20项目七任务二 精准服务-客户画像

《数字化物流商业运营基础》配套课件项目七数字化物流商业运营外部资源分析目录CONTENTS任务一精准筛选-供应商画像010203任务二精准服务-客户画像任务三精准供给-运力画像02任务二精准服务-客户画像情境引入物流企业对于所服务的客户企业，一般会有较为清晰的范围或定位，因为企业所属行业、性质不同，其物流的货物、业务区域、操作要求等会有较大差异，对于物流企业而言，如何清晰把握客户企业的物流需求、业务特征，进一步改进物流服务呢？可以通过客户画像，将客户的物流数据进行处理，反映出其物流服务的特征、要求，如客户企业的物流支出金额、物流服务频率等方面的特征，可以说通过客户画像分析，更能深层次地反映出客户对物流企业的价值贡献度。任务要求1．掌握客户画像的数字化相关知识。2．能够掌握客户画像分析的RFM数据分析方法。3．提升物流客户画像的数据分析意识。任务准备数字化应知准备物流运营数据分析准备软实力准备1．客户画像的概念客户画像也可称为用户画像，是以全方位、多维度的客户特征相关的客观数据方式，对目标客户群体进行标签化描述的一种方式，使客户特点、形象更具体化，以便企业更精确、高效地定位和服务客户。2．进行客户画像的原因客户画像这种数字化特色的工具，可以使企业通过精准定位目标客户，帮助企业做出更科学、更精准的决策，如制定出更有针对性的营销或服务策略，同时可以更深入地理解客户需求，从而使产品更符合客户个性化需求，提高客户满意度，实现与客户伴生式成长。物流企业应主要关注客户画像中客户对物流服务的需求。任务准备数字化应知准备物流运营数据分析准备软实力准备3．进行客户画像的方法构建客户画像一般需要经过以下五个步骤：一是对现有客户和潜在客户进行研判，从而确定客户画像的维度及基本指标；二是数据收集和处理，通过客户调研、企业内部外部信息系统等途径，收集客户数据，如客户特征、客户需求等；三是数据分析，如了解物流货物特征和物流需求等；四是通过文字描述、图表、可视化等方式呈现客户画像，将客户特征更具象化，并以标签方式归类；五是应用客户画像，通过创新或优化物流服务，为客户提供更有针对性的物流服务产品，从而提高客户满意度和忠诚度。任务准备数字化应知准备物流运营数据分析准备软实力准备RFM分析：首先聚焦物流企业需要获得的信息核心——客户对于本公司的价值，清晰掌握不同客户在本公司的物流业务发生频次、物流业务总金额等，是物流客户画像的重要目的。在此引入商业领域中经常运用的数据分析方法——RFM分析法。RFM为Recency、Frequency和Monetary Value三个英文的缩写，Recency意为最近一次某客户发生物流交易的间隔，距离当前日期越近，该客户对公司当今更有价值，Frequency为该客户物流消费的频次，频次越高，说明该客户越活跃，Monetary Value指的是该客户物流业务总金额，金额越高，则客户价值越高，可以说这是物流客户画像的基本指标。任务准备数字化应知准备物流运营数据分析准备软实力准备如何判断物流客户画像数据价值的高低呢？可以采用最简便的平均偏差法，即每组数据均与其平均值相减，再除以平均值，即求出该数据与平均值的差异程度，大于0表示该客户某一数据高于平均值，对物流公司相对价值则为高，小于0为低于平均值则为低，然后按照业内对RFM数据处理后不同的高低匹配后，形成9种用户分类，见表7-4。任务准备数字化应知准备物流运营数据分析准备软实力准备1．关注数字素养任何企业的生存都离不开客户，知己知彼，才能提供符合客户需求的产品或服务，企业才能提高经济效益，不断赢得对企业更有价值的客户，在此基础上，企业还要考虑社会效益，体现服务社会发展的能力和社会贡献。客户画像是数字时代下，依托大数据及数据分析实现对客户的洞察。通过对某一类特定群体或客户对象的特征进行的抽象分类和概括，形成具有分类属性的标签值。而对客户多项特征的描述，则形成客户画像，打通了企业对其客户认知的途径。任务准备数字化应知准备物流运营数据分析准备软实力准备2．把握任务内涵精准服务的价值：不同行业的客户画像，其分类属性具有一定的差异。对于物流企业的客户画像，则需要基于物流业务的特点，构建客户画像，了解哪些物流服务是客户较多选用的，不同客户对物流企业经济效益的贡献度如何，如何根据客户需求，为其提供恰当的服务，如在为客户提供运输、仓储服务时，可以根据需要为其新增国内运输代理服务等。因此基于大数据的客户画像，可以为企业提供多角度分析和挖掘客户服务需求情况。任务准备数字化应知准备物流运营数据分析准备软实力准备学习业内榜样应用场景及资料数据分析步骤数据可视化呈现某物流公司的客户及物流订单情况部分数据见表7-5（全部数据见配套数字资源），请使用RFM数据分析方法，完成客户画像。任务实施应用场景及资料数据分析步骤数据可视化呈现步骤一：首先计算R，即每个客户下订单距今间隔的最小值，先计算每个客户每次购买的距今间隔天数，假设今天的时间为2024年2月8日，需要使用Excel在原数据表的“订单日期”右侧新增一列，为“当今时间”，复制填充后，再在右边新增一列为“距今天数R”，此时直接使用减法，即可计算出距今天数R，具体如图7-5所示。任务实施应用场景及资料数据分析步骤数据可视化呈现任务实施但如何获得每个客户购买距今间隔的最小值，需要对比同一客户多次购买的距今天数。此时需要使用Excel的数据透视表功能，对每位客户的购买情况进行统计。选择“插入”选项“数据透视图”的下拉按钮，选择“数据透视图和数据透视表”命令，在弹出的“创建数据透视表”对话框中，选中“表或区域”单选框，选择数据区域；然后选择“现有工作表”单选框，在“位置”部分选择“H3”单元格作为新数据透视表的起点位置，单击“确定”后创建数据透视表。应用场景及资料数据分析步骤数据可视化呈现任务实施此时在右侧的“数据透视表字段”中，勾选下方的“客户名称”，生成行标签，再勾选“距今天数R”，此时自动生成新列，请特别注意这列的表头标题默认为“求和项：距今天数R”，此处不需要求和项，而是距今天数R的最小值，要双击该表头，打开对话框，选择计算类型为“最小值”，如图7-6所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤二：然后计算每个客户的购买频次F，在数据透视表右侧的“数据透视表字段”中，勾选“每个客户的购买频次F”复选框，此时数据透视表新增一列，双击该列第一行，将默认的“求和”修改为“计数”，即可对每个客户多次购买的频次进行统计，如图7-7 所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤三：最后计算订单金额M。再次调出右侧的“数据透视表字段”，勾选数据透视表字段中的“订单金额”单选框，在表格区域生成“求和项：订单金额M”一列，根据任务需要，可以选择每个客户的订单总金额，也可以选择计算类型为“平均值”，同样能显示出不同客户的订单金额差异，而且更方便处理，如图7-8所示。应用场景及资料数据分析步骤数据可视化呈现任务实施在生成的数据透视表中，完成了对该公司每个客户购买距今天数最小值R、每个客户的购买频次F和订单金额M的数据处理。那么接下来该如何根据RFM的数据处理结果对客户进行画像呢？这就需要进一步将数据进行处理，在此运用比较简便的平均值法来进行。应用场景及资料数据分析步骤数据可视化呈现任务实施首先将数据透视表中数据粘贴出来，对每列数据求平均值，然后再新增三列，即等级R、F和M，与刚才的平均值求相对系数，在输入公式时，对于固定数值，需要在数值对应的行列号前，均加上“$”符号，即R列平均值为118，其所在“L19”单元格，写为“$L$19”，这样下面各行的数据，均通过复制格式，得到与平均值对比后的等级，最后再将数值设置为小数点后保留两位，如图7-9所示。应用场景及资料数据分析步骤数据可视化呈现任务实施对应RFM客户价值画像原理，可知等级值为正时，即为客户该项指标大于平均值，视为高，等级值为负则低于平均值，视为低。图7-9距今天数最小值等级R计算应用场景及资料数据分析步骤数据可视化呈现任务实施将选中R、F、M等级三列，从栏目中选择“条件格式”中的“图标集”，选择第一个样式，然后要根据本次任务，对等级为正值和负值的数据做区分，再次选中三列等级数据区域，选择“条件格式”中最下方的“管理规则”，而后在对话框中选择“编辑规则”，将原来的黄色箭头，设置为数字低于0时，即为负时显示红色箭头，如图7-10所示。应用场景及资料数据分析步骤数据可视化呈现任务实施图7-10图标集设置应用场景及资料数据分析步骤数据可视化呈现任务实施此时数据对应表7-4，分析客户对公司价值程度，形成客户画像分析结果，如图7-11所示。应用场景及资料数据分析步骤数据可视化呈现任务实施通过RFM对客户