AI+数据化运营课件 项目六 服务数据分析

服务数据分析项目六分析DSR动态评分与评价数据

分析客服数据任务一任务二分析物流数据任务三实训AI助训目录/CONTENTS任务描述Taskdescription随着进店购物的用户越来越多，小赵发现店铺的评价数量也越来越多，评价内容有好有坏，这直接影响店铺的DSR动态评分。为此，小赵将利用整理好的数据，并基于任务单（见右表）完成对DSR动态评分与评价数据的分析任务。一、DSR动态评分的构成与影响1．DSR动态评分的构成就淘宝而言，其DSR动态评分是对店铺近6个月的宝贝质量、服务保障和物流速度等多维度数据的综合评分。01PRAT02PRAT03PRAT宝贝质量服务保障物流速度一、DSR动态评分的构成与影响2．DSR动态评分的影响一般来说，DSR动态评分对店铺的影响主要体现在3个方面。影响商品排名影响商品成交转化率影响官方活动的参加资格二、维护与提升DSR动态评分1．维护与提升“宝贝质量”评分维护与提升“宝贝质量”评分可以从商品质量和用户的真实评价着手。（1）商品质量。企业应与优质的供应商建立长期稳定的合作关系，在采购时对商品进行严格的质检，确保所采购的商品符合质量标准。（2）真实评价。企业可以通过店铺公告、客服沟通等方式，引导用户在购买商品后进行真实、客观的评价，可设置一些激励机制，如给予评价用户一定的优惠券、积分等奖励，让用户能够积极参与。二、维护与提升DSR动态评分2．维护与提升“服务保障”评分维护与提升“服务保障”评分可以从以下3个方面着手。客服回复售后解决退款速度二、维护与提升DSR动态评分3．维护与提升“物流速度”评分维护与提升“物流速度”评分可以从发货速度和到货时长着手。（1）发货速度。企业应当选择信誉良好、服务高效的物流企业，与其建立长期稳定的合作关系，并与物流企业协商制订合理的发货计划，确保在订单生成后能够及时安排发货。（2）到货时长。企业应根据商品的特点、用户的地理位置和配送要求，选择合适的物流方式。三、计算与分析DSR动态评分1．DSR动态评分的基本计算方法用户在参与商品评价时，会针对宝贝质量、服务保障和物流速度这3个维度进行评分。因此DSR动态评分与用户的评分相关，具体计算方法：将店铺连续一段时期内用户给予的评分总和与该时期内的总评分人数相除，得到最终的评分结果。例如，“宝贝质量”这个维度最近30天内一共有100位用户参与评分，每位用户只参与了1次，其中评5星的有92人、评4星的有5人、评3星的有1人、评2星的有1人、评1星的有1人，因此“宝贝质量”维度的平均分为(5×92+4×5+3×1+2×1+1×1)÷100=4.86（分），DSR动态评分中显示的“宝贝质量”这个维度的结果就为“4.8”。三、计算与分析DSR动态评分2．推算所需5星好评的数量根据DSR动态评分的计算方法可知，评5星的用户越多，DSR动态评分中对应维度的评分就越高。因此，要想获得较高的DSR动态评分，店铺可以根据目标需求，反推出达到目标DSR动态评分需要的5星好评数量，然后根据这个数量确定相应的运营计划。首先能够确定的是，(5分×人数+4分×人数+3分×人数+2分×人数+1分×人数)÷总人数的结果就是某维度的评分。那么，该维度的目标DSR动态评分的计算公式为：目标DSR动态评分=[5分×(需求量+人数)+4分×人数+3分×人数+2分×人数+1分×人数]÷(需求量+总人数）。三、计算与分析DSR动态评分3．数据化分析DSR动态评分（1）正负面评价数据分析正负面评价数据，一方面可以对不同时期的评价数量进行分析，另一方面可以对不同维度的评价数据进行分析，下表和右表所示为这两种分析方法的示例。三、计算与分析DSR动态评分3．数据化分析DSR动态评分（2）DSR动态评分变化DSR动态评分每天都会更新，如果数据没有变化，则表示没有新增评分。企业应随时关注店铺的DSR动态评分，一旦出现评分下降的情况，就要及时采取措施，想办法提高店铺的DSR动态评分。如右图所示。先创建折线图，查看店铺近段时期的DSR动态评分变化情况，然后计算不同时期的正面评价占比和各维度负面评价占比，接着建立多种可视化图表展示评价情况，最后利用WPSAI分析DSR动态评分。具体操作如下。01折线图任务实施TaskimplementationAI任务实施：利用WPSAI分析饮料店DSR动态评分和评价数据AI任务实施：利用WPSAI分析饮料店DSR动态评分和评价数据03设置数据系列格式04计算不同时期的正面评价占比02调整坐标轴边界AI任务实施：利用WPSAI分析饮料店DSR动态评分和评价数据06可视化不同时期的正面评价占比05计算不同维度的负面评价占总负面评价的比率AI任务实施：利用WPSAI分析饮料店DSR动态评分和评价数据08可视化不同维度的负面评价占比07可视化不同维度的评价占比分析DSR动态评分与评价数据

分析客服数据任务一任务二分析物流数据任务三实训AI助训目录/CONTENTS任务描述Taskdescription老李接到AA集团通知后，要求小赵整理近段时期所有客服人员的工作数据，并基于任务单（见右表）完成对客服数据的分析任务。一、客服KPI考核系统KPI（KeyPerformanceIndex，关键绩效指标）是一种用于衡量个人、团队或组织在达成特定目标方面的表现的数据指标。下表所示为某店铺根据实际运营情况确定的客服KPI考核指标。一、客服KPI考核系统1．响应时间响应时间指的是从用户询问客服人员到客服人员回复用户所花费的时间。下表所示为某店铺根据经营情况，围绕首次响应时间和平均响应时间建立的评分标准。按照左表所示的评分标准，就能计算出各客服人员的响应时间考核结果，如下表所示。一、客服KPI考核系统2．月退货率月退货率可以反映出客服人员的售后水平。月退货率越低，说明客服人员的服务质量和效率越高。下表所示为某店铺的月退货率评分标准。按照上表所示的评分标准，就能计算出各客服人员的月退货率考核结果，如上表所示。一、客服KPI考核系统3．成交客单价率成交客单价率反映客服人员与用户议价的水平。成交客单价率可以根据客服人员落实客单价与店铺规定的最低客单价计算得到，然后根据成交客单价率建立评分标准，如下表所示。由上表可知，甲客服和丁客服在成交客单价率的考核中取得了满分，丙客服次之，乙客服相对最差，后两者的服务水平有待进一步提升。一、客服KPI考核系统4．咨询转化率咨询转化率在很大程度上会影响整个店铺的销售额，是客服人员的重要考核指标之一。如下表所示。由上表可知，就咨询转化率而言，乙客服与丙客服做得更好，咨询转化率分别超过50%和40%，权重得分分别为30分和18分。一、客服KPI考核系统5．订单支付率订单支付率能在一定程度上反映店铺的营收情况，也能在一定程度上体现客服人员的工作效果。如下表所示。由上表可知，所有客服人员的订单支付率都较高，其中甲客服和丙客服的订单支付率相对更高，均超过90%；乙客服与丁客服的订单支付率低一些，低于90%，可以适当提升这两个客服人员的服务水平。二、其他客服数据指标除上述介绍的数据指标外，如果店铺规模较小，数据运营人员还可以按照售前、售中和售后服务的环节，选取一些针对性强的数据指标来分析客服人员的工作表现，从而了解他们的工作状态。部分数据指标如下。15秒应答率。有效回复率。询单转化率。投诉率用户画部分数据指标如下订单差错率商品退换率纠纷退款率先在Excel中计算相关的客服数据指标，然后将这些数据可视化，最后利用ChatExcel全面分析各客服人员的工作表现。具体操作如下。01计算有效回复率任务实施TaskimplementationAI任务实施：借助ChatExcel分析饮料店各客服人员的工作表现02计算询单转化率AI任务实施：借助ChatExcel分析饮料店各客服人员的工作表现03计算投诉率04计算商品退换率05各客服人员的有效回复率和询单转化率对比06各客服人员的投诉率和商品退换率对比分析DSR动态评分与评价数据

分析客服数据任务一任务二分析物流数据任务三实训AI助训目录/CONTENTS任务描述Taskdescription老李让小赵继续对店铺近段时期的物流数据进行分析，以便了解这段时期的物流表现。接下来，小赵将基于任务单（见右表）完成对物流数据的分析任务。一、物流服务数据分析内容1．订单时效分析订单时效是指用户从完成订单支付开始到商品签收的时间，即“支付-签收”时长。一般情况下，订单时效分析的数据指标主要包括以下4个。A平均“发货-揽收”时长B平均“揽收-签收”时长C揽收包裹数D签收成功率一、物流服务数据分析内容2．异常物流分析异常物流一般是指用户购买的商品在运输或投递过程中出现问题，包括发货异常、揽收异常、派送异常以及签收异常等，如下表所示。需要注意的是，不同电商平台对异常物流的划分维度及标准不同，下表所示的内容仅供参考。二、物流数据控制指标1．妥投率妥投率是指在物流企业派送过程中，包裹派送成功的比率，该指标一般要求达到90%以上，是考核物流表现的重要指标，其计算公式如下。妥投率＝成功派送件数÷总投递件数×100%妥投率一般以月为单位进行统计。例如，某店铺合作的甲物流企业7月为店铺派送的包裹数为100件，其中有2件因物流原因造成延期到达，有1件在物流运输途中丢失，还有1件投送给用户时发现破损，那么7月该物流企业的妥投率为96%，即7月妥投率=(100-2-1-1)÷100×100%=96%。二、物流数据控制指标2．物流总成本物流总成本是指店铺在物流运输过程中所产生的各项费用。对于电商企业而言，物流总成本主要包括库存控制成本、运输成本、配送成本、包装成本以及人工成本等。在不降低服务水平的前提下，降低物流总成本是企业的一项重要经营目标，指标通常应控制在12%以内。二、物流数据控制指标3．发货差错率发货差错率是指在一定周期内因人为过失导致的发出商品数量、颜色、款式等错误，或者到货地点等错误发生的订单笔数占总发货订单笔数的比例，其计算公式如下。发货差错率＝发货差错累计订单笔数÷发货累计总订单笔数×100%发货差错率不能过高，该指标一般应控制在0.002%以内。二、物流数据控制指标4．物流及时率物流及时率是衡量物流企业派送是否准时的重要指标，从包裹到达目的城市后开始计算，通常为到达后2天内将包裹送到用户手中。该指标一般要控制在85%以上。5．订单完成周期订单完成周期是指从用户提交订单起至用户签收订单所需的时间总和。某电商平台内部数据显示，订单完成周期超过48小时后，平均每过4小时，用户签收率会下降4%，因此该指标应保持在48小时以内为宜。先利用ExcelAI快速完成物流企业数据和收货地数据的处理，然后通过分类组合功能和图表功能可视化相关数据指标，接着通过图表对比本店铺与行业优秀店铺的物流表现，最后利用ExcelAI全面分析店铺的物流表现。具体操作如下。01智能填充数据任务实施TaskimplementationAI任务实施：结合ExcelAI分析饮料店物流数据AI任务实施：结合ExcelAI分析饮料店物流数据02智能生成公式03填充公式AI任务实施：结合ExcelAI分析饮料店物流数据04智能说明公式含义05复制并粘贴值06分类汇总数据AI任务实施：结合ExcelAI分析饮料店物流数据07复制并粘贴数据08创建并设置二维簇状柱形图AI任务实施：结合ExcelAI分析饮料店物流数据09创建并设置三维簇状柱形图10输入分析要求分析DSR动态评分与评价数据

分析客服数据任务一任务二分析物流数据任务三实训AI助训目录/CONTENTSAssistanttraining实训

借助文心一言分析化妆品店客服数据AI助训实训要求：根据化妆品店某段时期的客服数据，对各客服人员的工作表现进行分析，并找出提升客户服务质量的方法。实训目的：通过实训进一步巩固分析客服数据的相关知识，以及提升借助AI分析客服数据的能力。实训资料：化妆品店某段时期各客服人员的首次响应时间、平均响应时间、月退货量、月成交量、客服人员落实客单价、店铺客单价、咨询成交人数、咨