一个电商数据分析师的经验总结

2019-08-13 16:31| 发布者:搜客宝| 查看: |

08年毕业,不知不觉的混进了电子商务行业,又不知不觉的做了三年数据分析,恰好又赶上了互联网电子商务行业发展最快的几年,也算是不错吧,毕竟感觉前途还是很光明的。三年来,可以说跟很多同事学到了不少东西,需要感谢的人很多,他们无私的教给了我很多东西。

数据分析职业来说,个人感觉这对互联网企业来说是非常重要的,也是确实能够带来实际效果的东西。比如说利用数据分析做会员的细分以进行精准化营销;利用 数据分析来发现现有的不足,以作改进,让顾客有更好的购物体验;利用CRM系统来管理会员的生命周期,提高会员的忠诚度,避免会员流失;利用会员的购买数 据,挖掘会员的潜在需求,提供销售,扩大影响力等等。

最开始进企业的时候是在运营部,主要是负责运营报表的数据,当时的系统还很差,提取数据很困难,做报表也很难,都是东拼西凑一些数据,然后做成PPT,记 得当时主要的数据就是销售额、订单量、毛利额、客单价、每单价、库存等一些特别基础的数据,然后用这些数据作出一些图表来。在这个阶段基本上就是做一些数 据的提取工作,Excel的技巧倒是学到了不少,算是数据分析入门了吧。

后来企业上了数据仓库,里面就有了大量的原始数据,提取数据非常方便了,而且维度也多,可以按照自己的想法随意的组合分析,那个阶段主要就是针对会员购物 行为的分析,开始接触数据建模,算法等一些比较难的东西,也是学到东西最多的时候。记得当时做了很多分析报告,每周还要给总裁办汇报这些报告,下面详细说 一下当时使用的一些主要的模型及算法:

1、? RFM模型

模型定义:在众多的客户关系管理的分析模式中,RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个 客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。在RFM模式中,R(Recency)表示客户最近一次购买的时间有 多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)表示客户在最近一段时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析,RFM则强调以客户的行为来区分客户。利用 RFM分析,大家可以做以下几件事情:

⑴ 建立会员金字塔,区分各个级别的会员,如高级会员、中级会员、低级会员,然后针对不同级别的会员施行不同的营销策略,制定不同的营销活动。
⑵ 发现流失及休眠会员,通过对流失及休眠会员的及时发现,采取营销活动,激活这些会员。
⑶ 在短信、EDM促销中,可以利用模型,选取最优会员。
⑷ 维系老客户,提高会员的忠诚度。
使用方法:可以给三个变量不同的权重或按一定的规则进行分组,然后组合使用,即可分出很多不同级别的会员。

2、? 关联分析

关联分析最原始的案例来自于沃尔玛的“啤酒与尿布”。通俗意义上讲,就是只买了A商品的人,又有很多人买了B商品,那么大家就可以认为A、B两个商品的关 联性比较高。很多数据挖掘工具都有关联挖掘,主要使用的算法是Apriori算法,在计算的过程中会主要考察项集、置信度、相关性这三个结果数据,以最终 确定商品之间的相关性。除了Apriori算法外,还有许多其他的关联分析的算法,基本上也都是从Apriori发展而来,比如FPgrowth。本人从 几年的数据分析经验感觉,关联分析在零售业中并不太实用,挖掘出来的关联度比较高的商品一般都是同类商品或者同品牌的商品,像“啤酒与尿布”这种,很少能 够有。

使用方法:组套销售或者相关陈列等。

3、? 聚类分析

零售行业的聚类分析主要是指将具有相似购物行为的顾客进行群体的细分,以支撑精细化的营销活动,带来更大的营销效果,节省成本。Spss里面的聚类分析主 要有两种K-means聚类和系统聚类。也可以在数据仓库中根据顾客购买的商品属性进行会员的聚类分析,这里就不需要算法的支撑,只需要根据系统的已经有 的商品分类,把购买过相同商品类别的顾客划分到一起。这种方法可能与企业的业务更加贴近。聚类分析是进行会员精细化管理,精细化营销的基础,做好聚类分 析,对企业将有很大的益处。

使用方法:对顾客细分,精准化营销。

4、“之”字分析法

<
>
搜客宝——是一款聚合大数据和AI智能的高级应用系统工具。它通过各种计算机程序算法,将互联网上的企业客户信息、商机信息等进行有序整合、收录、匹配、更新。这将改变客户以往机械收集线索的方式,而只需要一键启动,便可将所有的精准客户线索展现在你的面前。

联系大家

地址:江苏省南通市崇川区中南百货

400-9966-111(服务时间:9:00-18:00)

3206839510@qq.com

返回顶部
XML 地图 | Sitemap 地图