)區(qū)域—楊浦區(qū)、長寧區(qū)和徐匯區(qū),在這3個(gè)區(qū)人流較大、辦公樓密集的區(qū)域重點(diǎn)設(shè)立了三個(gè)實(shí)體營業(yè)網(wǎng)點(diǎn),分別位于五角場地鐵站、淞虹路 地鐵站和漕河涇地鐵站附近,并以這3個(gè)地鐵站作為輻射推廣點(diǎn),上下班高峰期在地鐵口附近進(jìn)行DM推廣,上班期間則在附近辦公樓進(jìn)行掃樓推廣(別問我推廣人 員是怎么混進(jìn)去的)。試運(yùn)營始于七月下旬,到八月下旬正好運(yùn)行一個(gè)月后,是為第一階段。此時(shí),需要對(duì)這段時(shí)間的運(yùn)營數(shù)據(jù)進(jìn)行分析,修整并總結(jié)經(jīng)驗(yàn),著重在 以下幾個(gè)方面進(jìn)行探討和研究:

整體的運(yùn)營情況,包括總訂單情況,訂單的時(shí)段分布情況;用戶的消費(fèi)行為分析,主要是下單時(shí)間分布和購買力情況分析;總體和各個(gè)區(qū)域的用戶價(jià)值分析,用以指導(dǎo)和優(yōu)化接下來的運(yùn)營工作。對(duì)比一下這3個(gè)地方地推的效果及用戶下單情況。

由于前期技術(shù)人員太少且負(fù)責(zé)的項(xiàng)目過多,后臺(tái)系統(tǒng)過于簡陋,后臺(tái)收集到的原始數(shù)據(jù)只有下面這些:

原始數(shù)據(jù)表格

上表是這段時(shí)間內(nèi),用戶下單的信息。注意,同一個(gè)User Id可能不止一次下單,可能在不同日期、不同時(shí)間段形成多次不同金額的消費(fèi),了解這一點(diǎn)對(duì)于接下來的用戶價(jià)值分析至關(guān)重要。

好了,各位看官,上面那張表將是小喵接下來炒菜用的“食材”(來源于真實(shí)案例,數(shù)據(jù)會(huì)做一定處理,僅作展示數(shù)據(jù)分析方法之用),沒有其他佐料哦(大部分時(shí)間使用excel來處理數(shù)據(jù))~這些數(shù)據(jù)看起來平淡無奇,但如果開動(dòng)腦筋深挖的話,就大有玄機(jī)哦。

好了,我們的數(shù)據(jù)分析之旅即將開始咯!

二、訂單時(shí)間分布情況

在進(jìn)行深入分析前,先將原始數(shù)據(jù)進(jìn)行初步處理—主要是時(shí)間維度的處理。分別調(diào)用hour和weekday函數(shù)將小時(shí)“時(shí)點(diǎn)”和“周幾”的信 息發(fā)掘出來,至于“時(shí)段”的得來,之前很多小伙伴有問過這是怎樣“設(shè)計(jì)”出來,百度上也搜不出來吶,那當(dāng)然,這可是我自創(chuàng)的哦~現(xiàn)在小喵貼出一張?jiān)斍閳D:

經(jīng)處理得到若干時(shí)間維度數(shù)據(jù)的表格

“時(shí)段”的操作方法

如此這般,即可得到以下關(guān)于下單時(shí)間分布的信息:

試運(yùn)營期間訂單量時(shí)段分布情況

那么,在這張下單時(shí)間段分布的圖中,又能看出什么苗頭呢?其實(shí),很明顯的,下單時(shí)間只有一個(gè)“波峰“—集中在9時(shí)~13時(shí),這段時(shí)間的小白領(lǐng)除了吃午飯時(shí)間是正當(dāng)?shù)南聠涡袨?,其余時(shí)間是在”開小差“~

再分析一下試運(yùn)營期間總體的訂單銷售情況,將“日期”信息和“星期”信息同時(shí)顯示在橫坐標(biāo)軸上,更容易發(fā)現(xiàn)時(shí)間上的下單規(guī)律,做成折線圖,可以看到如下的結(jié)果。

試運(yùn)營期間整體訂單分布情況

從上表中,總體上可以看出,工作日的訂單多于休息日的訂單,在7-27~7-31和8-3~8-6期間出現(xiàn)訂單銷售高峰,這2段時(shí)間的訂單量驟然增長。究其原因,與這3個(gè)實(shí)體網(wǎng)點(diǎn)做促銷活動(dòng)有很大關(guān)系,刺激了目標(biāo)客戶的購買行為。

再單獨(dú)將“星期”數(shù)據(jù)“拎”出來,得到下圖:

試運(yùn)營期間一周訂單分布情況

從上圖可以看出,一周的下單高峰集中在周三、周四這2天,周一和周二的訂單量也和這兩天相差無幾,但是到了周五,特別是周末(周六和周日),訂單量就陡然下降。

總的來說,周中的下單量很大,周末的訂單量很小,這與白領(lǐng)區(qū)的人群消費(fèi)行為是一致的,無異常情況發(fā)生。

得知以上幾點(diǎn)信息后,在開展下一階段的運(yùn)營工作時(shí),就可以在接下來的運(yùn)營工作中準(zhǔn)備如下事宜:

趕在用戶下單高峰時(shí)期前,在營業(yè)網(wǎng)點(diǎn)安排好人員,做好部署工作,以便及時(shí)、快速的將貨品送交到用戶手中;

在用戶下單高峰期到來前一段時(shí)間,做好APP和網(wǎng)站的系統(tǒng)維護(hù),以免因下單量大出現(xiàn)技術(shù)問題,影響用戶體驗(yàn);

進(jìn)行下一輪的推廣工作時(shí),可以選在周三和周四開展,這2天的用戶下單意愿更強(qiáng)烈。

以上關(guān)于客戶(時(shí)間上)行為的分析比較淺顯,接下來的客戶價(jià)值的分析才是“重頭戲”呢!

三、客戶價(jià)值分析

這里的客戶價(jià)值分析,小喵將用到RFM模型,其中涉及到3個(gè)重要的維度,即最近一次消費(fèi)(Recency)、消費(fèi)頻率(Frequency)和消費(fèi)金額(Monetary)。

RFM三維度含義

關(guān)于這個(gè)模型的解釋,小喵只搬出某度百科上的關(guān)鍵性語句,想更進(jìn)一步去了解這個(gè)模型的同學(xué)自己去網(wǎng)上搜哈~

某度百科上關(guān)于RFM模型的原理解釋

其中,各個(gè)維度的“深層次”含義是:

最近一次消費(fèi)能顯示客戶能受到的可能性有多大,最近一次消費(fèi)的日期距離今天越近,消費(fèi)者對(duì)產(chǎn)品/品牌的印象就越深刻,被廣告推送召喚回來的可能性就越大;

客戶的消費(fèi)頻次越高,代表客戶對(duì)品牌或產(chǎn)品的忠誠度越高,當(dāng)然這種客戶也更有維系的價(jià)值,即使平時(shí)消費(fèi)金額不多,但誰知道以后會(huì)不會(huì)有大手筆呢;

消費(fèi)金額(這里指的是“累計(jì)消費(fèi)金額”)表示消費(fèi)者的購買力大小,消費(fèi)金額越大,這種顧客就越優(yōu)質(zhì),當(dāng)然我們要把他們當(dāng)寶貝呵護(hù)起來~

這種客戶價(jià)值分析模型雖然很好,但是存在如下幾個(gè)問題:

每個(gè)維度都可以分為5個(gè)級(jí)別,那么最終的結(jié)果是5*5*5=125個(gè)分類,客戶群分得太細(xì)了!每個(gè)客戶群組都要有一套針對(duì)性的方法,但這得要錢 要人來做,這樣的操作太繁瑣、太反人類!該模型中的F和M兩個(gè)維度存在多重共線的問題,某一段時(shí)間內(nèi)的消費(fèi)頻次和累計(jì)消費(fèi)金額具有很強(qiáng)的相關(guān)性;一般情況 下,R值的權(quán)重是3個(gè)指標(biāo)中最大的,但這種判定忽略了客戶的消費(fèi)習(xí)慣和消費(fèi)總量等因素,從而使最終結(jié)果的準(zhǔn)確性受到某種程度的質(zhì)疑。

針對(duì)以上問題,小喵決定對(duì)現(xiàn)有的RFM模型進(jìn)行一些改良,并祭出“大殺器”—聚類分析,用以簡化我們的深度分析工作。

不過,在進(jìn)行聚類分析之前,需要先預(yù)處理下之前的原始數(shù)據(jù),除了保留“User ID”、“重點(diǎn)區(qū)塊”這兩個(gè)基本信息,還要保留及深度“析出”跟R、F、M這3個(gè)維度相關(guān)的若干指標(biāo):

從“實(shí)付金額”這個(gè)指標(biāo)中,通過相關(guān)函數(shù)進(jìn)行運(yùn)算,可以得到“最小消費(fèi)金額”、“最大消費(fèi)金額”、“平均消費(fèi)金額”和“累計(jì)消費(fèi)金額”這4個(gè)指標(biāo);

而從“下單日期”這個(gè)指標(biāo),通過相關(guān)函數(shù)進(jìn)行運(yùn)算,可以得到“最初下單日期”、“最后下單日期”、“最初下單日期到今天的間隔天數(shù)”、“最近一次下單到今天間隔天數(shù)”及“累計(jì)購買頻次”這5個(gè)指標(biāo)。

重要的分析指標(biāo)及相關(guān)指標(biāo)的“從屬關(guān)系”

其中,以上衍生指標(biāo)的計(jì)算公式/方法分別為:

“最大/最小消費(fèi)金額”通過公式“=MAX/MIN(IF(原始數(shù)據(jù)!$A$1:$A$7028=Sheet1!A2,原始數(shù) 據(jù)!$H$1:$H$7028))”得到;“最初/最后下單日期”通過公式“=MAX/MIN(IF(原始數(shù) 據(jù)!$A$1:$A$7028=Sheet1!A2,原始數(shù)據(jù)!$N$1:$N$7028))”得到;“累計(jì)購買頻次”則由透視表得出,同一個(gè)User Id下,將任意指標(biāo)進(jìn)行“計(jì)數(shù)”顯示,即可得出頻次?!白詈笙聠蔚浇裉扉g隔天數(shù)”由公式“DATEDIF(E2,TODAY(),”d”)”得到;最初下 單到今天間隔天數(shù)由公式“=DATEDIF(D2,TODAY(),”d”)”得到,其中E列是最后下單日期所代表的列,D列代表最初(第一次)下單的日 期的列。

值得注意的是,上述公式是在新的sheet里構(gòu)建的,引用的是原始表單里的數(shù)據(jù)。且后面的間隔天數(shù)需要等最初/最后下單日期確定后才能計(jì)算出。

最小購買金額計(jì)算方法

購買頻次的計(jì)算方法

將上述指標(biāo)進(jìn)行計(jì)算后,得到下面的客戶信息價(jià)值表,可以作為下一步分析的原始數(shù)據(jù)。

經(jīng)處理后的客戶價(jià)值信息表單

然后將該excel表單錄入SPSS系統(tǒng),詳細(xì)的聚類分析方法,可以參照小喵的上一篇文章:數(shù)據(jù)運(yùn)營實(shí)操 | 如何用聚類分析進(jìn)行企業(yè)公眾號(hào)的內(nèi)容優(yōu)化。經(jīng)運(yùn)算后,可以得到如下新表:

聚類分析后得到的SPSS輸出數(shù)據(jù)

可以看出,上表中多了一列關(guān)于“分類”的數(shù)據(jù),這就是SPSS軟件根據(jù)表中用戶購買信息(購買金額和購買日期等)在若干維度上的同質(zhì)性和異質(zhì)性 劃分出的4類(由于運(yùn)營喵使用的是K-means聚類法,需要人為設(shè)定分為幾類,所以在確定4類之前,需要反復(fù)測試2類、3類、5類的數(shù)據(jù),直到能在各個(gè) 分類間體現(xiàn)出明顯的差異性,且具有良好的集中度為止)

再用透視表處理一下,將每類數(shù)據(jù)的“值字段”顯示為“平均值項(xiàng)”,得到“用戶價(jià)值分類特征表“。

用戶價(jià)值分類特征表

在對(duì)上表進(jìn)行分析之前,小喵需要指出的是:上述指標(biāo)的重要性不是同一水平的,其中各指標(biāo)的權(quán)重有大有小,重要性不一,而權(quán)重系數(shù)需要根據(jù)以往經(jīng)驗(yàn)和業(yè)務(wù)情況進(jìn)行分配,這里僅給出小喵的判斷:

累計(jì)購買頻次的權(quán)重最大,因?yàn)槎啻钨徺I行為即使平均/累計(jì)消費(fèi)金額不多,但反復(fù)多次的購買行為代表用戶對(duì)品牌/產(chǎn)品的認(rèn)可,能反映出用戶的忠誠度;

其次最近一次下單日期,隔得不太久的話,使用客戶召回策略的成功率會(huì)很高;

然后是平均消費(fèi)金額,單次高消費(fèi)或單次低消費(fèi)都不能準(zhǔn)確地反映出客戶在本產(chǎn)品上的購買力水平,取歷史平均水平才能看出他在本產(chǎn)品上的消費(fèi)能力,但要結(jié)合最低和最高消費(fèi)金額來看,看是否二者間的差距過大,穩(wěn)定性如何;

最次是累計(jì)消費(fèi)金額,反映客戶在某段時(shí)間內(nèi)累計(jì)的消費(fèi)情況,也能體現(xiàn)客戶對(duì)產(chǎn)品/品牌的持續(xù)價(jià)值。

根據(jù)上述判斷,第2類和第3類屬于較為優(yōu)質(zhì)的顧客,他們?cè)谫徺I頻次、最近一次購買時(shí)間、累計(jì)消費(fèi)金額和平均消費(fèi)金額上的數(shù)值水平均衡且較好,是重點(diǎn)需要維護(hù)的對(duì)象,以后可以對(duì)這2類用戶推送價(jià)值較高的優(yōu)惠活動(dòng)/信息,促進(jìn)其后續(xù)的購買行為。

第1類客戶屬于“土豪級(jí)”,雖購買頻次較低,但購買金額很大,跟其他幾類客戶比起來,購買力相當(dāng)彪悍,有錢可任性,但留住很困難。。。

此外,第4類的用戶數(shù)較多,是有潛力待挖掘的客戶群。這類群體的特征是平均消費(fèi)金額和累計(jì)消費(fèi)金額低,購買次數(shù)較少,且很久未再買產(chǎn)品了,召喚 回的概率很小,可以對(duì)這部分客戶進(jìn)行回訪,找出產(chǎn)品和服務(wù)方面存在的問題,做好優(yōu)化,苦練內(nèi)功,以便下次進(jìn)行推廣的時(shí)候一次就“摁住”客戶。

綜上,第2類、第3類客戶是我們接下來重點(diǎn)抱大腿的目標(biāo),這是“節(jié)流”;根據(jù)第4類客戶的回訪得到改進(jìn)產(chǎn)品和服務(wù)的建議,在接下來的運(yùn)營工作中招攬新客戶,這是“開源”。

看到這里,你以為結(jié)束了?

NO,you too naive~小喵要把數(shù)據(jù)榨干,盡可能得到對(duì)運(yùn)營工作有用的信息!

以下是經(jīng)透視表處理后的各區(qū)3類用戶的占比情況:

各區(qū)塊3種類型客戶的分布情況

上表是各區(qū)3類客戶分布的情況,從中可以看出淞虹路的總體下單客戶量最大,其次是漕河涇,再次是五角場。

此外,由上述數(shù)據(jù)還可以得出下列概況:

使用excel中的多重判斷函數(shù)公式,將客戶的單次平均消費(fèi)金額劃分為7個(gè)檔次,函數(shù)公式太反人類,小喵就不列了,大家知道原理就好。建議檔次別分太多,excel中的if嵌套貌似最多7層。。。

消費(fèi)金額區(qū)間客戶數(shù)量占比表

由此得到各個(gè)消費(fèi)金額區(qū)間的客戶占比情況,可以了解到試運(yùn)營期間客戶的整體消費(fèi)結(jié)構(gòu)怎樣。表格看起來不直觀,直接轉(zhuǎn)化成下面的2個(gè)圖,上圖定量比較,下圖定性分析占比情況。

平均消費(fèi)金額區(qū)間客戶數(shù)量分布

各消費(fèi)金額區(qū)間客戶數(shù)量占比情況

在分析上面兩個(gè)圖前,需要指出的是,該O2O零食品牌絕大部分的單件產(chǎn)品的價(jià)格在3~15元之間。那么由上述圖表可以得知,絕大部分客戶下單 時(shí),購買不止一件商品,說明連帶率(連帶率是服裝行業(yè)銷售的一個(gè)指標(biāo),描述的是顧客在一次購買過程中,同時(shí)一次性買走幾件商品,它反映了商品的搭配有效 性。暴露出身了,小喵是學(xué)服裝出身的)不錯(cuò)呢,比如客戶買香腸的時(shí)候同時(shí)買了雞翅、可樂和薯?xiàng)l,說明這樣的產(chǎn)品的組合搭配尚可。當(dāng)然,這還有很大幅度的提 升空間呢~

購買頻次客戶數(shù)量分布圖

最后是購買頻次的客戶數(shù)量分布圖,能反映出用戶的忠誠度情況。其中,僅購買過一次的用戶占了大頭,看到這樣的數(shù)據(jù),運(yùn)營人員要思考,為啥這么多的客戶只買了一次呢,難道自家的東西不好吃么?所以,以后要好好研究市場,研究客戶,研究競爭對(duì)手,練好自己的內(nèi)功。

四、結(jié)語

好了,運(yùn)營喵這次的分享結(jié)束了,當(dāng)然上面還可以使用數(shù)據(jù)地圖,將客戶的地點(diǎn)分布做成熱力地圖,體(geng)現(xiàn)(hao)專(de)業(yè) (zhuang)性(bi),以便了解整個(gè)客戶的區(qū)域分布情況,進(jìn)行有效的二次重點(diǎn)推廣,具體操作方法請(qǐng)參考小喵之前的另一篇文章:運(yùn)營實(shí)操|15分鐘學(xué) 會(huì)數(shù)據(jù)地圖分析。

從這個(gè)例子中,小喵想說的是:當(dāng)我們擁有一份原始數(shù)據(jù)時(shí),在結(jié)合當(dāng)前業(yè)務(wù)的情況下,運(yùn)用自己的數(shù)據(jù)分析經(jīng)驗(yàn)和儲(chǔ)備的理論知識(shí),盡量把這些數(shù)據(jù) “榨干”,汲取有價(jià)值、有營養(yǎng)的信息。如此這般,最終的數(shù)據(jù)/分析報(bào)告不僅可以作為我們匯報(bào)給領(lǐng)導(dǎo)或相關(guān)部門的資料,供他們參考,更重要的是,它能指導(dǎo)和 優(yōu)化我們后續(xù)的運(yùn)營工作,為我們積累寶貴的運(yùn)營經(jīng)驗(yàn)。

標(biāo)簽:南充 三亞 南昌 中山 新鄉(xiāng) 錫林郭勒盟 云浮 肇慶