【2022BI数据分析大赛】母婴童行业之新零售连带消费分析
经常有小伙伴问数据集，放在这个链接了，有需要的自取呢哈哈
https://pst1ktjfek.feishu.cn/file/NNEmbiFNAogS95xKiSgcGlRtnX0?from=from_copylink
一、选手简介
1. 选手介绍
哈喽，大家好呀~我在帆软社区叫“简小凡”.
目前就职于南京一家产业互联网公司，我司目前旨在帮助母婴童产业提升全渠道数字化的会员经营能力，通过对本地化的会员和商品的大数据分析，接入多元化的上游品牌商，为母婴童门店提供母婴商品、亲子服务、新家庭等全品类精选商品和服务，提升整个产业链效率。
本人现阶段主要从事数据分析工作，偶尔会兼做数据产品经理，对产品方向的应用颇有兴趣。
日常喜欢撸猫，这是我家猫咪李橘花的丑照
2. 参赛初衷
2020年秋第一次接触FineBI，至今已在FineBI打怪升级道路上一年半多，算是个有点经验的老玩家了吧，哈哈~想着可以通过比赛评估下自己当前的水平如何；同时也希望跳出日常工作的需求，去做下自己有想法但一直没有落地的分析场景。
再者，去年就有关注帆软的BI数分比赛，了解到这个比赛有很多很优秀的小伙伴，不管是可视化创意、分析思路、数据处理、应用场景方面，很多作品都值得好好学习总结、提炼，并最终运用到自己的工作中去。
总而言之，希望借此机会学习优秀作品的思路、可视化，提示自己的数分思维；也希望自己可以做出一个相对满意的小作品，算是对自己使用FineBI的一个阶段小结吧！
二、作品介绍
▮ 写在前面
选题：零售行业之《母婴童行业·新零售连带消费分析》
我司定位于打造母婴童互联网产业，从上游品牌方、供应商，到下游母婴连锁店，乃至终端消费者，各环节都有数据分析需求。最初思考选题时，有三个方向：
(1)上游：新合作某一品牌系列，要找到该品牌系列在我们的客户范围内的机会点有多大，以及如何说服品牌方与我们合作
——放弃，看板已经做过并应用，至多在美化和思路上进行优化，对自我提升帮助不大。
(2)下游：线上新零售引流到店二次消费，对下游母婴连锁店的业绩贡献有多大
——采纳，连带消费分析陆续做个几次小分析，没有形成完整的分析框架，正好借此机会梳理！做好还能反向应用到工作中，美滋滋。
(3）自身：经营分析体系搭建，从整体的经营监测分析到各业务线核心分析看板的串联，提供核心经营指标监测，并基于核心业务线的核心指标做二级看板跳转，实现可运营的BI数据分析。
——放弃，后续还是要做的，但是工作量有点大了，最近工作上需求不少，我这个DDL选手怕是完不成
1. 业务背景
1.1 背景介绍
在消费升级、群体需求变化、疫情影响等多重因素的驱动下，实体母婴店接受外部赋能，融入新零售发展的大潮成为了必选出路。在新零售模式下，母婴店依托小程序与多场景的有效融合，结合线上运营策略引流到线下，促成会员转化、提高会员复购率，盘活经营效率。
但不同于天猫、蜜芽等线上渠道，"线上零售场"是母婴店与用户的新触点，不能完全取代线下门店的体验消费，在数据上表现为线上零售额远不及线下门店销售，对母婴店而言，通过新零售为线下引流，促成用户“到店二次消费”更能提升门店业绩。在此背景下，我们的客户运营部不定期会给客户提供新零售运营方案，帮助客户提升业绩。
1.2 需求痛点
每次出运营方案都要耗费大量人力、时间从客户系统导出数据进行分析，而客户遍布全国各地，由于区域差异性导致方案复用性较低，客户运营部希望我们数据分析团队可以提供一个固化报表，帮助他们提升工作效率。
1.3 分析问题
进一步沟通后，了解到运营方案差异在于为客户目标客群选取合适商品，通过新零售工具组合拳触达会员，促成转化；同时选品时会和品牌营销部一起沟通，匹配上游合作品牌资源，反向思考后，当品牌要投放资源，本报表可以为其匹配合适区域/客群/场景。
为此，本次报告的分析问题主要有：
(1)了解现状：线上到线下的消费转化率，到店连带消费对门店业绩的贡献度
(2)分析现状：哪些场景、哪些商品、哪些客群的到店连带消费效果最好？
(3)策略选择：对于不同客户如何选择客群+场景+商品？对于不同商品又应如何选择？
2. 分析框架
需求方：客户运营部、品牌营销部
使用场景：
(1)场景一：提供新零售连带消费整体数据概览
(2)场景二：平台级活动或品牌资源投放，选取合适区域/客户群
(3)场景三：赋能单个客户，提供新零售运营方案
分析方法：
(1)整体思路：基于5W2H结合”人-货-场”分析思路对上述三个问题进行拆解
(2)描述现状：通过公式拆解找到本次分析的核心指标
(3)分析现状：对“人-货-场”三个主题逐步拆解，具体方法包括——
对比分析法：看数据整体大小、时间趋势变化，不同维度对比
漏斗模型：看人群转化
ABC分析：找核心枚举
波士顿矩阵分析：找到可选项（城市、商品）
品类关联分析（参照购物篮分析系数）：找到商品组合
TOP分析：找到头部品牌
具体分析框架见下图：
3. 数据处理
3.1 数据来源
本次比赛选择的是企业数据，已经脱敏处理，根据分析框架，梳理出所需数据包含：订单、流量、会员、微信场景、城市等级这5部分数据。
3.2 指标口径
指标名称
统计口径
线上消费会员数
统计周期内，订单支付成功的会员数（减退单）
到店核销会员数
统计周期内，订单支付成功后到线下门店核销的会员数，注意按支付日统计
连带消费会员数
统计周期内，到店核销当日产生线下订单的会员数，注意按支付日统计
线上销售金额
统计周期内，订单支付成功的金额（减退单）
到店核销金额
统计周期内，订单支付成功后到线下门店核销的金额，注意按支付日统计
连带消费金额
统计周期内，到店核销当日产生线下订单的支付金额，注意按支付日统计
到店核销转化率
=到店核销会员数/线上消费会员数
连带消费转化率
=连带消费会员数/到店核销会员数
到店人群转化率
=连带消费会员数/线上消费会员数
连带消费贡献度
连带消费金额/到店消费人群核销金额
单客产值
=消费金额/消费会员数
支持度
=A+B同时购买订单数/所有订单数
置信度
=B订单数/A订单数
贡献度
=支持度/A的支持度*B支持度
页面访问量
统计周期内，小程序的页面访问量
支付核销天数差
线上订单核销日期-支付日期，0表示线上支付当天到线下核销
3.3 处理逻辑
本次分析的数据表处理逻辑见下图
具体各部分处理如下
(1) 基础表-订单商品明细数据处理
连带消费本文定位回顾：线上订单到线下核销后当天产生的订单
场景一：支付当日到线下核销并产生连带消费订单；
场景二：支付后N日到线下核销并产生连带消费订单。
存在问题：线上支付订单和连带消费订单是N对N的关系，由于本次分析产出的看板需要支持自定义时间查询，因此需对订单商品行的金额数据进行均摊处理。
数据处理：
① 获取前置订单及核销日期(即表1线上订单)，然后获取关联订单(即表2核销日期线下订单)
② 生成表3，获取表1和表2订单重复次数，表1和表2 关联规则为“表1.核销日期=表2.支付日期 且 表2.支付时间>表1.核销时间”
③ 均摊表1和表2的订单支付金额，解决在看板侧计算时的订单重复问题
前置订单支付金额均摊=前置订单支付金额/前置订单重复次数
关联订单支付金额均摊=关联订单支付金额/关联订单重复次数
具体处理见图示，订单数据同时将会员属性和客户属性信息一起通过SQL处理完成后导出到EXCEL，再上传到FineBI
(2) 漏斗数据处理
① 从订单表获取每日会员明细后分组汇总，减少数据量；
② 按“线上消费-到店核销-连带消费”三个环节依次合并“每日会员明细表”：
选择字段，生成环节A”线上消费“；
上下合并“每日会员明细表”，生成环节B”到店核销”字段；环节C操作类似；
③ 合并上述3个环节，生成”消费阶段“字段，并过滤环节为空的数据。
(3) 品类关联分析数据处理
具体步骤参照FineBI帮助文档的购物篮分析：https://help.fanruan.com/finebi/doc-view-1195.html
连带分析的商品组合效果，分两部分处理：
第一，“波士顿矩阵分析”，看不同商品组合的到店人群转化率和连带消费贡献度；
第二，“购物篮分析”，将线上订单和连带的线下订单作为一个整体，挖掘两者之间的联系。
本文旨在了解线上订单引流到店消费的连带效果，因此以前置的线上订单作为主订单号，前置+连带订单的商品视为一笔订单处理（注意连带订单号要非空），具体处理如下：
① 支持度
含义：A+B在所有订单出现的概率，支持度越大，关联规则越重要。
实例说明：前置订单一共10笔（前置订单数=所有订单数），其中同时购买奶粉和尿裤的订单是5笔，则该组合的支持度为5/10=50%8
② 置信度：
含义：购买A后购买B的概率，置信度越大，关联规则准确度越高
实例说明：前置订单一共10笔，其中前置订单购买奶粉的订单是8笔，奶粉的连带订单中购买尿裤的订单是5笔，则置信度为5/8=62.5%
注意由于前置订单在于连带订单前，先购买的商品要从前置订单中取
③ 提升度：
含义：先购买A对购买B的提升作用，用来判断商品组合方式是否具有实际价值，是看组合商品被购买的次数是否高于单独商品的购买次数，大于1说明该组合方式有效，小于1则说明无效。
实例说明：前置订单一共10笔，前置买奶粉8笔，连带买尿裤6笔，前置买奶粉且连带买尿裤5笔，则提升度为0.5/(0.8*0.6)=1.04>1
具体可见下图:
前置订单
前置A：奶粉
连带B：尿裤
AB
支持度
置信度
提升度
10
8
6
5
5/10
5/8
0.5/(0.8*0.6)
4. 可视化报告
4.1 原型与图表选择
第一步，结合分析思路去构思每一模块用什么图形表达；
第二步，选择一个合适的仪表板样式，包括配色、组件背景等的预设；日常工作中，我们数分小组每年会出一套视觉方案，在管理系统-外观配置中预设好当年的仪表板样式，方便大家使用；同时通过视觉差异可以也能快速了解这个看板大概的制作年份；
这次比赛可视化评分占比15%，正好今年还没更换主题色为此想了好几套配色方案，在深色和浅色中纠结许久，最终选择了去年自己的一套深色方案！
按照分析思路初步规划原型图和每个模块图表选择、业务含义/目的，如下图.
这里就不敲文案啦，布局的选择主要还是按照“对称”原则去展示，这个是个人偏好；关于布局，我还想着在本次比赛中学习下各位大神们的思路，提升下自己的审美。
By the way，原型图用墨刀画的，但平常工作画原型图，我会倾向在FineB看板中通过文本组件去实现原型图制作。
4.2 图表处理说明
(1) 对于同类型组件（如指标卡），通过在组件编辑界面切换数据集，可以提高效率；
(2) 漏斗图的转化率展示，通过TAB组件将“漏斗图”、“转化率指标卡”合并在一起，解决不好通过数据集处理自定义时段的漏斗筛选转化率
(3) 通过“闪烁”、“警戒线”、“注释”去突出重要信息
(4) 通过标签的“最大、最小值”减少标签元素的视觉干扰
(5) 联动效果处理
首先取消默认联动，然后在整体看板制作完成后，根据每个组件的联系和整体分析思路去调整；例如，看板默认展示1个月数据，希望点击其他组件的维度，可以查看该维度下的“近一年时间趋势”，这个时候就要改动下相关组件的联动关系了，见下图
这里小小吐槽下，对于不同数据集的组件联动，同自定义勾选字段时，总是会自动匹配所有关联字段，但有时候只需要核心1-2个字段关联，就要疯狂点击删除键保留所需字段。（不过不影响可用性，哈哈）
5. 报告解读
看板制作完成，首先保存一份作为日常使用的看板（不存在任何描述性、诊断性分析），用于满足需求方使用；接着，按照本次分析的命题，另存为一份仪表板，然后输出一份报告给到需求方。
5.1 时间选择：2022年六一大促，选择去年同期数据，并与全年数据对比。
5.2 了解现状：线上到线下的消费转化率，到店连带消费对门店业绩的贡献度
【结论】：2021年6月到店人群转化率较低，单客产值较低 ， 但由于线上消费会员数较多，该月连带消费规模较高，且连带消费贡献度高于整体水平；
【建议】：需结合去年同时段大促策略、SA客户的会员消费特征找到影响到店核销的可能原因
5.3分析现状：哪些场景、哪些商品、哪些客群的到店连带消费效果最好？
5.3.1场景选择
首先看省份规模，规模大才更有可能提升业绩；其次按省份下钻查看城市占比，结合消费会员规模、到店人群转化率、连带消费贡献度找出各省份的城市名单。
最后，基于城市名单，选择合适门店类型和营销方式、线上场景。
例如，江苏省2021年连带销售规模最大（20%），其中扬州市的核心指标表现较好，1264线上消费会员，转化率18.75%，贡献度17.56%，线上单客产值167元，连带单客产值高达2764元；并且从线上到线下连带消费，整体人群转化率都表现优异。
可考虑选择商场店，通过短视频和社群推送特卖促销活动信息。
参照上述思路，可考虑重点选择以下4个省份（连带消费金额占2021年6月79%）的8个城市进行重点突破：
江苏省（20%）：扬州市（商城店+特卖促销+社群&短视频）、徐州市（社群服务店+多人拼团+社群）
湖北省（19%）：宜昌市（社群商品店+多人拼团+社群）
河南省（16%）：新乡市（社群商品店+多人拼团+社群）、鹤壁市（社区服务店+福利秒杀+直播）
安徽省（13%）：滁州市（社区商品的+特卖促销&活动报名+短视频&社群）
四川省（11%）：眉山市（商场店+特卖促销+社群&短视频）、达州市（社群服务店+特卖促销+社群）
5.3.2 品类品牌选择
5.3.1已选择出7个城市，该部分重点针对这7个城市，通过数据联动，找到合适的品类品牌；以扬州市为例：
扬州市2021年6月线上玩具车床图书品类消费会员数、线上销售金额均最高，可以在线上主推该品类的华婴地垫品牌，
婴童服饰、辅食、纸尿裤线下购买人数较多，从品类关联角度看，可以考虑婴童洗护+婴童服饰，婴童洗护+零食，婴童服饰+婴童服饰的组合；婴童服饰品牌可选“奇宝乐园”，婴童洗护品牌可选“松达”。
线下3段奶粉、纸尿裤和2段奶粉销售金额占比较大，品牌可选贝因美、妙兜、飞鹤；结合关联分析，婴童洗护和3段奶粉组合搭配相对较好（订单数较大，但是提升度<1）
5.3.3 客群选择
仍以扬州市为例，结合社群和短视频场景效果最好，可以针对女性群体，围绕1-3岁宝宝偏好内容和品类，选择下午17点、20-21点进行推送和触达
考虑到时间影响因素，需要查看当前时间宝宝年龄分布，经查询会员分析看板，扬州市截止2022年4月末，宝宝年龄分布仍以1-3岁为主，因此上述选品相对可行。（我司用户可以从目录/会员综合分析中查询，本次报告不展示该数据，后期会增加看板跳转==）
已转化人群中，男性占比相对较高，当女性仍占绝大部分，女性和男性会员宝宝均已1-3岁为主；
从访问行为看：
--女性会员：偏好17、20-21点查看小程序，其中21点访问量最大，基本使用最近使用访问小程序
--男性会员：偏好9点查看小程序，基本使用最近使用访问小程序
5.3.4 《母婴童行业·新零售连带消费分析》之六月大促如何选品
对于本次六一大促选品，分析结论如下
(1) 2021年6月到店人群转化率较低，单客产值较低 ,但由于线上消费会员数较多，该月连带消费规模较高,且连带消费贡献度高于整体水平；
【建议】：需结合去年同时段大促策略、SA客户的会员消费特征找到影响到店核销的可能原因
(2) 考虑重点选择以下5个省份（连带消费金额占2021年6月79%）的7个城市进行重点突破
① 江苏省（20%）：扬州市（商城店+特卖促销+社群&短视频）
② 湖北省（19%）：宜昌市（社群商品店+多人拼团+社群）
③ 河南省（16%）：新乡市（社群商品店+多人拼团+社群）、鹤壁市（社区服务店+福利秒杀+直播）
④ 安徽省（13%）：滁州市（社区商品的+特卖促销&活动报名+短视频&社群）
⑤ 四川省（11%）：眉山市（商场店+特卖促销+社群&短视频）、达州市（社群服务店+特卖促销+社群）
(3) 以扬州市为例进行策略选取，其余城市参考思路即可
① 扬州市2021年6月线上玩具车床图书品类消费会员数、线上销售金额均最高，可以在线上主推该品类的华婴地垫品牌；
② 婴童服饰、辅食、纸尿裤线下购买人数较多，从品类关联角度看，可以考虑婴童洗护+婴童服饰，婴童洗护+零食，婴童服饰+婴童服饰的组合；
③ 婴童服饰品牌可选“奇宝乐园”，婴童洗护品牌可选“松达”；
④ 线下3段奶粉、纸尿裤和2段奶粉销售金额占比较大，品牌可选贝因美、妙兜、飞鹤；结合关联分析，婴童洗护和3段奶粉组合搭配相对较好（订单数较大，但是提升度<1） ；
⑤ 结合社群和短视频场景效果最好，可以针对女性群体，围绕1-3岁宝宝偏好内容和品类，选择下午17点、20-21点进行推送和触达。
6. 最终结果
6.1 日常使用版本
6.2 分析报告版本
三、参赛总结
1.FineBI工具
(1) FineBI对于新手而言是非常优化的自助分析工具，易上手、做出来的效果也很美观；对于在企业内部推广自助分析是一个很不错的工具选择（当然不是尬夸啦，我所在公司就在用FineBI啦）
(2) 目前为止最喜欢的几个功能点：切换自助数据集（配合复用，对工作效率提升非常有帮助）；Excel插件，这个期待很久了，近期公测使用了该插件，很好弥补了复杂式报表、系统数据和填报数据混杂的场景。
(3) 对于BI工具和数分的思考：FineBI工具要走出IT部门，真正推广到业务部门中去才能更好发挥BI自助分析的价值，不管是提升业务日常数据处理效率，还是让业务进行探索分析，都是很有必要的！
2.参赛总结
总结吧，最主要还是要好好规划时间，不然DDL选手真的就要错过末班车了......认真总结如下：
(1) 想做很久的分析通过比赛落地，很有成就感；同时学习了如何在BI处理关联规则的数据和可视化，颇有收获。
(2) 业务分析框架和思路确定后，缺少和业务深入交流讨论，这点做得是不够的。
(3) 本次看板的联动做得不是很好，这一点提交作品后看看还有没有优化空间。
(4) 数据分析一定要有参考线，不管是自我对比，还是他人对比；在对比时候一定时刻牢记时空变化，群体和群体需求也是在变化的，例如在分析报告版本解读的时候，发现没有增加当前人群画像属性是不够的，碍于时间问题暂未补充该数据，多少有些遗憾。
最后，本次分析从规划—确定选题—拆解思路—原型制作—看板制作整个环节看，确定选题和拆解思路方面感觉自己有些许提升，但是到底如何，还是只能寄希望于最终结果和点评，看看自己几斤几两啦，哈哈~~~但不管如何，这次比赛经历弥足珍贵。
分析报告版本《母婴童行业·新零售连带消费分析》.pdf (1.72 M)日常使用版本《母婴童行业·新零售连带消费分析》.pdf (1.53 M)分析框架《母婴童行业·新零售连带消费分析》.pdf (514.78 K)原型图《母婴童行业·新零售连带消费分析》.pdf (473.87 K)
