找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,极速登录

【2020冬季挑战赛】订单促进RFM模型应用

我是社区第338618位番薯,欢迎点我头像关注我哦~
1.   选手简介

1.1   选手介绍
帆软社区用户名:nauraa
公司:广州薇美姿科技有限公司(舒客)
岗位:销售支持-销售数据分析-管培生

1.2   参赛初衷
正肩负着推动公司从“拍脑袋”到“商业智能”、“数据驱动”的重要使命,在年底这样的关键阶段,希望通过参赛的方式给自己更多的信心和灵感!

2.  场景介绍

2.1   业务背景介绍 & 数据来源
  • 业务背景:个人平时有主要对接公司联合经营渠道的业务分析需求。与大多数零售/快效行业的经销商模式类似,我们也苦恼于数据不全/不准/不及时,很多时候作为新人的我也会特别感到困惑:究竟分析什么数据,得到什么结论才能真正帮助到生意?
  • 需求背景:实际上我的用户没有明确的需求。临近年底,销售业务们的首要任务肯定是冲关完成业绩,面对难搞的客户大佬们,怎么帮助到他们更高效地拿下订单就是我的优先级考量。
  • 数据来源:所以,环顾了手头健全的数据资产及知识储备,我决定去在财务口径的发货数据上做一定的挖掘,从而帮助销售业务一定程度上快速解决哪些SKU哪些客户好卖的问题。

(数据基础结构)
SKU|客户|最近订单距今天数|累计订单频次|累计开票额|政策力度|最新库存水平

是的,我套用了RFM模型的思路,并加上一点点落地方向的改良

2.2   分析思路
稍微不同于官方或其他优秀案例的RFM,我在构思时有几点差异化的考量:

  • 最小颗粒度:常见的RFM模型都是落脚在客户上的,如过去半年时间来看一个客户的R粘性、F忠诚度、M消费能力分别是多少。但在实际的快消生意模式下,每一笔订单都是从一个个SKU组成的,所以我的颗粒度是到SKU到客户的R、F、M,会动态变化

  • 辅助信息:很多实际情况下,单纯地根据RFM属性给客户分类其实意义有限。在零售行业中,我们还需要考虑像经销商的现有库存水平如何(哪怕是优质客户,对应库存高估计也下不了单),还有政策力度的影响(A是优质客户,但是靠政策活动优惠喂出来的)。所以我特意在基础数据模型里加了这2个关键的辅助信息

2.3   数据整理

综合来看,其它增删减改的清洗步骤都不难不赘述,最烧脑耗时的是如何给RFM打标

1)以R举例,先分组赋值(文本格式),此处建议自定义分组
数据处理1.png

2)第二步是将文本格式转换为数值格式,这里用到了tointeger公式
数据处理2.png

3)紧接着就要根据数值化的R参数值进行if判定(0或1,文本格式)
数据处理3.png

4)以此类推,RFM3个的判定式都做好后,用concatenate公式进行文本合并,得到如下
数据处理4.png

5)最后根据得到的3位数文本进行客户分类打标,此处使用的是switch公式
数据处理5.png

2.4   完成分析报告
尊崇一贯的概览-分析-执行框架,我的大致思路如下:
【概览看板】KPI指标卡+饼图+小地图,直接暴露有问题的结论和方向(哪个品类、区域)
【分析看板】矩块图+分区柱形图+散点图+图片,在聚焦问题后明确“可操作”的客户
【执行看板】明细表,给到销售+产品经理具体可操作的客户明细,在此闭环
(此处建议多利用动态文本组件以达到辅助描述的效果)

RFM比赛用(脱敏版).jpg

2.5   总结
数据分析可视化并不能从头到尾解决业务问题,它的价值更多的是在于理解和沟通。要始终保持谦卑和好奇,与君共勉!

21天打卡训练营.jpg

发表于 2020-12-8 15:51:49
没有作品展示呢?

使用道具 举报

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 1关注人数 2269浏览人数
最后回复于:2020-12-16 09:56

Array ( [id] => 16 [code] => 4302 [product] => FineBI [title] => 帖子详情页右侧banner [demand] => 334px * 410px [img_url] => /uploads/20210922/684b099ed6b7a27881b1649c158fc17f.png [click_url] => https://edu.fanruan.com/live/52 [status] => 0 [end_time] => 1632466885 [username] => Susy [edit_time] => 1632294094 )

联系社区管理员|联系帆软|《帆软社区协议》|手机版|帆软社区|Copyright © 帆软软件有限公司 ( 苏ICP备18065767号-7 )

GMT+8, 2021-9-23 06:42 , Processed in 0.126991 second(s), 49 queries , Gzip On.

返回顶部 返回列表