【2021夏季挑战赛】房产线上销售数据分析

我是社区第559640位番薯,欢迎点我头像关注我哦~

一、选手简介

1、选手介绍
团队名称:123木头人
成员介绍:
  • chuxin1011:队长,除了对金钱的欲望,没什么特别的性格特点。现就职某世界500强企业,负责公司的数据分析与运营工作。
  • LKL:队员,现就职某世界500强企业,负责公司的数据产品运营工作。
  • 李cm:队员,现就职某世界500强企业,负责公司的数据开发工作。

 

2、参赛初衷

 

由于公司业务日益壮大,传统开发人员制作数据报表已经不堪重负,故在2019年公司接入了FineBI平台为公司表哥表姐们进行提效减负,但由于前期处于摸索状态且平台应用不熟悉,导致平台并没有被真正使用起来,而基于工作提效的考虑,在2021年第一季度我们参加了BI课程的培训且学以致用于工作过程中,所以想借助此次挑战赛来检验自我的学习成果,也是希望与更多志同道合的朋友进行交流学习,以更好促进自我能力提升。



二、作品介绍


1、业务背景

 

2020年年初在全国疫情爆发时期,为了配合国家疫情防控政策的实施,我司应国家要求关闭各城市下的售楼中心。而在疫情期间,我司除了积极应对不可控因素导致的业绩下滑的现象还要保证销售工作正常推进,故上线了【线上销售】这个工具以更好地让客户随时随地进行线上看房与房产交易,避免了人群聚堆导致的病毒感染风险,同时也能保证公司业绩目标达成。

 

2、需求痛点

 

由于数据仓库不完善、指标数据也处于摸索阶段,数据的查询、汇总、分析仍停留在传统的二维表分析模式,效率低且重点数据不突出,从而加大了公司监控项目制度落地质量与帮扶项目业绩目标达成的难度。而碎片式的数据分析,导致公司制定的策略方案并没有真正受益于项目,反而增加了项目的负担,所谓的帮扶变成了伪帮扶。故如何真正的帮助到项目业绩达成,协助公司做出正确的决策方案,BI线上销售数据大屏尤为重要。

 

3、数据来源

 

本次参赛,使用了公司数据进行分析,并对数据做了脱敏处理,最终确定使用4张数据表,分别是:用户转化数据、近一年用户行为数据、近一年成交数据、项目基础信息数据。

 

4、分析思路

 

本项目经过了为期三个月的需求调研,产品迭代,业务策略优化,最终于2020年中进行了全国性的推广。推广期间,以人货场为主线,构建“4+3”的分析架构,及公司、大区、城市、产品4个维度和销售主题、城市热力分布、客户转化分析3个主题。整体分析思路和数据分析流程包括明确业务需求、建立整体框架、构建指标体系、选择正确图表等。

 

4.1明确业务需求



疫情期间,在配合国家疫情防控政策的前提下,大力推广【线上销售】工具的使用,依据销售指标作为绩效考核的KPI,但对于业绩不佳或工具日活频率不高的大区,却难以有更进一步的数据观察。困难包括但不仅限于不会观察对比、指标数据不全、没有当前阶段可匹配的全局数据分析工具。例如:区分不了哪些线上销售产品类型,客户更容易接受,或者区分不了城市的推广力度是否与当前城市疫情严重程度成正比。
截图202107011313317806.png

4.2建立整体框架

截图202107011314109044.png

5、可视化报告

 

本次作品的数据是提前通过数据中台加工并脱敏产生的,所以数据处理部分此处不做过多介绍。接下来将从重点指标的统计逻辑、各图表组件的应用原理以及布局配色等,将分别从集团、大区、产品类型和城市4个维度进行简单分析。
注:本作品秉承着整体色系基调为蓝色与营销领域分析颜色保持一致,对处于危险临界值的数据设置为红色以示警戒,对于得到高度认可的数据设置为绿色以示通过的配色原则进行展开。



5.1
【销售指标卡汇总】模块,从公司的角度出发,概览展示了公司线上销售的业绩情况,包括项目参与线上销售数量、项目参与占比、线上销售套数与金额、线上销售金额与套数占比。

截图202107011314306691.png

(1)关键数据指标加工逻辑
线上销售项目占比=线上销售项目数 / 总销售项目数
销售金额占比=线上销售金额 / 总销售金额
销售套数占比=线上销售套数 / 总销售套数

 

(2)设置原则:秉承同类主题文本样式与颜色一致性的原则进行设置。

 

(3)设置步骤:以【线上销售金额】指标卡为例进行说明。
一拖:拖动【线上销售金额】作为指标
二选:选择指标卡图表类型
三设置:设置指标卡文本标题为黑色加粗,自定义字体颜色为橙色,数据精度以亿为单位且保留两位小数。

注:其他指标卡的设置过程类似,此处不再一一赘述。
截图202107011314511148.png

(4)数据分析结论:在公司大力推行的情况下,参与线上销售的项目占比为63.22%,全国覆盖范围较广,但线上销售业绩占比仍有很大的提升空间。可能是由于房产的交易金额大且线上销售也是全国新兴的一种营销方式,社会群体对这种新的营销方式接受程度不高,依然保持一种怀疑或者观望的态度,所以导致线上交易业绩不明显。



5.2
【大区线上销售占比分析】 此模块从大区的角度出发,以饼图作为数据载体,分析各大区的线上销售占比。

截图202107011315322081.png

(1)设置步骤:一拖:【大区】维度指标拖到仪表板的维度轴、【线上销售金额】指标拖到仪表板的指标轴二选:选择饼图图表类型三设置:①对图表进行颜色设置,占比最小的大区使用红色以示预警,占比最高的大区使用绿色以示通过,其他大区选用蓝色系颜色。②最大销售占比的大区同步设置了特殊显示(闪烁动画)。
截图202107011316181086.png
截图202107011316295290.png

 

2)数据分析结论:通过此饼图可以直观地看出线上销售金额占比最大的为房产四区,最小的为房产二区。销量业绩可能与大区所属的地理位置以及客户对置业需求意向度有一定的关联关系。房产四区位于安徽省,而按照安徽省以往的销售业绩在集团排名前三的背景,不难理解该大区不管是客户的置业热度还是大区的营销狼性都较比其他区域要高涨,所以该区域推行线上销售工具效果会明显一些。而销量最小的房产二区,位于新疆区域,结合该地理位置的政策背景以及地区的经济发展水平,较比其他区域会落后一些,故销量业绩会相对靠后。后续公司可以加强对困难区域的帮扶,适当调整区域KPI考核与制定相关销售优惠政策,促进大区业绩增长。

 

5.3 【大区线上销售金额排名】 此模块从大区的角度出发,以条形图作为载体,分析了各大区的销售金额与大区之间的销量对比。
截图202107011317095798.png

 

(1)设置步骤:一拖:【大区】维度指标拖到仪表板的维度轴、【线上销售金额】指标拖到仪表板的指标轴二选:选择条形图图表类型三设置:①条形图设置显示大区名称和销售占比,且最大销售金额设置了特殊显示(闪烁动画)。③设置数据下钻,可通过点击大区数据,下钻查看到对应区域的明细数据。
截图202107011317297932.png

 

(2)数据分析结论:通过此图表可以得知销售金额最高为房产四区,最低的为房产二区。而且可以看出最大与最小值的差距大约为3-4倍,两级分化严重。建议公司评估不同区域的房产政策以及经济发展水平等因素,可以采取标榜大区帮扶困难区域,公司培训与宣贯落地到位,已促使困难区域逐步起跑。

 

5.4【产品类型线上交易占比分析】此模块从产品类型的角度出发,以饼图作为数据载体,分析各产品类型的线上销售占比。
截图202107011317459673.png

 

(1)设置步骤:一拖:【产品类型】维度指标拖到仪表板的维度轴、【线上销售金额】指标拖到仪表板的指标轴二选:选择饼图图表类型三设置:最大销售占比的产品类型设置了特殊显示(闪烁动画)。
截图202107011318079474.png

 

(2)数据分析结论:通过此饼图可以直观地看出线上销售金额占比最大的为洋房产品,最小的为公寓产品。产品的销量情况可能与公司洋房的货量较比公寓的货量多很多有关,而且根据房产政策的要求,洋房的产权年限为70年,而公寓的产权年限为40年,再基于全国每个家庭的人口基数的考虑,社会人群更愿意选择洋房,而公寓由于成本低,更多地被作为投资的选择。



5.5【产品线上销售金额排名】此模块从产品类型的角度出发,以条形图作为数据载体,分析了各产品类型的销售金额与产品之间的销量对比。 截图202107011318285363.png

 

(1)设置步骤:一拖:【产品类型】维度指标拖到仪表板的维度轴、【线上销售金额】指标拖到仪表板的指标轴二选:选择条形图图表类型三设置:条形图设置显示产品类型名称和销售占比,并且最大销售金额设置了特殊显示(闪烁动画)。
截图202107011318447762.png

 

(2)数据分析结论:从各个产品类型的数据与对比来看,销售金额最大的为洋房,最小的为公寓。可能原因是:公司洋房的货量较比公寓的货量会多很多,而且根据房产政策的要求,洋房的产权年限为70年,而公寓的产权年限为40年,再基于全国每个家庭的人口基数的考虑,社会人群更愿意选择洋房,而公寓由于成本低,更多地被作为投资的选择。同理于【产品类型线上交易占比分析】的分析。

 

5.6【线上销售项目分析】此模块从城市角度出发,以城市地图作为载体,分析全国各城市参与线上销售的项目分布情况。
截图202107011319005463.png

 

(1)设置步骤:先对省份、城市设置地理角色与创建钻取目录(省份、城市)一拖:将省份/城市经度指标拖到横轴;省份/城市纬度指标拖到纵轴二选:选择城市地图作为图表类型三设置:线上销售项目个数作为颜色参数,控制地图颜色变化
截图202107011319226496.png

 

(2)数据分析结论:从全国各城市项目落地线上销售工具的数据来看,广东省的推广力度最高,中部地区也持续推广中,较为惨淡的为西北地区。造成此分布不均的现象可能是因为“山高皇帝远”效应与地区经济发展程度有关。我们公司位于广东省,所以按照公司的辐射范围与执行力度,广东省无疑是项目推广落地效果最为明显的,而中国西北地区的经济发展水平较为落后且公司辐射范围更弱,从而导致西北地区落地推进较为困难。故建议公司可针对推广效果好的地区,增加更多的业绩KPI挑战,对推广效果不好的地区,可以适当采取帮扶手段。并打造公司标杆项目,以更好反哺其他地区项目吸取别人的成果经验,促进业绩达成。

 

5.7【客户转化分析】 此模块从公司客户转化的角度出发,使用漏斗图作为载体,分析客户各阶段的转化情况。其中,根据客户所属阶段的不同设置了不同颜色,颜色则根据数量的变化而变化。
截图202107011319403716.png

 

(1)设置步骤
一拖:【客户层级】维度指标拖到仪表板的维度轴、【数量】指标拖到仪表板的指标轴
二选:选择漏斗图图表类型
三设置:对图表进行颜色设置,整体色系基调为蓝色,各层级阶段数量越少颜色越浅。

 

(2)数据分析结论:根据漏斗图分析得出整个获客转化流程为访问-认筹-认购,而且整体的转化效果达到21%左右,对于还在推广应用期的功能来说,效果算是不错的了。后续可以通过销售人员持续激活访客或项目适当增加客户暖场活动,来提高客户转化效率,以达到提高业绩的目标。

 

5.8【近一年线上销售成交套数分析】 此模块从公司角度出发,以月为时间单位进行分析,采用柱形图作为数据载体,分析近一年公司总体线上销售套数的增长趋势与变化情况。
截图202107011319582108.png

 

(1)设置步骤:一拖:【月份】时间维度指标拖到仪表板的横轴、【线上销售套数】指标拖到仪表板的纵轴二选:选择柱形图图表类型三设置:柱形图设置显示销售套数,并且添加平均销售套数警戒线,以更好监控处于临界值附近的数据变化。
截图202107011320144613.png

 

(2)数据分析结论:从柱形图可以直观展示出2020-07月销售套数最小,2021-06月销售套数最高,而且可以看出最大与最小值的差距大约为9-10倍,增长速度明显,说明在公司的持续推广落地以及各大区的共同努力下,收获成果是不错的。但从此图可以看出增长速度有放缓的趋势,故需要公司提前预警,持续做好宣贯与监控措施,防范于未然。
注:【近一年线上销售成交金额分析】柱形图设置与分析过程同理于【近一年线上销售成交套数分析】。

 

5.9【产品线上销售金额明细表】 此模块从产品类型角度出发,以分组表作为载体,分析各产品类型下线上销售套数、总销售金额、线上销售金额、线上销售额占比的数据及占比情况。
截图202107011320448870.png

 

(1)关键数据指标加工逻辑线上销售额占比=线上销售金额/总销售金额

 

(2)设置步骤
一拖:拖动【产品类型】指标作为维度统计、【线上销售套数】【总销售金额】【线上销售金额】【线上销售金额占比】作为指标进行分析
二选:选择分组表的图表类型
三设置:①设置合计列颜色为蓝色,②开启数据条功能
截图202107011320598424.png

 

(3)数据分析结论:从分组表可以看出车位的线上销售业绩最好,而别墅的线上销售业绩最差,可能与本身产品的价值量和推售货量有关。车位价值小且很多项目车位基本按照1:1进行分配,故货量相对充足,所以线上销售针对此产品类型较为容易推广与销售。而别墅价值大且货量相对小,所以销量较为不理想。所以建议集团可以针对此情况,制作大区KPI绩效考核目标的时候,可以适当评估大区各产品类型的货量情况,增加产品类型的考量因素,以更好地推进目标达成。

 

5.10 【大区线上销售金额明细表】 此模块从大区角度出发,以分组表作为载体,分析各大区线上销售套数、总销售金额、线上销售金额、线上销售额占比的数据及占比情况。 截图202107011321188577.png

 

(1)关键数据指标加工逻辑线上销售额占比=线上销售金额/总销售金额

 

(2)设置步骤一拖:拖动【大区】指标作为维度统计、【线上销售套数】【总销售金额】【线上销售金额】【线上销售金额占比】作为指标进行分析二选:选择分组表的图表类型三设置:①设置合计列颜色为蓝色,②开启数据条功能,③设置数据下钻,可通过点击大区数据,下钻查看到对应区域的明细数据
截图202107011321382387.png
截图202107011321467970.png

 

(3)数据分析结论:通过此分组表可以看出线上销售占比总体业绩比例明显,占比最高的大区较比占比最低的大区差值约为2倍,整体情况算正常。同时也可通过下钻的功能去查看该大区下各区域的执行与销售情况,可以快速定位问题并制定好相关的应对措施。建议公司可以针对各大区的线上销售占比做一个黑红榜警示大屏,对于做得好的大区,可以设立奖池,对于垫底的大区增加惩罚措施,以更好地调动大区的积极性。

 

6、最终结果呈现的页面布局
截图202107011322422881.png



三、参赛总结


通过公司本年的fineBI培训并学以致用于工作中,深刻体会到finebi是各位表哥表姐的福音,他既能提效减负又能实现从数据1.0时代蜕变到2.0时代,无论从工具还是思维上都是逐步发生质变的过程,让用户随性通过拖拉拽的方式组合自己想要的大屏。而这个产品最让我惊艳的地方是它的olap、数据条、动画、数据联动、组件跳转功能。
  • olap:能够实现数据上卷与数据下钻分析的功能,能更快速地定位问题与查看数据。
  • 数据条:将数据对比形象化,更直观清晰地体现数据的占比情况。
  • 动画:将数据展示赋予更多的关注形式,让数据更加突出。
  • 数据联动:实现组件之间的动态数据筛选,操作更加方便,问题定位更加便捷。
  • 组件跳动:实现模板之前的相互跳转,不管是分析还是操作都更加快速高效。

 

当然我们在看到finebi在数据实现上较比传统数据开发模式更加灵活多样,炫酷高端的优势下,也需要审视现在finebi平台的不足,例如我们发现的平台性能支撑、数据实时性处理、权限管理方面的不足,并不能支撑本公司营销数据大量并发、实时性要求与权限严格管控的业务特性。所以也希望借此机会向帆软团队提出上述站在使用者角度总结出来的产品诉求。

 

最后,谈谈团队通过参与这次比赛的心得体会。
  • BI项目的成功离不开数据质量的保障。由于这个项目的数据质量不高,导致前期的数据加工耗时严重,所以也让我深刻体会到打造牢固的数据底座是刻不容缓的事情。
  • 数据大屏不需要太多图表样式与颜色,只要区分好重点数据与辅助分析数据便可,整体主题明确,切忌喧宾夺主。
  • 项目调研非常重要,因为我们这个项目存在首次选题失误,后面需要推土重来重新选题,所以在做数据分析项目的时候,需要有充分的调研与业务理解才能做好。
  • 团队意识与团队协作尤为重要,个人离不开团队,团队能实现1+1=3的效果。


房产线上销售数据分析 .pdf (365.64 K)

发表于 2021-7-4 19:43:37
发表于 2021-7-4 19:52:16
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

2回帖数 2关注人数 7697浏览人数
最后回复于:2021-7-22 10:36

返回顶部 返回列表