【帆软杯】某通信科技公司提升门店销售额的营销策略分析

标题：《某通信科技公司提升门店销售额的营销策略分析》

 

作品整体展示

 

1、团队介绍

（1）团队名称：敢和我组队？

（2）团队组成：

zcs：在团队中担任队长，主修营销专业，接受过数据可视化分析的系统学习；

FWT66：有基础的数据可视化分析理论知识，营销学子，曾获商务数据分析比赛校赛一等奖，集才华与颜值于一身的小姐姐，在本次的参赛过程中主要负责数据的处理以及可视化展示的配色方案；

WL15328：具有一定的数据可视化分析的知识，新闻学学子，博览群书，逻辑思维缜密，善于辩证分析问题并提出可操作性方案，在本次参赛的数据分析过程中起到了非常重要的作用。

（3）参赛初衷：

       团队成员对数据可视化工具均有浓厚的兴趣，其中一个队员特地利用课余时间去蹭数据可视化课程，队员均有着一定的BI理论知识构架，希望能通过此次比赛，将所学与实际结合，充分发挥知识价值，也希望能够通过此次比赛获得在精神以及物质上的双方面激励。

2、作品背景

       制作该数据可视化分析作品的原因是因为在通信科技产品的终端市场存在着较大的竞争力，如何选取更加合适的指标对数据进行多维度分析及展示，以及应该通过哪些指标进行分析从而为中高层管理人员制定本公司合理对策提供依据。例如，根据实际有效数据，我们对于终端门店可以通过对其销售业绩、门店经营状况以及客户价值等维度进行深入综合分析，能够为决策者提供更加全面丰富的数据呈现视宴。

3、制作流程

3.1数据来源说明：

      采取企业数据。数据为某通信科技公司旗下全国范围内10个具有代表性的终端门店，为排除不可预测因素的干扰，我们选择了2017年1月1日至2018年12月31日的数据，数据已经过脱敏处理并且已经经过初步清洗，以下是部分清洗记录：

3.2简述数据表：

      实操数据（2017.01.01-2018.12.31订单表）、日期表、店铺表、客户表、客户表（手机号清洗后）、产品表

3.3数据指标定义：

• 销售额=价格*数量*折扣
• 毛利额=销售额-（采购价*数量）
• 毛利率=毛利额/销售额
• 客单价=销售总额/成交笔数
• 客单量=销售总数/成交笔数
• 销售坪效=销售额/门店面积
• 投入产出比（ROI）=销售收入/(采购价*数量+店铺租金)

3.4 BI自助数据集展示：

(1)销售业绩分析使用到的数据集（总数据集）

(2)门店分析使用到的数据集（总数据集、客户数据集、店铺数据集）

1）总数据集（如（1）所示）

2）客户数据集：

3）店铺数据集：

(3).客户分析使用到的数据集（RFM分析数据集、客户表（手机号清洗后）、客户数据集）

1）RFM分析数据集

2）客户表（手机号清洗后）

3）客户数据集 (如（2）.1)所示)

3.5设计思路及关键过程说明：

根据实际数据，我们以以下数据分析维度框架展开，主要通过销售业绩、门店、客户三个维度展开分析：

4成果展示

     随着如今消费者的需求愈加多元化，对于通信科技公司而言，企业需及时给予关注，从而做出正确的市场反应，适时而变，才能在激烈的市场环境中夺取胜利。通过可视化数据呈现某通信科技公司的销售数据，通过对门店的运营情况、客户群体等维度的分析，并提出可操作性建议，以辅助公司后续经营战略的制定。

4.1 模块一：销售业绩分析

（1）分析说明：

    ·通过指标卡可以使得门店的销售业绩状况一目了然地呈现在用户面前；

    ·该模块分析运用柱形图以及线图可以清楚表明门店2018年整体的销售业绩变化趋势，能够直观的看出问题具体出现在哪个时间点；

（2）具体分析结果展示：

4.2 模块二：门店分析

（1）分析说明：

    ·通过时间过滤组件与地图的结合可以立体呈现出各地区的毛利额状况；

    ·玫瑰图可以清晰地体现出各产品分类的毛利额占比情况；

    ·通过词云可以清楚看出哪个门店负责人所负责的门店的销售额或毛利额指标最高或最低；

    ·通过各组件间的联动，可以准确找到问题的具体发生物及发生地点，整个思路是通过上述分析出来的问题时间定位到具体省份——（通过钻取实现）具体地区——具体门店——具体产品/门店具体负责人；

（2）具体分析结果展示：

4.3模块三：客户价值分析

（1）分析说明：

    ·通过线图可以清楚看出每个门店的ROI值，实现每个门店的ROI值对比；

    ·根据实际数据，将客户购买的数量、日期、购买金额这三个指标进行计算并向量化，并将客户重新分组，划分为8个维度：重要价值客户、重要保持客户、重要发展客户、重要挽留客户、一般价值客户、一般保持客户、一般发展客户、一般挽留客户，以便根据不同类型的客户进行进一步分析并做出不同的营销策略；

（2）数据分析结果展示：

5、总结与分享

       从数据处理到分析的全过程，我们遇到了许多问题但也学到了许多，虽然数据处理并非我们的强项，但是我们在数据可视化上下足了功夫。

       我们的总结就是在做数据可视化分析之前，一定要有一份完整的可利用的有效数据，其次，大家需要共同来思考并制定选题框架，多方面考虑分析维度，事先确定好要分析的问题，然后思考如何解决问题，并且通过哪些指标以及图表来进行可视化展示，特别是在计算指标的准确性以及完整性，我们就遇到了这样一个问题，我们在数据分析时，居然惊讶的发现有一个指标出现了无穷大，因为是销售坪效，所以我们断定出现无穷大的原因是分母的指标店铺面积出现了0，但是原数据表并没有出现问题，之后推测问题应该出现在自助数据集当中，经过检查，原来是在上下合并两个表时，由于其中有一个表因经过一系列计算从而导致列名字段不一致，从而出现了空值，为了解决这个看似简单的问题，我们花了一小时多。这件事告诉我们两件事，一是面对问题应该合理推测原因，一步一步寻本溯源，二是要继续加强BI理论知识的学习，将理论与实操结合起来，相辅相成，才能做到孰能生巧。

      最后就是要结合数据与实际进行深入分析，根据量化指标，提出可行性建议。团队是一个整体，大家都朝着共同的目标前进，只有大家都积极参与实践，发挥各自的作用，才能够产生部分之和大于整体的效果，才能够使作品得到最佳的展现。