跨境电商数据分析与决策 课件 项目6、7 店铺健康与业绩数据分析、消费者价值分析

AICROSS-BORDERE-COMMERCESERIES项目六店铺健康与业绩数据分析配套《跨境电商数据分析与决策》教材跨境电商数据分析与决策学习目标知识目标技能目标素养目标了解店铺评分方法；了解速卖通平台的每日服务分；了解每日服务分对店铺的影响。能分析速卖通店铺评分；能分析敦煌网店铺评分；能制作店铺能力可视化图表。建立店铺整体运营视角的大局观；养成对数据的敏感度。

立德树人为什么不同的跨境电商平台都会对店铺进行一定的评分？通过归纳不同跨境电商平台的打分维度，你来阐释一下店铺评分是如何对店铺运营人员的敬业程度进行反映的。扫描下面的二维码，了解大国工匠的故事，谈谈你对工匠精神的看法。

知识导图01速卖通店铺评分活动1：速卖通店铺评分指标解读店铺运营了一段时间，经理让李明去看一下店铺的评分情况。李明首先需要了解速卖通的店铺评分规则，知道如何在后台查看店铺评分并下载数据。【操作参考】看店铺服务分在速卖通店铺后台查看店铺服务分的路径如图6-2所示。图6-2在速卖通店铺后台查看店铺服务分的路径活动1：速卖通店铺评分指标解读【操作参考】进入速卖通店铺后台，点击"体检"→"店铺考核"，进入"店铺考核"页面，如图6-3所示。图6-3速卖通"店铺考核"页面活动1：速卖通店铺评分指标解读【操作参考】在"店铺考核"页面右下角可以下载近30天指标数据，如图6-4所示。图6-4在"店铺考核"页面可下载近30天指标数据活动2：速卖通每日服务分异常诊断店铺运营了一段时间，经理让李明去看一下店铺的评分情况。公司目前在速卖通等几个不同的平台上都开通了店铺，不同平台的店铺评分规则不同，李明首先要了解不同平台的店铺评分规则。速卖通后台数据如表6-4所示。通过解读后台数据，李明找到了速卖通每日服务分下降的原因，并提出了优化方案。核项第

1-10天数据第

11-20天数据第

21-30天数据单项满分成交不卖率订单总数

100单，成交不卖5单订单总数

120单，成交不卖4单订单总数

150单，成交不卖3单10分未收到货物纠纷提起率提起退款

10单，主动撤销2单，确认收货80单，确认收货超时5单，提起退款订单数15单提起退款

8单，主动撤销1单，确认收货90单，确认收货超时6单，提起退款订单数14单提起退款

6单，主动撤销1单，确认收货120单，确认收货超时8单，提起退款订单数16单15分货不对版提起率提起退款

8单，主动撤销1单，确认收货80单，确认收货超时5单，提起退款订单数15单提起退款

10单，主动撤销2单，确认收货90单，确认收货超时6单，提起退款订单数14单提起退款

12单，主动撤销2单，确认收货120单，确认收货超时8单，提起退款订单数16单15分DSR商品描述得分平均分

4.0分平均分

3.8分平均分

3.5分30分DSR卖家服务得分平均分

4.2分平均分

4.1分平均分

4.0分15分DSR物流服务得分平均分

4.0分（线上发货且评分为1-3分订单占比10%）平均分

3.8分（线上发货且评分为1-3分订单占比15%）平均分

3.5分（线上发货且评分为1-3分订单占比20%）15分4个工作日上网率支付成功订单

200单，成功取消10单，4个工作日上网订单160单支付成功订单

220单，成功取消12单，4个工作日上网订单170单支付成功订单

250单，成功取消15单，4个工作日上网订单190单暂不考核表6-4速卖通后台数据活动2：速卖通每日服务分异常诊断【知识链接】如何计算每日服务分？每日服务分采用百分制考核方式，一共有6个考核项，每天更新。每日服务分等于6个考核项得分之和，即每日服务分（满分100）=成交不卖率得分（单项满分10分）+未收到货物纠纷提起率得分（单项满分15分）+货不对版纠纷提起率得分（单项满分15分）+DSR商品描述得分（单项满分30分）+DSR卖家服务得分（单项满分15分）+DSR物流服务得分（单项满分15分）+4个工作日上午网率得分。活动2：速卖通每日服务分异常诊断【操作参考】一、数据提取与整理1.进入速卖通店铺后台登录速卖通商家账号，点击"店铺"板块，找到"店铺表现"，再点击"卖家服务分"，如图6-5所示。在页面中找到"数据导出"选项，选择近30天的数据进行导出，数据格式可选择Excel。2.整理数据将导出的数据整理到新的Excel工作表中，按照日期进行排列，将各项考核指标数据填入相应的列。比如，创建"日期""成交不卖率相关数据""未收到货物纠纷提起率相关数据"等列，分别录入对应数据。图6-5速卖通店铺"店铺考核"活动2：速卖通每日服务分异常诊断二、计算各考核项得分1.成交不卖率得分计算第1～10天成交不卖率=5÷(5+100)×100%≈4.76%，得分=4.76%÷（假设最大成交不卖率10%×10）=4.76分（假设最大成交不卖率为平台规定的一个合理上限值，实际操作中以平台最新规定为准）。同理计算第11～20天和第21～30天的成交不卖率得分。2.未收到货物纠纷提起率得分计算第1～10天未收到货物纠纷提起率=(10-2)÷(80+5+15)×100%=8%，得分=8%÷（假设最大未收到货物纠纷提起率10%×15）=12分（假设最大未收到货物纠纷提起率为平台规定的一个合理上限值，实际操作中以平台最新规定为准）。按相同方法计算其他时间段的未收到货物纠纷提起率得分。3.货不对版纠纷提起率得分计算计算方法与未收到货物纠纷提起率得分的计算方法类似，根据对应时间段的数据计算货不对版纠纷提起率及其得分。活动2：速卖通每日服务分异常诊断4.DSR商品描述得分计算直接根据平均分计算，如第1～10天DSR商品描述得分=4.0÷5×30=24分。5.DSR卖家服务得分计算根据平均分与单项满分计算，如第1～10天DSR卖家服务得分=4.2÷5×15=12.6分。6.DSR物流服务得分计算先排除线上发货且评分为1～3分的订单的影响，以第1～10天为例，假设总物流订单数为100个，线上发货且评分为1～3分的订单有10个，有效订单有90个，这90单平均分为4.5分，则DSR物流服务得分=4.5÷5×15×(90÷100)=12.15分。7.4个工作日上网率得分计算各时间段的上网率，如第1～10天上网率=160÷(200-10)×100%≈84.21%。虽然暂不考核，但可用于观察趋势。活动2：速卖通每日服务分异常诊断三、可视化分析1.生成折线图打开Excel图表功能：选中整理好的数据（日期列和各考核项得分列），点击"插入"选项卡，选择"折线图"。2.设置图表细节在生成的折线图中，为每个考核项的数据添加数据标签，方便查看具体数值。为图表添加标题（如"速卖通店铺近30天各指标得分变化趋势"）、坐标轴标签（横坐标为日期，纵坐标为得分或比率）。3.标注异常点通过观察折线图，找出数据波动较大或趋势明显变化的点。例如，如果货不对版纠纷提起率得分在第20～21天突然上升，就在该点处用红色箭头标注，并在旁边添加注释"货不对版纠纷提起率得分在此处开始上升"。四、问题诊断1.货不对版纠纷提起率得分上升分析2.DSR商品描述得分下降分析3.DSR物流服务得分下降分析五、策略制定1.解决货不对版问题2.提升DSR商品描述得分3.提升DSR物流服务得分02敦煌网店铺评分活动1：敦煌网店铺业绩数据分析公司进行多平台运营，敦煌网的店铺评分规则是什么样的呢？和速卖通平台的店铺评分规则有什么相同点，又有什么不同点？请你归纳一下。根据敦煌网的店铺评分规则，计算卖家服务得分并制订提升计划。敦煌网店铺后台数据如表6-5所示。指标项实际值（满分）近90天数据发货时长均值2.5天（30分）稳定运达时长均值18天（15分）上升沟通响应时长均值6小时（10分）波动纠纷响应速度均值12小时（8分）下降一次性和解率70%（10分）稳定DHLink使用率80%（+8分）上升超备货期发货比例5%（-3分）稳定表6-5敦煌网店铺后台数据活动1：敦煌网店铺业绩数据分析【知识链接】平台经调研发现，卖家的服务能力直接决定买家的购买行为和满意度。通过北极星服务评分系统，平台将选出服务能力强的卖家呈现给买家，并赋能优质卖家的成长。卖家服务评分等级每月评定一次，计算方法为求卖家前一个自然月每日服务评分的平均值，再按品类对卖家的每日服务评分平均值排序，排名前5%、前5%～20%、前20%～50%及后50%的卖家分别获得卓越、优秀、良好和待改进评级。一、考核指标项及指标释义卖家服务得分以百分制计算，指标项由5个服务项、1个加分项、1个减分项构成。卖家服务得分（最高100分）=发货时长得分（30分）+运达时长得分（25分）+沟通响应时长得分（15分）+纠纷响应速度得分（15分）+一次性和解率得分（15分）+DHLink使用率得分（10分）+超备货期发货订单比例扣分（10分）。表6-6所示为敦煌网店铺评分指标及其释义。表6-6敦煌网店铺评分指标及其释义指标项指标释义分值发货时长近90天(卖家发货时间-支付确认时间)均值30运达时长近90天(物流妥投时间-支付确认时间)均值25沟通响应时长近90天(IM卖家回复咨询时间-买家咨询时间)均值15纠纷响应速度近90天(卖家首次响应纠纷时间-纠纷提交时间)均值，包含协议纠纷和售后纠纷15一次性和解率近90天(协议+售后纷达成量)/(协议+售后纠纷开启量)15DHLINK使用率（加分项）近90天DHLINK使用率10超备货期发货比例（减分项）前推30天超备货期发货订单量/前推30天已发货订单量10活动1：敦煌网店铺业绩数据分析【知识链接】二、考核周期考核周期为90天，即近90天内发生的商品订单行为将被记录、考核。例如，5月1日进行考核，前推90天，考核内容为1月31日—4月30日的商品订单行为。三、考核范围近90天内有50笔以上（包含50笔）订单的额度大于5美元的店铺（状态为注册未认证、关闭、退出的店铺不参与考核）。四、考核等级及权益具体考核等级及权益如表6-7所示五、卖家服务得分的计算卖家服务得分=发货时长得分（满分30分）+运达时长得分（满分25分）+沟通响应时长得分（满分15分）+纠纷响应速度得分（满分15分）+一次性和解率得分（满分15分）+DHLink使用率得分（加分项，满分10分）+超备货期发货订单比例得分（减分项，满分10分）。表6-7具体考核等级及权益服务评分等级卓越优秀良好待改进等级划分比例前5%前5%~20%前20%~50%后50%身份标识有无无无搜索加权有无无无数据智库（1个月）综合版选品工具选品工具选品工具店铺分析店铺分析无商品分析商品分析无流量分析流量分析无流量快车（1个月）20106无无购买评价（1个月）5030无无广告费赠送充值额外赠送10%无无无活动1：敦煌网店铺业绩数据分析【操作参考】一、卖家服务得分计算根据公式计算当前得分：30（发货时长得分）+15（运达时长得分）+10（沟通响应时长得分）+8（纠纷响应速度得分）+10（一次性和解率得分）+8（DHLink使用率得分）-3（超备货期发货订单比例得分）=78分二、数据对比与等级分析敦煌网等级划分：78分属于"良好"（前20%～50%）等级，目标为提升至"优秀"（前5%～20%，需要85分以上）等级。三、短板识别运达时长得分低：物流渠道效率不足，导致运达时间过长。纠纷响应速度慢：客服处理纠纷时效未达标。四、优化方案与物流商协商优化跨境路线，承诺运达时长≤15天（目标得分20分）。设置纠纷处理优先级，要求客服在8小时内响应纠纷（目标得分12分）。03店铺业绩数据分析活动1：分析店铺业绩数据并找出问题店铺运营了一段时间，经理让李明分析一下店铺的业绩数据，并解决运营中存在的问题，以获得更好的销售业绩。【知识链接】在跨境电子商务行业中，数据分析至关重要。选品、销售、供应链、物流等每一个环节的改进和优化都少不了数据的支撑。卖家需要通过开展数据分析来找到、分析并解决运营中存在的问题，为做出精准的营销决策提供依据。那么卖家能通过哪些数据找出店铺运营中存在的问题呢？一、店铺实时流量即时查看当天（美国太平洋时间）主营行业实时交易额排名、店铺流量和销量数据（包括曝光量、浏览量、访客数、订单数、转化率、成交金额等）及上周同比数据，及时了解店铺流量变化，了解商品信息优化、营销活动调整等带来的直接效果。还可以在流量集中的时段调整客服工作时间及直通车投放时间。活动1：分析店铺业绩数据并找出问题【知识链接】二、店铺分析店铺分析是一款对卖家的店铺流量、商品及访客进行分析的工具，主要用于分析以下内容。图6-6店铺商品的数据指标1.流量概况流量概况（SiteTraffic）展现了卖家商铺的流量数据和询盘数据，能够让卖家了解店铺的整体流量和买家流失情况。数据指标包括以下5个。曝光量（ExposureTimes）：商品信息在速卖通网站被买家看到的次数。浏览量（ProductPageViews）：商品或店铺首页被买家点击浏览的次数。访客数（ProductPageVisitors）：访问过店铺中的商品或店铺的买家人数。老访客数（OldVisitors）：到访过店铺或曾经访问过店铺中的商品的买家人数。询盘人数（InquiryNumber）：联系过卖家或有联系意向的买家人数。查看指定商品的转化分析、成交分析、访客行为分析、关键词分析等的数据指标与趋势，如图6-6所示。可将其与行业均值或行业订单TOP10产品均值做对比，判断该商品各项指标的竞争力，并有针对性地优化该商品。活动1：分析店铺业绩数据并找出问题【知识链接】2.访客地域在访客地域分布中可以查看排名前10的访客国家，卖家可以根据访客地域分布情况制定差异化的产品线及营销策略。访客地域分布的相关数据指标包括以下3个。（1）排名前10的访客国家。在卖家店铺的流量来源中，访客占比最大的10个国家。（2）国家访客人数。来自某个国家的访客人数。（3）国家访客浏览量。来自某个国家访客的总浏览量。三、店铺经营看板详情在"店铺经营看板详情"可以查看"卖家责任裁决率"等数据指标，点击这些指标可查看处罚范围及本店铺具体数据。在电脑上看，可以查到店铺中"卖家责任裁决率"的全部指标，以及每一笔被判定为卖家责任的订单，如图6-7所示。图6-7店铺经营看板详情感谢观看跨境电商数据分析与决策|项目六17AICROSS-BORDERE-COMMERCESERIES项目七消费者价值分析配套《跨境电商数据分析与决策》教材跨境电商数据分析与决策学习目标知识目标技能目标素养目标了解消费者细分的原则和方法；理解RFM模型的基本概念；理解复购率的概念和计算方法；理解客单价的概念和计算方法。能应用RFM模型进行消费者分类；能根据RFM模型的分析结果，制定针对不同消费者群体的营销策略；能进行消费者满意度分析；能进行消费者复购率分析。培养数据分析思维和运用数据分析方法解决问题的能力，以及从数据中提取出有价值的信息的能力，提高数据敏感度，从而为决策提供支持；增强市场洞察力，通过消费者价值分析，培养对市场趋势和消费者需求的敏锐洞察力，能够根据市场变化及时调整营销策略，提高市场竞争力；培养创新思维，运用创新思维进行消费者价值分析，提出新颖的解决方案，增强创新意识和实践能力。

立德树人在消费者主权日益彰显的今天，通过分析消费者价值，能够窥见企业在理解并满足消费者需求上的深度与广度。结合众多企业实践，不难发现，那些真正践行精细化运营的企业，在精准定位消费者价值、优化成本结构，以及高效投放广告方面展现出了卓越的能力。它们的成功，源于对数据的深度挖掘、对消费者心理的细腻把握，以及对市场动态的敏锐感知。反之，那些在精细化运营道路上止步的企业，往往因忽视消费者个体差异、成本控制不力或广告策略盲目而陷入困境。本项目将深入剖析这些案例，提炼精细化运营在消费者价值分析中的精髓，为企业在复杂多变的市场环境中找到那把开启消费者心扉的“金钥匙”。

知识导图01消费者分类活动1：消费者细分李明想针对不同的消费者群体采用更具有针对性的营销策略，图7-1所示为李明下载的部分消费者订单数据，请你谈谈应该怎样将消费者分类。图7-1部分消费者订单数据活动1：消费者细分【知识链接】消费者细分是企业制定营销策略、满足消费者需求的关键步骤。一、消费者细分原则消费者细分应遵循以下原则。1.内部同质同一个细分群体内的消费者在主要细分指标上有着相同或相近的属性，否则就不能称为一个细分群体。2.适度规模每个细分群体都应该有一定规模的消费者，符合市场操作的基本要求，否则该细分群体就可以忽略不计。3.可接触每个细分群体中的消费者都应该可以通过正常的市场手段接触到，否则该细分群体就可以忽略不计。4.可衡量消费者细分群体对应的市场应该是可以衡量的，只有这样，才能评估不同细分市场的潜力，选择进入最佳的细分市场。5.动态调整消费者细分是动态的，根据企业业务情况、市场需求和竞争对手的变化，在必要时需要对消费者细分情况做出及时的调整，但不宜过于频繁，否则容易打乱企业的正常运营，造成不必要的重复投资。活动1：消费者细分【知识链接】二、消费者细分方法1.地理细分2.人口细分3.心理细分4.行为细分5.利益细分6.商品细分7.功能需求细分综上所述，消费者细分是一个复杂而细致的过程，需要企业综合运用多种方法和原则来确保细分的准确性和有效性。通过有效的消费者细分，企业可以更好地理解消费者需求，制定具有针对性的营销策略，并优化商品和服务。活动1：消费者细分【操作参考】1.导入数据启动PowerBIDesktop，导入"订单数据表"文件。如图7-2所示，在"主页"选项卡下点击"获取数据"按钮，在弹出的对话框中选择数据源文件"订单数据表"。然后点击"打开"按钮，弹出"导航器"对话框（见图7-3），选择Sheet1，点击"加载"按钮，可以看到右侧的"数据"窗格中显示出表中所有的列名。图7-2点击"获取数据"按钮图7-3"导航器"对话框活动1：消费者细分【操作参考】2.创建簇状柱形图如图7-4所示，点击"报表视图"按钮，进入报表视图，在"可视化"窗格中点击"簇状柱形图"按钮，此时报表画布中会出现簇状柱形图的模型，然后将"数据"窗格下"Sheet1"中的"Buyercountry"拖曳到X轴，将"Buyercode"拖曳到Y轴，并点击Y轴"Buyercode"右侧向下的箭头，选择"计数"，即可创建簇状柱形图。图7-4创建簇状柱形图活动1：消费者细分【操作参考】3.为簇状柱形图添加筛选器选中创建的簇状柱形图，在"筛选器"窗格中可看到3类筛选器，并且"此视觉对象上的筛选器"下会列出该视觉对象中的所有字段。如图7-5所示，将鼠标指针移动到"Buyercountry"筛选器卡上，点击"展开或折叠筛选器卡"按钮将其展开。在展开的"Buyercountry"筛选器卡上即可对该视觉对象进行筛选，如图7-6所示，筛选类型选择为"前N个"，显示项为上10位，将"Buyercode"拖曳到"按值"处，选择"计数"，点击"应用筛选器"，最终效果如图7-7所示。图7-5点击"展开或折叠筛选器卡"按钮图7-6筛选图7-7最终效果活动2：采用RFM模型对消费者进行分类李明根据采集的近180天消费者在其店铺的消费记录数据，采用RFM模型对消费者进行细分，从而判断消费者属于哪种类型，以挖掘出具有发展潜能的消费者，制定更为精准的营销策略。【知识链接】RFM模型是衡量客户价值和客户创利能力的重要工具。在众多的客户关系管理（CustomerRelationshipManagement，CRM）的分析模型中，RFM模型是应用较广泛的。该模型通过分析客户的近期购买行为、购买的总体频率和花了多少钱来描述客户的价值状况。根据RFM模型，客户被分成8类，即重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户。R：最近一次购买时间，即上一次购买的时间——客户上一次何时来店里消费。F：消费频率，即客户在限定的时间内所购买的次数。M：消费金额。活动2：采用RFM模型对消费者进行分类通过这3个维度，可以构建一个立体的客户消费水平坐标系，将客户细分为8类，如图7-8所示。RFM关键值计算依据如下。R平均值=所有客户的R值÷客户数量。F平均值=所有客户的F值÷客户数量。M平均值=所有客户的M值÷客户数量。图7-8客户消费水平坐标系活动2：采用RFM模型对消费者进行分类8类客户的情况如表7-1所示。表7-18类客户的情况活动2：采用RFM模型对消费者进行分类【操作参考】一、使用PowerBI进行消费者分类1.导入数据启动PowerBIDesktop，导入"订单数据表"，详见项目七活动1的操作参考。2.求解整体思路在RFM模型中需要用到最近一次购买时间、消费频率和消费金额这3个指标来描述客户的价值状况。对于最近一次购买时间，可通过"Paymenttime"和"EndTime"这两个字段进行简单计算得到该生成列；对于消费频率，即客户在一定时期内进行购买的次数，可对"BuyerName"重复出现的次数进行统计计算；对于消费金额，可将数据源中的"OrderAmount"字段进行总和计算。3.新建列在"建模"选项卡下选择"新建列"，在编辑器中输入"R间隔天数≡'Sheet1'[EndTime]-'Sheet1'[Ordertime]"，按回车键后即可生成新列"R间隔天数"，如图7-9所示。图7-9新建列活动2：采用RFM模型对消费者进行分类【操作参考】4.新建表在"建模"选项卡下选择"新建表"，在编辑器中输入"表≡SUMMARIZE('Sheet1',Sheet1[BuyerName],"R最小间隔",MIN('Sheet1'[R间隔天数]),"F购买次数",COUNT('Sheet1'[BuyerName]),"M购买金额",SUM(Sheet1[OrderAmount])），按回车键后即可生成表，如图7-10所示。图7-10新建表活动2：采用RFM模型对消费者进行分类5.新建度量值在"建模"选项卡下选择"新建度量值"，在编辑器中输入"R=IF('表'[R最小间隔]≥AVERAGE('表'[R最小间隔])，0,1)"，按回车键后即可生成度量值"R"；继续点击"新建度量值"，在编辑器中输入"F=IF('表'[F购买次数]≥AVERAGE('表'[F购买次数])，1,0)"，按回车键后即可生成度量值"F"；继续点击"新建度量值"，在编辑器中输入"M=IF('表'[M购买金额]≥AVERAGE('表'[M购买金额])，1,0)"，按回车键后即可生成度量值"M"。6.新建可视化图表在“模型视图”页面，选取“可视化”窗格中的“表”，将数据表中的“BuyerName”“R的总和”“F的总和”“M的总和”字段分别拖入列中，如图7-11所示。图7-11新建可视化图表活动2：采用RFM模型对消费者进行分类7.自动查找群集选中新建的可视化图表，点击右下角的“...”，选择“自动查找群集”，如图7-12所示。图7-12自动查找群集活动2：采用RFM模型对消费者进行分类8.设置群集在弹出的对话框“群集”中点击“确定”按钮，就自动将人群分为了8类。在“数据”一栏，点击“BuyerName（群集）”右侧的“...”，选择“编辑群集”。在新打开的对话框“群集”中分别双击“群集1”“群集2”“群集3”“群集4”“群集5”“群集6”“群集7”“群集8”，设置群集名称，如图7-13所示。点击可视化图表中的“BuyerName（群集）”列，完成对表的排序，如图7-14所示。图7-13设置群集图7-14完成对表的排序02分析消费者满意度活动1：消费者收藏与加购物车分析李明想更详细地了解消费者的购物行为，以便提高转化率，于是他统计了其店铺近6个月的消费者行为数据，运用漏斗模型对其进行分析。【知识链接】一、漏斗模型的定义二、漏斗模型的构建要素三、漏斗模型的应用场景四、漏斗模型的指标五、漏斗模型的绘制方法六、漏斗模型的价值操作参考】1.导入数据启动PowerBIDesktop，导入“漏斗图原始数据”。2.新建漏斗图在“报表视图”下选择“可视化”窗格中的“漏斗图”，将相应的数据拖入“类别”和“值”中，如图7-33所示。活动1：消费者收藏与加购物车分析图7-33新建漏斗图3.设置漏斗图的格式如图7-34所示，在“可视化”窗格中选中“设置视觉对象格式”，将数据标签的标签内容选择为“第一个的百分比”和“上一个的百分比”，分别分析数据情况。活动1：消费者收藏与加购物车分析图7-34设置漏斗图的格式根据消费者行为分析漏斗图，可以得到以下结论。从“浏览商品”到“加入购物车”的转化率是66.85%，这意味着在浏览商品的消费者中，有大约66.85%的人选择了将商品加入购物车。从“加入购物车”到“生成订单”的转化率是74.66%，这表明在加入购物车的消费者中，大部分消费者选择了生成订单。以“浏览商品”为起点，49.91%的消费者生成了订单，转化率较高。从“生成订单”到“支付订单”的转化率是53.32%，这意味着在生成订单的消费者中，差不多有一半的消费者完成了支付。以“浏览商品”为起点，26.61%的消费者支付了订单，转化率较低。从“支付订单”到“完成交易”的转化率看似是47.06%，这意味着在支付订单的消费者中，不到一半的消费者完成了交易。以“浏览商品”为起点，12.5%的消费者完成了交易，整体转化率极低。这反映了在整体商务流程中存在大量的消费者流失。活动1：消费者收藏与加购物车分析给出的建议如下。优化购物过程：提高从“浏览商品”到“加入购物车”的转化率，可能需要优化商品展示、定价策略，以及开展更具吸引力的促销活动。简化订单生成过程：减少从“加入购物车”到“生成订单”之间的摩擦，如简化注册流程、提供多种支付方式等。增强支付信任与安全：提高支付环节的转化率，可能需要加强支付安全性的宣传、提供便捷的支付选项，以及优化支付页面的用户体验。提升交易完成后的体验：虽然这不在此漏斗图的直接分析范围内，但改善交易完成后的客户服务、物流速度和售后支持等，也有助于提高消费者的整体满意度和忠诚度。综上所述，这个漏斗图揭示了在整个消费者行为过程中各个关键环节的转化率情况，为商家提供了宝贵的消费者行为数据，以指导其进行流程优化和策略调整。活动1：消费者收藏与加购物车分析李明想知道消费者对商品及其销售过程的满意度，于是搜集了某款商品的评价数据，接下来他该怎么对这些数据进行分析呢？

[知识链接]

一、消费者满意度1.消费者满意度的定义消费者满意度是指消费者在购买和使用商品后，对其满足自身需要和期望的程度所做出的评价。它是消费者感知到的商品的实际价值与期望价值之间的比较结果。当实际价值超过期望价值时，消费者就会感到满意或非常满意；当实际价值低于期望价值时，消费者就会感到不满意或非常不满意。2.消费者满意度的重要性(1)影响消费者行为。(2)帮助企业找到利润增长点。(3)推动企业改进。活动2：消费者满意度分析3.消费者满意度调查的方法调查问卷。访谈。社交媒体分析。在线反馈和评价。客户满意度调查。投诉和建议分析。体验测试。4.消费者满意度分析的应用了解消费者需求。评估商品质量。制定竞争策略。提升品牌形象。活动2：消费者满意度分析二、文本分析法1.文本分析法简介文本主要是指由一些符号或代码组成的信息结构体，可以通过语言、文字、图像等不同的形式进行表达。文本是由特定的人制作的，其必然反映人们特定的观点、价值和利益等意识形态的内容。一般来说，文本分析法是一种针对文本类型数据的处理方法，具体而言就是从海量的文本数据中提取对我们有价值的数据，并通过分析这些数据来重组信息。文本分析法作为探讨信息内容本质的有力研究方法，也是研究者常用的方法之一。

2.文本数据分析的类型与一般流程（1）文本数据分析的类型。①文本统计分析：对文本中出现的词语进行统计分析，运用场景主要有词云、舆情分析、简易版的智能客服。②文本建模分析：将文本进行数字化之后，再和机器学习等算法进行结合，包括情感分析和词语网络分析。③文本语义分析：通过采取深度学习等复制算法进行训练，可以从文本中挖掘出具有语法信息的文本信息，包括主题模型LDA（隐含狄利克雷分布）、RNN（递归神经网络）等。（2）文本数据分析的一般流程。完整的文本数据分析包括数据收集、除去数据中非文本部分、处理中文编码问题、中文分词、引入停用词、特征处理、建立分析模型。活动2：消费者满意度分析03分析消费者复购率李明想进一步了解消费者在店铺消费的客单价，以发现潜在问题，提高店铺盈利能力。

【知识链接】消费者客单价是评估消费者购买力及店铺盈利能力的重要指标。一、客单价的概念客单价，即每位客户平均购买商品的金额，计算公式如下。客单价=商品平均单价×每位客户平均购买商品个数客单价=销售额÷客户数

二、客单价对商家的意义利润提升：客单价越高，商家可获得的利润空间越大。服务能力提升：较高的客单价有助于商家提升服务能力，进而提升消费者满意度。广告投入增加：理论上，商家能够拥有足够的利润去继续进行站内广告投入，吸引更多消费者。活动1：消费者客单价分析【知识链接】三、影响客单价的因素商品定价：商品定价的高低基本上决定了客单价的范围。在正常情况下，客单价只会在商品定价上下一定范围内浮动。促销优惠：大型促销优惠活动会影响客单价的高低。例如，优惠券、折扣、满减、秒杀、赠品、返利等优惠设置，以及免运费的最低消费标准设置，都会对客单价产生重要影响。交叉推荐：交叉推荐是否合理也会影响客单价。通过关联销售或组合销售，商家可以引导消费者购买更多商品，从而提高客单价。类目属性：不同类目属性的商品，其客单价也不同。例如，消费者在购买低客单价商品时，可能会因为操作成本或时间成本过高而倾向于购买多件商品，从而在一定程度上影响客单价。活动1：消费者客单价分析【知识链接】四、提升客单价的方法优化商品定价：通过市场调研和竞品分析，制定合理的定价策略，确保客单价在合理范围内浮动。制定促销策略：利用优惠券、满减、折扣等促销手段，刺激消费者购买更多商品，从而提高客单价。同时，要注意促销手段的力度和频率，避免过度促销导致利润下降。加强交叉推荐：通过关联销售和组合销售等方式，加强商品的交叉推荐。例如，在商品详情页内加入其他商品的图片链接，引导消费者购买更多相关商品。提升商品质量和优化服务：商家通过提升商品质量和优化服务，可以提高消费者对商品的满意度和忠诚度。这将使消费者在购买时更倾向于选择该商家的商品，从而提高客单价。推出新品和套餐：定期推出新品和套餐，吸引消费者的注意力。新品和套餐往往具有较高的附加值和吸引力，能够促使消费者购买更多商品。活动1：消费者客单价分析【知识链接】五、客单价分析的注意事项数据准确性：在进行客单价分析时，要确保数据的准确性，避免因为数据错误或遗漏而导致分析结果不准确。时间范围：选择合适时间范围内的客单价进行分析。例如，可以对比不同时间段内的客单价，找出变化的原因和趋势。店铺差异：对于不同店铺之间的客单价差异，要进行深入分析和比较，找出出现差异的原因，并采取相应的措施进行改进。综上所述，消费者客单价分析是商家评估消费者购买力和店铺盈利能力的重要手段。通过深入了解影响客单价的因素和提升客单价的方法，商家可以制定更加精准的营销策略和运营计划，从而提高客单价和盈利能力。活动1：消费者客单价分析【操作参考】1.数据准备启动PowerBIDesktop，导入“订单数据表”。

2.新建度量值在“建模”选项卡下选择“新建度量值”，在编辑框中输入“客单价=DIVIDE(SUM(Sheet1[OrderAmount]),COUNT(Sheet1[BuyerName]))”，如图7-69所示。活动1：消费者客单价分析图7-69新建度量值【操作参考】3.新建卡片图在“报表视图”下“可视化”窗格中选择卡片图，如图7-70所示，卡片图中的数字即这一时期的客单价。4.新建折线图在“报表视图”下“可视化”窗格中选择折线图，如图7-71所示，将“客单价”和“Ordertime”分别拖入Y轴、X轴，点击折线图上方向下的箭头，可启用钻取功能，动态地查看各个时间点的客单价数据及变化。通过对客单价进行分析，得知2024年8月的客单价最低，原因可能是经营不善或者季节因素的影响；2024年9月至11月客单价呈线性增长，说明商家在这一时期采取的营销策略非常有效，可以继续保持。活动1：消费者客单价分析图7-70新建卡片图

图7-71新建折线图李明想了解消费者在店铺消费的复购率，以优化商品、提升服务质量，并进行针对性营销。【知识链接】一、复购率的概念复购率又称重复购买率，是指在一定时间内，购买某款商品次数超过一次的消费者数量在所有购买该商品的消费者数量中所占的比例。它反映了消费者对该商品的忠诚度和满意度，是衡量消费者黏性和企业经营状况的重要指标之