中山大学《电子商务》课件-第9章 数据分析

数据分析：用CRM实现数据式管理CHAPTERNINE中山大学《电子商务》CRM是电商企业有效的营销工具，它为电商企业做出准确的客户数据分析，提升数据分析的水平，帮助电商企业提升销售业绩。了解CRM数据分析的必要性。掌握CRM数据分析的指标类型。了解CRM数据分析的思维方式。掌握CRM数据分析的分析方法。了解RFM模型的内涵及其价值。掌握RFM模型开展客户细分的方法。掌握RFM模型制定营销策略的方法。学习目标Contents目录CRM数据分析1RFM分析模型解析及运用2一、CRM数据分析CRM数据分析的必要性1CRM数据分析指标2CRM数据分析的思维方式3CRM数据分析的分析方法41CRM数据分析的必要性一、CRM数据分析从客户的数据得出市场行情的变化，让数据发挥最大价值，是CRM当前研究的方向。对于电子商务企业来说，提供可视化的数据分析能够帮助各商家解决不少难题。CRM数据分析的作用2CRM数据分析指标一、CRM数据分析在开展数据分析之前需要建立科学、合理的统计口径及数据分析指标。CRM常用的数据分析指标的统计口径统计口径口径释义成交订单客户下单并成功付款的订单未成交订单客户下单却未付款的订单关闭订单下单后买家/卖家主动关闭，或因超过支付时间被系统自动关闭的订单有效成交订单有效购买商品（非购买赠品、邮费或补差价）的订单无效订单非购买商品，而是购买赠品、邮费或补差价的订单有效购买客户在一天内一笔或多笔有效成交的订单成交客户产生过成交订单的客户有效客户产生过有效成交订单的客户潜在客户产生过未成交订单、关闭订单或无效订单的客户新客户一定时间段内，在有效客户中产生过一次有效购买的客户回头客（重复购买客户）在店铺内产生过2次（或多于2次）有效购买的客户老客户一定时间段内，在有效客户中产生过有效购买的客户2CRM数据分析指标一、CRM数据分析在电子商务中，CRM常用的数据分析指标主要包括客户消费行为指标、商品购买指标及店铺购买指标三个方面。CRM数据分析指标数据分析指标指标释义客户消费行为指标客单价在一定时间内，每位客户消费的平均价格最近一次消费客户最近一次的购买时间购买次数客户在一定时间段内产生的有效成交订单的数量累计购买次数客户产生的所有有效成交订单的数量购买金额一定时间段内，客户产生所有有效成交订单的有效购买金额累计购买次数客户产生的所有有效购买的次数1次回购周期客户产生第2次有效购买距离第1次有效购买的时间间隔（以“天”计算）N次回购周期客户产生第N+1次有效购买距离第N次有效购买的时间间隔（以“天”计算）客户回购周期客户重复购买的平均时间间隔，即在采用“交易按天合并”的算法下，计算客户每次重复购买距离上一次购买的时间间隔。如果每个客户有N次购买记录，意味着客户会有N-1个回购周期，取N-1个回购周期的平均值，就可以得到这个客户的客户回购周期续表数据分析指标指标释义商品购买指标商品新客户对某款商品产生过1次有效购买的客户商品回头客对某款商品产生过2次及以上有效购买的客户商品重复购买率重复购买率有两种计算方法：一种是所有购买过商品的客户，以每个人为独立单位重复购买产品的次数，例如有10个客户购买了商品，5个产生了重复购买，则重复购买率为50%；第二种算法是，单位时间内重复购买的总次数占比，例如10个客户购买了商品，有3个产生二次购买，这3人中的1个人又产生了三次购买，则重复购买次数为4次，重复购买率为40%商品1次回购周期客户第2次有效购买某商品距离第1次购买该款商品的时间间隔（以“天”计算）商品N次回购周期客户第N+1次有效购买某商品距离第N次有效购买该款商品的时间间隔（以“天”计算）商品平均回购周期所有重复购买某商品的客户回购周期的平均值品类新客户在某品类商品上产生过1次有效购买的客户品类回头客在某品类商品上产生过2次（或2次以上）有效购买的客户品类1次回购周期客户第2次购买某品类商品的时间距离第1次购买该品类商品的时间间隔（以“天”计算）品类N次回购周期客户第N+1次购买某品类商品的时间距离第N次购买该品类商品的时间间隔（以“天”计算）店铺购买指标店铺重复购买率以一定时间段内店铺内产生的所有有效成交订单计算，店铺重复购买率=重复购买的客户数/（重复购买的客户数+新客户数）有效客户比例产生有效购买的客户在店铺总客户人数中的占比2CRM数据分析指标一、CRM数据分析1回头客回头客是指在店铺的购买次数大于1次的客户，回头客本身不受时间的限制。在判断回头客时存在两种处理标准：例如我们要统计店铺今年回头客的数量，有一个客户去年在店铺内产生第一次购买，今年在店铺内产生第二次购买，那么该客户应该被计算入今年的回头客里面。2CRM数据分析指标一、CRM数据分析1回头客2重复购买率重复购买率是指客户对某店铺、品牌、商品或服务的重复购买比例，重复购买率越高，反映出消费者对店铺、品牌、产品、服务的忠诚度越高，客户黏性越强，反之则越差。常见的计算重复购买率的方式有两种：以客户为对象的重复购买率的计算以订单为对象的重复购买率的计算2CRM数据分析指标一、CRM数据分析1回头客2重复购买率客户回购周期是指客户重复购买的平均时间间隔，即在采用“交易按天合并”的算法下，计算客户每次重复购买距离上一次购买的时间间隔。如果每个客户有N次购买记录，意味着客户会有N-1个回购周期，取N-1个回购周期的平均值，就可以得到这个客户的客户回购周期，而店铺的平均回购周期即是所有回头客的客户回购周期的平均值。3客户回购周期2CRM数据分析指标一、CRM数据分析1回头客2重复购买率3客户回购周期商品回购周期4商品回购周期是指客户重复购买同一件商品的平均时间间隔。在计算商品回购周期的过程中，需要注意以下两个细节：对于有不同容量（规格）SKU的商品而言，重复购买周期应该按照SKU分开计算。商品回购周期区别于客户回购周期，需要根据购买商品的件数计算周期。商品回购周期＝（第N+1次购买时间-第N次购买时间）/第N次购买的件数3CRM数据分析的思维方式一、CRM数据分析34251降维思维拆分思维对比思维增维思维假设思维4CRM数据分析的分析方法一、CRM数据分析同比/环比分析1趋势分析2抽样调查3相关性分析4A/B测试54CRM数据分析的分析方法一、CRM数据分析简单随机抽样分层抽样整群抽样等距抽样多阶段抽样双重抽样Contents目录CRM数据分析1RFM分析模型解析及运用2二、RFM分析模型解析及运用RFM模型解析1RFM模型的价值2运用RFM模型开展客户细分3基于RFM模型的营销策略的制定41RFM模型解析二、RFM分析模型解析及运用RFM分析模型原用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业。1RFM模型解析二、RFM分析模型解析及运用1.R、F、M概念解析1R（Recency）R是指客户最近一次交易时间的间隔。R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。2F（Frequency）F是指客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。3M（Monetary）M是指客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。1RFM模型解析二、RFM分析模型解析及运用2.R、F、M数据解析及分析最近一次消费：取出来的数据是一个时间点，需要由当前时间点即最近一次消费时间点来作为该度量的参考值，无论是以小时还是天为单位，都要注意单位选择的统一。消费频率：将用户的消费次数作为计算对象，使用Excel表格中的COUNT函数即可得出。消费金额：将每位客户所有消费的金额相加（SUM，求和函数）求得。1RFM模型解析二、RFM分析模型解析及运用2.R、F、M数据解析及分析获取三个指标的数据以后，需要计算每个指标数据的均值，分别以AVG(R)、AVG(F)、AVG(M)来表示，最后通过将每位客户的三个指标与均值进行比较，可以将客户细分为八类。RFM客户类型划分RecencyFrequencMonetary客户类型↑↑↑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↓↓↓一般挽留客户注：“↑”表示大于均值，“↓”表示小于均值。1RFM模型解析二、RFM分析模型解析及运用2.R、F、M数据解析及分析RFM模型包括三个指标，无法用平面坐标图来展示，但可以使用三维坐标系进行展示，X轴表示Recency，Y轴表示Frequency，Z轴表示Monetary，坐标系的八个象限分别表示八类用户，根据表中的分类可以用右图所示的图形进行描述。1RFM模型解析二、RFM分析模型解析及运用2.R、F、M数据解析及分析RFM客户价值象限分类2RFM模型的价值二、RFM分析模型解析及运用RFM模型的作用3运用RFM模型开展客户细分二、RFM分析模型解析及运用1.单维度RFM指标客户细分根据客户R值分组客户组别R值范围客户类型1R＜30活跃客户230≤R＜90沉默客户390≤R＜180长期沉默客户4180≤R＜270睡眠客户5270≤R＜360深度睡眠客户6360≤R＜540预流失客户7540≤R＜720流失客户8R≥720死亡客户3运用RFM模型开展客户细分二、RFM分析模型解析及运用1.单维度RFM指标客户细分根据客户F值分组客户组别F值范围客户类型1F＝1新客户2F＝2回头客3F＝3成熟客户4F＝4黏性客户5F＝5粉丝客户6F＞5忠诚客户3运用RFM模型开展客户细分二、RFM分析模型解析及运用1.单维度RFM指标客户细分根据客户M值分组客户组别M值范围客户类型1M＜100低贡献客户2100≤M＜200中低贡献客户3200≤M＜500中等贡献客户4500≤M＜2000中高贡献客户5M≥2000高贡献客户3运用RFM模型开展客户细分二、RFM分析模型解析及运用1.单维度RFM指标客户细分按照单个RFM指标对客户进行分组，不同的店铺，设置的分组数量和分组标准有所不同：根据实际业务需要设计分组的数量根据客户行为特征设计分组的标准3运用RFM模型开展客户细分二、RFM分析模型解析及运用2.多维度RFM指标客户细分R值和F值的组合分组客户组别F值范围R值范围客户类型1F＝1R＜90活跃新客户290≤R＜180沉默新客户3R≥180流失新客户4F＝2R＜90活跃回头客590≤R＜180沉默回头客6R≥180流失回头客7F＞2R＜90活跃忠诚客户890≤R＜180沉默忠诚客户9R≥180流失忠诚客户3运用RFM模型开展客户细分二、RFM分析模型解析及运用2.多维度RFM指标客户细分F值和M值的组合分组客户组别F值范围M值范围客户类型1F＝1M＜100低价值新客户2100≤M＜200中价值新客户3M≥200高价值新客户4F＝2M＜200低价值回头客5200≤M＜500中价值回头客6M≥500高价值回头客7F＞2M＜1000低价值忠诚客户81000≤M＜2000中价值忠诚客户9M≥2000高价值忠诚客户4基于RFM模型的营销策略的制定二、RFM分析模型解析及运用1.RFM模型客户细分首先对客户数据进行处理。RFM模型客户数据处理的步骤4基于RFM模型的营销策略的制定二、RFM分析模型解析及运用1.RFM模型客户细分根据R、F、M的得分情况进行整合，得到八种组合，即2-2-2、2-1-1、2-1-2、2-2-1、1-1-2、1-2-1、1-2-2、1-1-1，其中2-2-2为最好的客户（活跃客户），1-1-1为商家要遗弃的客户；2-1-1为可能需要重点突破的客户，1-1-2为商家要重点维护的客户。其余四种组合（即2-2-1、1-2-2、2-1-2、1-2-1）均属于一般客户。4基于RFM模型的营销策略的制定二、RFM分析模型解析及运用2.制定营销策略针对不同客户采取不同营销策略客户类型特征营销策略活跃客户活跃客户是潜在价值和当前价值都很高的客户，是店铺的核心客户，这类客户的特征是与店铺之间的关系非常持久、稳定实施战略联盟策略，使商家与客户形成一个战略伙伴合作关系。商家在制定经营战略时，要时刻把最好客户考虑在内，要关注到最好客户的价值利益实施客户专案管理策略。成立专门的客户专案小组，处理并管理活跃客户在交易中发生的事情，为这些超级客户及时提供符合其要求的商品或优质的服务建立优良客户数据库系统，加强客户文化研究实施客户信息保密策略，维护客户利益重点维护客户重点维护客户也是店铺利润的一个主要来源，虽然它的当前价值很低，但是潜在价值很高实施以提高客户份额为中心的客户忠诚度计划。充分利用店铺已有的客户信息数据库进行有效的数据挖掘工作，找出客户的深层次需求，以此来扩大此类客户在店铺客户总数中所占的份额实施频繁营销策略，提高客户的当前价值实施客户维系策略，降低客户成本