【2022BI数据分析大赛】会员分析
Your browser does not support video tags.
一、选手简介
1、选手介绍
(1)团队介绍
团队名称:MMZQL
队长介绍:齐莹,帆软社区用户名HG,目前就职于襄阳市好邻居连锁超市有限公司,我司是零售行业;目前从事数据专员岗位,个人感兴趣的方向和领域是数据分析方面
成员介绍:成员-毛丽敏、张冲冲、马欣、刘叶婷
都是同一公司成员,目前都是从事数据专员岗位,个人感兴趣的方向和领域是数据分析方面
2、参赛初衷
希望通过比赛实践提升BI工具的使用方法和技巧
向更多FineBI大神进行数据可视化作品以及分析思维的学习、取长补短
二、作品介绍
1、业务背景/需求痛点
简述业务背景
满足顾客需求是经营中的重点,通过会员消费分析确定营销方向
简述需求痛点
需要将分析思路拓展,能深入挖掘顾客消费习惯、挖掘客户价值
2、数据来源
企业数据:主要是销售表,会员信息表,用SQL语句提取(经过脱敏)
3、分析思路
分析主题选的是会员分析,主要的分析版块是:整体会员结构、会员细分、会员销售分析、会员复购
使用分析模型--RFM、关联分析等
主要分析思路
在会员细分中的主题主要是八级分层思路,在分析中使用了RFM模型,通过RFM对会员进行分层,针对不同层级的会员,可以采取不同的策略,实现精准营销。具体是通过会员最后消费时间间隔、消费次数和消费金额对会员进行打分,打分可以根据公司的具体经营情况划分不同的区间,本次主要是运用了平均值划分的打分区间,最终将会员分为八个层级:
会员分级
客户评级释义
最后消费时间间隔
消费次数
消费金额
1
重要价值客户
高
高
高
2
重要发展(深耕)客户
高
低
高
3
重要保护(唤回)客户
低
高
高
4
重要挽留客户
低
低
高
5
一般价值客户 (潜力客户)
高
高
低
6
一般发展客户 (新客户)
高
低
低
7
一般保留客户 (维持)
低
高
低
8
一般挽留客户 (考虑放弃)
低
低
低
周监控:会员流失分析,通过对会员最后一次消费时间以及平均消费间隔天数的周细分,看近一个月内的会员流失情况,结合会员消费偏好,进行会员精准营销。
价格敏感度:根据顾客消费的折扣金额占总消费金额的占比作为一个顾客价格敏感度的指标。折扣金额比例较高,对价格较为敏感,营销时可更多推送特价信息。
价格容忍度:顾客消费购物篮中高单价商品的消费占比,占比高的客人,对价格不太敏感,可以更多以品质高的商品或服务吸引消费。
消费潜力:根据顾客的平均消费金额,看顾客的消费潜力,平均消费金额越高,消费潜力越大。
4、数据处理
八级分层数据处理:
首先选取需要的字段
新增列,计算最后消费时间间隔,并以此得到R的分数,依此类推,可以运用消费次数和消费金额分别计算出F和M的分值
运用IF函数,通过平均值,判断活跃度(R)的高低,依此类推可以忠诚度(F)和贡献度(M)的高低
通过聚合RFM,运用IF函数将会员进行分层
复购数据处理:
总共是三个维度的复购,分别是整体月度复购,品类复购以及单品复购。
首先确定复购的标准,顾客单天在其中一个店购买算一次。
先计算总购买次数,对会员、月份(品类/单品)进行汇总,对确定的唯一值做去重计数,其次是标记购买次数大于1的,最后用重复购买人数/总购买人数得到复购率。
最后通过左右合并,将复购率与销售结合。
周监控:
确定需要用到的字段,将数据提取出来,此处主要涉及会员卡号、最后一次消费日期及消费次数。根据数据截止时间及最后一次消费日期,计算最后一次消费间隔,并按周细分,具体数据处理涉及主要是IF函数,就不一一赘述了。
5、可视化报告
(1)排版主要是保持美观 ,整体协调,颜色都是统一设置,使用深色系,全部组件设置自定义联动。
(2)分析过程及结论
通过指标卡可以了解整体消费的会员数量、平均消费金额、平均来店次数。
从饼图、玫瑰图中可以看出会员占比偏大的是女性、30-40岁年龄层,比较偏向家庭型。从入会时长上看,会员的稳定性保持的比较好,新会员的占比是偏小的。
从柱形图消费来看,年轻客层的平均客单是最高的,年龄层越大,会员来店频次越高,客单价相对较低,消费主力为30-40岁和50岁以上年龄层。
对会员整体分层,通过RFM模型将会员细分,不同会员层级,采取不同策略,实现精准营销,并以周为单位对会员进行监控,根据流失程度,结合会员价格敏感度、价格容忍度、消费潜力进一步了解不同层级会员的消费习惯,做更精准分析,如图:
客户评级释义
运营策略
重要价值客户
保持现状,可推新
重要发展(深耕)客户
提升频次
重要保护(唤回)客户
用户回流
重要挽留客户
重点召回
一般价值客户 (潜力客户)
刺激消费
一般发展客户 (新客户)
挖掘需求
一般保留客户 (维持)
流失召回
一般挽留客户 (考虑放弃)
考虑放弃
客单带分布:近六成会员的客单价在80元以下,客单较低。
时间段分布:整体会员到店消费时间集中在9:00-11:00和19:00-21:00时段。
购物篮分析:
关联分析找出顾客购物习惯及偏好,通过消费习惯可以做品类关联陈列、品类消费券、促销活动等。
分析会员同时购买品类之间的粘度,可以将会员经常购买的品类陈列靠近,做组合促销,从而吸引会员购买欲,提升销售。
复购:
从复购率与销售分布上和单品复购率上看,会员的复购品类主要集中在生鲜以及偏民生的品类上,所以对于生鲜品类需要保持高品质,高性价比,以此稳定客流从而提升销售。复购也可以用做验证会员营销活动是否有一定的改变和突破的工具。
三、参赛总结
1、FineBI工具
BI对不同数据集维度及指标之间的整合非常方便,而且还可以延伸出不同的数据集,用不同维度分析。
图形展示功能强大,对数据的多样化展示提供了更多可能。
组件间的联动很方便,便于分析,其次是帮助文档很详细,很多分析模拟可以参考学习。
难点:横向对比分析有困难
交叉表单元格颜色自定义设置
页面的排版期望数据展示界面更大
2、参赛总结
在团队协作中,我会发现我的队友们会有不同的方式去处理数据和分析数据,会丰富我们的数据维度和思路。大家在不断的讨论和思考中提升自身能力,每个人都有成长,有收获,也加深了团队的默契。
最终作品展示: