售后数据分析平台
1. 业务背景
(1) 销售部门的管理者只清楚收到了多少客户的问题,但不清楚具体客户售后问题的数据情况如何。
(2) 只解决客户的售后问题,不知道汇总反馈,也就没有渠道发现客户所发现的企业经营或产品方面存在的问题。这样企业只能被动地解决问题,但无法分析问题的规律寻找源头。
(3) 某些时段客户售后问题会出现较大的涨幅,但是具体增长情况如何决策者不清楚,也就无从分析客户的症结所在,从而从根本上进行改善。
2. 数据来源(取2021年欧美店铺售后问题明细)
(1) 问题件Top
select top(10) SKU编码 ,sum(问题件) 不良数 from vm_mrg_fr_uf_wy_shmxb_qa
group by SKU编码
order by 不良数 desc
(2) 店铺售后数量汇总
select 店铺,sum(问题件) 店铺问题件 from vm_mrg_fr_uf_wy_shmxb_qa
group by 店铺
order by 店铺问题件 desc
(3) 问题类型占比分布
select 核算年月,问题类型,运营类目,SKU编码 ,sum(问题件) 不良数 from vm_mrg_fr_uf_wy_shmxb_qa
group by 核算年月,问题类型,运营类目,SKU编码
order by 核算年月
(4) 运营类目占比分布
select 核算年月,问题类型,运营类目,SKU编码 ,sum(问题件) 不良数 from vm_mrg_fr_uf_wy_shmxb_qa
Where 1=1 ${if(len(wtlx)=0,"","and 问题类型 ='"+wtlx+"'")}
group by 核算年月,问题类型,运营类目,SKU编码
order by 核算年月
(5) 产品占比分析
select 核算年月,问题类型,运营类目,SKU编码 ,sum(问题件) 不良数 from vm_mrg_fr_uf_wy_shmxb_qa
Where 1=1
${if(len(yylm)=0,"","and 运营类目 ='"+yylm+"'")}
group by 核算年月,问题类型,运营类目,SKU编码
order by 核算年月
(6) 产品原因分析
select * from vm_mrg_fr_uf_wy_shmxb_qa
Where 1=1
${if(len(wtlx)=0,"","and 问题类型 ='"+wtlx+"'")}
${if(len(yylm)=0,"","and 运营类目 ='"+yylm+"'")}
${if(len(skubm)=0,"","and SKU编码 like '"+skubm+"'")}
${if(len(hsny)=0,"","and 核算年月 like '"+hsny+"'")}
3. 分析思路
(1) 通过售后明细剖析,问题类型--》运营类目--》产品SKU--》具体问题明细--》改进
4. 指标拆解
(1) 问题件合计
(2) 涉及SKU数量
(3) 涉及店铺数量
(4) 问题类型不良率
① 每月问题类型不良数/月总不良数
(5) 运营类目不良率
① 每月运营类目不良数/月总不良数
(6) 产品不良率
① 每月产品不良数/月总不良数
5. 可视化报告组件
(1) 条形图,描述了当前最严重的问题件。
(2) 饼图,分别展示了问题类型、运营类目、产品SKU的各个部分占比分布分析。
(3) 报表块,主要记录具体产品SKU的质量问题原因剖析
(4) 问题类型饼图关联了运营类目饼图、报表块;运营类目饼图关联了产品SKU饼图、报表块;产品SKU饼图关联了报表块。
6. 效益分析
(1) 这一张大图包含了售后方方面面的内容,方便业务人员通过系统了解公司售后情况,给用户带来了全面的、清晰明了的系统使用感受,减少人工统计数据的时间,提高管理人员的工作效率,做到更加有依据的、科学的决策。
(2) 将所有渠道收到的客户售后需求进行分门别类的统计,制成相应的数据图表方便查阅
6. 最终结果呈现的页面布局