【2022BI数据分析大赛】京东电商用户与店铺分析驾驶舱

我是社区第503188位番薯,欢迎点我头像关注我哦~

 

一、选手简介

1、选手介绍

个人介绍:帆软社区用户名Abbey660,我是在电商行业做数据分析师。个人感兴趣业务分析与BI可视化。

 

2、参赛初衷

我上一年也参加了Fine BI可视化大赛,觉得国内BI软件中Fine BI很适合日常工作与分析,这次的比赛主要想提升自己的Fine BI技能,同时也了解到Fine BI这次比赛更加注重分析流程、分析价值与业务逻辑,所以想通过做BI的过程中,能提升自己的逻辑与分析能力。我相信,这是目前BI工程师与数据分析师的痛点,通过BI分析出更多业务中的痛点以及价值,这将是未来BI的主流方向。同时希望与更多FineBI大神交流学习,有更多的分析思维的激烈碰撞。最后,这次FineBI官方比赛的奖品真的很给力,我觉得对数据人的一种鼓励与肯定。

 

二、作品介绍

1、业务背景/需求痛点

简述业务背景,

数据来源于和鲸社区的京东电商数据,主要是行为数据、用户数据、评论数据、商品数据、商家店铺数据。

 

简述需求痛点:

由于是网上数据,没有指明需求,但可以先搭建店铺与人员指标,查看店铺状况,同时可以根据目前已有的数据做店铺分析以及用户画像,发现店铺中的痛点,给出营销策略。

 

2、数据来源

自选数据:总共有5个表,部分数据下载之前已做了脱敏处理。

Image Name

Image Name

 

3.分析思路

 

4、数据处理

由于数据没有销售额与客单价,在做RFM的时候少了M,这时候我想到用VIP等级来判断用户消费水平,总共分为7个等级,等级越高,消费能力越强。

 

1.选取jdata_action中的user_id,action_time,type字段

 

2.过滤数据等于2,2为下单的数据。

 

3.左右合并jata_user的表中的user_id,user_lv_cd字段,合并依据是user_id。

 

4.将user_lv_cd由文本格式改为数字格式。

 

5.根据用户分组汇总,由于同一个用户的等级是一样的,所以这里用平均数,以免相加影响结果。

 

6.修改字段名称

 

7.新增列,计算最近一次消费距今的时间。

 

8.新增列,计算平均消费,7的平均数就是3.5,这里直接写上了。

 

9.新增列,计算平均用户消费次数

 

10.新增列,计算最近一次消费至今平均天数

 

11.新增列,计算次均消费金额评价

 

12.新增列,计算消费次数评价

 

13.新增列,最近一次消费距今天数评价

 

14.新增列,合并RFM

 

4.1整体分析

(1)数据含义表达和图表排版布局。

第一部分是整体分析的布局,构建指标有:浏览量,下单量,用户数,男女占比,VIP级别占比,客户年龄分布,销量TOP 10 城市。风格主要以商业风为主。

 

(2)通过分析得出的结论

1.京东店铺男女消费群体各站一半,差异不大

2.主要客户来自348、204、119城市

3.店铺主要客户VIP占比较高的是1级,占30.19%,其次是6级占27.42%,需要引导1级用户升为2级,6级用户升为7级

4.客户主要年龄分布主要在第五个等级,其次是第六个等级,可以根据用户年龄层来开发适合用户的产品。

 

4.2用户画像

(1)数据含义表达和图表排版布局。

第二部分是用户画像,构建的指标与模型有:

用户生命状态模型:根据用户从新用户到流失用户的生命周期计算目前每个的时期的占比与数量。

复购率:根据用户多次购买计算复购率,分析用户黏性。

行为漏斗:根据每个用户行为的漏斗转化率得到哪个行为转化率异常,另外加购和关注虽然不是最后的行为,为了保持数据的合理性,把它们放置到最后。同样也可以分析到其转化效果。

RFM模型,根据最近一次购买数量,购买频率,购买金额将用户分成8种类型的用户,可以实施不同的营销策略。

 

(2)通过分析得出的结论

1. 本店忠实用户占80%,用户黏性很高

2. 4月份的复购率下降,下降了3.12%,需要用优惠券等手段召唤老用户,提高用户复购率。

3.浏览量到下单的转化率有6%,符合一般电商行业状态,下单后评价转化是37%,可以用好评返现等形式提升评价数量,另外加购和关注远远少于下的那人数,可以用优惠券,小礼品等手段引导用户关注,优惠价预售活动引导用户加购。

4. 本店客户大头是一般价值客户和一般保持客户,两者加总占60%,说明有大部分消费者的消费能力不高和,应向该客户推送公司主营业务,通过宣传推广让产品信息送达客户手中。

5.其次是重要挽留用户、重要发展用户,重要保持用户与重要价值用户,占比40%,对于重要挽留用户,消费频率不高和最近消费比较远,可以通过短信方式,活动优惠券发放等方式挽留用户,对于重要发展用户,这部分消费频率不高,忠诚度不高,很有潜力的用户,必须重点发展。

6.本店铺主要客户来源于741国家和2136国家,其次是2316,187国家。

 

4.3评分分析

(1)数据含义表达和图表排版布局。

指标有好评TOP 10产品,差评TOP 10产品,好差评占比,每周评论趋势

 

(2)通过分析得出的结论

1.好评产品前三分别是217024,219334,25448,可成为店铺的主打产品,差评产品前三分别是217024,171917,25338。差评产品要优化。

2.店铺的好评率是98.95%,产品质量以及服务整体不错。

3.整体的好评与差评趋势较为平稳。

 

4.4店铺与品牌分析

(1)数据含义表达和图表排版布局

图表与指标有:店铺热卖品类,7级VIP的品牌喜好,0分析店铺数据,百万粉丝店铺的粉丝数,VIP数,评分对比。

 

(2)通过分析得出的结论

1.0粉丝店铺总共有656家,其中店铺5566,粉丝数0,店铺评价-1,vip数201,VIP数不错,但评价却是负数,要查看你该店铺的是否客服没有做到位。0粉丝僵尸店铺要合理清除,以免占用资源。

2.百万粉丝店铺中,1912,3790店铺的vip数量极低,需要将粉丝数转化为VIP,可以加强宣传,或升级VIP附送小礼品促进店铺的VIP提升。

3.店铺热卖产品可以升级为主打产品,大理宣传。

4.根据7级会员的品牌喜好,推荐相关品牌的产品,实现精准营销,促进成交率。

 

最后主图展示

图片1

 

三、参赛总结

1、FineBI工具

FInebI自助数据集还是挺好用的,只需要点击选择即可轻松清洗数据,省去代码的思考时间。

另外也有一键排版布局,在美观度上还是不错的。

在可视化当中,如何才能体现图形带来的价值,我认为应该站在看这张报表的人上思考这个问题,比如同样是条形图,除了看高低之外,业务下一步会做什么?会找标准去对比该数据是否异常,这时候我们只要多想一步,添加一条辅助线,这个从原本的多少,变成对比分析后的异常数据,这样更加体现的图形带来的业务价值。

 

2、参赛总结

克服的困难:当我看到产品数据时,第一时间联想到购物篮分析,奈何我电脑配置不够,及时构建了自助数据集,也更新不了,后来我导入了SQL,python构建指标,都报错,显示我的电脑内存问题,后来我直接找电竞网吧,租了VIP级别的电脑,直接在上面做,做出来之后我以为是我的数据异常,因为显示图形是空白的,不是每一个都有颜色的方块,只有隔了好远才出现的一条颜色, 于是我问技术员,自己也核对数据看是否出错,才想明白,其实并不是每种订单数据适合做购物篮,像这种客户都是单个购买比较多,很少跟其他商品一起购买的,是不适合做购物篮分析的。模型有很多,但是并不是每个都合适。

感恩的事儿:虽然是个人赛,不过自己有问题的时候也会问问大赛的技术导师,导师真的很用心负责,及时很晚了,还是回答我的问题。

遇到的人儿:感恩遇到一群志同道合的人,感恩遇到技术导师。

认知新感悟:既然时间已经花在这里,就认真对待,想要得到一个好的结果。

 

参与人数 +2 贡献 +5000 F币 +5000 理由
兔子酱 + 5000 恭喜荣获2022数据分析大赛最佳行业应用奖
帆软苏茜 + 5000 恭喜荣获2022数据分析大赛最佳行业应用奖

查看全部评分

发表于 2022-4-28 22:29:39

你好,楼主,请问步骤4~6这里,user_lv_cd不是会员级别吗?怎么在修改字段名称这里改成了“平均单次消费金额”?

参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-4-28 22:36:07

还有计算平均消费的时候,7是怎么得出来的呀,而且你写的是4.5,不是3.5哦

参与人数 +1 F豆 +100 理由
Abbey660 + 100 默默地点个赞,然后闪人

查看全部评分

发表于 2022-4-29 11:06:42

这里“最近一次消费距今数”>“最近一次消费至今平均天数”,应该赋值为0吧,距今越远权重越小

25.png

发表于 2022-5-9 12:25:31
案例打卡:又看到智慧数据的色彩风格了,看来这个果然很受欢迎哦。楼主专门找电脑的想法非常好,一定要有好电脑,最好16G左右内存做会流畅。看到上面评价说一些基础是否有错误,这个我不关心,一般数据人不会弄错的,只看数据分析思路吧,看到首先有漏斗逐层转化分析,有rfm会员分析,数据分析的话,有分析结果和建议,但是是和鲸社区的数据,如果是脱敏的企业数据就可以有结果再次分析了。解说的很棒,用官网推荐的傲软录屏的话,就可以对着分析结果讲解了。
建议其中个别组件图表的表头用汉语受众面更广。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-9 12:55:38
案例打卡:很喜欢这个作品呢,重点指标清晰突出,组件协调性和细节处理的不错,关注一个,常交流
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-10 15:26:57
案例打卡:路过自己的作品,感觉比去年的作品进步不少,感人路过点评的人~
发表于 2022-5-10 17:09:07
案例打卡:看完多篇电商数据的分析作品,大家的分析维度及分析方法大致相同吧,但是,作者在数据处理的时候对于缺失的数据灵活的利用现有的字段进行替代,值的我学习!面板展示风格是我喜欢的风格,(*^__^*) 嘻嘻……
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-11 21:24:56
案例打卡:电商类型的作品,其用到的模型基本差不多,如何才能凸显自身的优势,这个需要思考。楼主在数据表分析时,明确阐述了关键字段(唯一关联字段),用于构建关系,这个很值得初学者进行学习
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-12 19:57:18
案例打卡:整体的分析逻辑挺好的,色彩搭配上也很舒服。不过分析的细粒度还是可以更加挖掘一下
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-14 10:57:54

案例打卡:来了来了,目前看到的觉得电商分析做的很棒的一篇作品(记在个人认为的优秀作品本本上了)。先夸夸,再给点建议。敬佩一个人做出这么优秀且值得推敲的作品!总体文章排布以总分结构进行,通过整体店铺情况展示,逐渐下沉到用户画像/评价分析/店铺与品牌分析等,每一步骤都给出了具体的明确指标和应用的多维度多模型(用户生命状态模型,RFM,行为转化漏斗)分析,可以说是目前参赛看到的电商作品的顶级之一了。

建议的话
1. 从最开始没有明确仪表盘的使用范围和使用者(在第一眼查看的时候确实会有点疑惑,使用群体会是谁,但是实际上这篇完全可以被用于电商运营部门,去进行全局了解,并且优化改进)
2. RFM的R值好像有点问题(R应该是越小越好的)
3. 实质性建议给的不够有价值,更多算是一个数据的收集和展示(不过理解一个人做的难度,说实话,能做成这样已经非常厉害了,非常敬佩)
4. 后期可以考虑使用购物篮分析,作为具体的延伸方向

参与人数 +1 F币 +6 理由
帆软苏茜 + 6 有效打卡奖励

查看全部评分

发表于 2022-5-21 17:56:44
案例打卡:比较喜欢这份作品的风格和配色,灵活运用用各类分析模型,比如用会员级别字段代表RFM中的M。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-22 14:59:18 发布于APP客户端
案例打卡:仪表板整体布局不错,左侧为分析结论,右侧为图表,符合从左往右的阅读的习惯,点赞
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-5-30 21:39:06
非常值得学习的一份作品,分析思路清晰、维度拆解合理、布局也很不错~最关键是细节处理很好欸,文字大小、文案突出等等都很棒
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2022-6-1 12:26:25
非常值得学习的一份作品,分析思路清晰、维度拆解合理、布局也很不错~最关键是细节处理很好欸,文字大小、文案突出等等都很棒
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

发表于 2023-2-28 15:17:28
您好,冒昧问一下您参赛的数据还有么,我们毕业设计会用到,可以有偿哦
发表于 2023-9-5 22:07:59
你好,楼主能提供下数据源吗
发表于 2023-10-25 19:55:27
有数据集吗?
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

40回帖数 15关注人数 41134浏览人数
最后回复于:2023-12-15 10:14

返回顶部 返回列表