《《Excel-电商数据分析》教学课件—11消费者运营分析》由会员分享，可在线阅读，更多相关《《Excel-电商数据分析》教学课件—11消费者运营分析（81页珍藏版）》请在金锄头文库上搜索。
1、消费者运营分析11.1.1消费者地域分析&11.2.2消费者行为习惯分析消费者地域分析CONTENTS消费者行为习惯分析消费者地域分析PART ONE消 费 者 地 域 分 析消费者分布是消费者的基本属性，了解消费者的分布有助于经营者制订运营策略。消费者地域分布数据可基于订单报表进行整理，可以指导品牌商或者大型电商企业进行线下门店的布局。例：下载商家后台订单报表数据，分析消费者的地域分布情况。解：下载的文件是CSV格式，将文件导入PowerQuery编辑器进行清洗，如图1所示，在Excel【数据】选项卡中单击【从文本/CSV】选项。如图2所示，设置对应的文件路径后单击【编辑】按钮。图1图2消
2、费 者 地 域 分 析进入PowerQuery编辑器后，如图3所示，对订单状态进行筛选，将【交易关闭】和【等待买家付款】过滤掉。如图4所示，选中“收货地址”，可以提取出每笔订单的收货省份，在【添加列】选项卡中单击【提取】-【分隔符之前的文本】选项。图3图4库 存 绩 效 分 析如图5所示，在弹出的分隔符设置界面中，在【分隔符】处键入一个英文输入法下的空格符号。如图6所示，提取后可以获得省份信息，修改字段名称为“省份”。接下来基于省份统计汇总数据，如图7所示，在【开始】选项卡中单击【分组依据】选项。图5图6图7库 存 绩 效 分 析如图11-8所示，进行分组依据设置，基于“买家会员名”和“省份”
3、分组。如图11-9所示，由于订单信息中会有消费者多次下单，因此将会员合并，减少重复计数，但此时还会有重复，因为有小部分消费者多次下单时收货地址不一致，可能会有跨省份的订单，此时可以忽略此情况，默认一个消费者存在多个省份，因为这种比例会很少。如果要精准判断，需要根据下单地址的频次选择频次高的，但如果出现部分地址的频次相同的情况，就无法判断了。图8图9库 存 绩 效 分 析再一次进行分组，按照图11-10所示内容进行设置，分组结果如图11-11所示。如图11-12所示，单击【开始】选项卡中【关闭并上载】选项，将数据导入Excel的工作表。图11图12图10库 存 绩 效 分 析在Excel中，如图
4、11-13所示，选中数据并单击【插入】选项卡中的【数据透视表】选项。如图11-14所示，在数据透视表字段设置中，将【行】设置字段为“省份”，【值】设置字段为“求和项：计数”。图13图14库 存 绩 效 分 析如图11-15所示，在“点击量”上单击鼠标右键，在弹出的菜单中选择【降序】排序。如图11-16所示，插入柱形图后可以更直观地分析消费者的地域分布，河南省、广东省和浙江省是主要的消费者集中地，推广时可以偏向这三个省份。图15图16消费者行为习惯分析PART TWO消 费 者 行 为 习 惯 分 析消费者行为习惯可基于下单的时间特征进行分析，可以研究消费者下单日期为星期几，也可以研究消费者下单
5、时间为几点。例：下载商家后台订单报表数据，分析消费者下单的行为习惯。解：下载的文件是CSV格式，将文件导入PowerQuery编辑器进行清洗，如图17所示，在Excel【数据】选项卡中单击【从文本/CSV】选项。如图18所示，设置对应的文件路径后单击【编辑】按钮。图17图18消 费 者 行 为 习 惯 分 析进入PowerQuery编辑器后，如图19所示，对订单状态进行筛选，将【交易关闭】和【等待买家付款】过滤掉。如图20所示，选中【订单付款时间】，在【添加列】选项卡单击【日期-天-星期几】创建新列。图19图20消 费 者 行 为 习 惯 分 析如图21所示，选中“订单付款时间”，在【添加列】
6、选项卡单击【时间】-【小时】-【小时】选项，创建新列。修改对应的字段名称，如图22所示。如图23所示，单击【开始】选项卡中【关闭并上载】选项，将数据导入Excel的工作表中。图21图22图23消 费 者 行 为 习 惯 分 析在Excel中，如图24所示，选中数据并单击【插入】选项卡中的【数据透视表】选项。如图25所示，在数据透视表字段设置中，将【行】设置字段为“星期几”，【值】设置字段为“计数项：买家会员名”和“求和项：买家实际支付金额”。设置后的数据透视表如图26所示，从图中可以看出星期日的支付金额最高，星期六最低，星期一到星期五差别不大。图24图25图26消 费 者 行 为 习 惯 分
7、析图27图28再创建一个数据透视表，如图27所示，在数据透视表字段设置中，将【行】设置字段为“小时”，【值】设置字段为“计数项：买家会员名”和“求和项：买家实际支付金额”。如图28所示，早上7:00消费者开始购物，16:0018:00点是购物高峰期，23:00开始陆续休息。基于这个数据可调整客服排班和轮岗交接时间。消 费 者 行 为 习 惯 分 析图29图30如图29和图30所示，插入组合图展示更加直观，可用于制作消费者报告。消费者运营分析11.2 RFM模型RFM模型理论及计算方法CONTENTSRFM计算实例PART ONERFM模型理论及计算方法1RFM模型理论RFM模型是消费者管理领域
8、里的一种消费者消费行为分析模型。R为近度（Recency）代表最近购买时间，指上次购买至现在的时间间隔。R值越大表示网店与消费者发生交易的时间越久，反之与网店发生交易的时间越近。理论上R值越小（即最近有购买行为）的消费者是复购可能性越高的有价值消费者。F为频度（Frequency）代表购买频率，指的是某一期间内购买的次数。F越大代表该段时间内消费者的购买频率越高，存在极大的复购可能性；反之F值越小，则消费者活跃度越低，相应的价值越低。M为额度（Monetary）代表总购买金额，指的是某一期间内购买商品的金额。M越大表示该类消费者对本网店（产品）的购买意愿转化为购买行为可能性越大，该类消费者的价
9、值越应受到关注，反之亦然。RFM模型动态展示了现有消费者在网店的购物特征，为网店制订营销决策提供了依据，便于网店对于现有消费者分类与管理。2RFM计算（1）计算RR的计算方法是计算现在与最近一次购买日期之间的间隔天数。（2）计算FF的计算方法是对消费者下单的订单数据进行统计。（3）计算MM的计算方法是将消费者的消费金额进行汇总。3基于RFM模型的消费者分组为消费者分组，即将三个指标分别分为“高”和“低”两种，高于均值的为“高”，低于均值的为“低”。R值“高”“低”判定步骤：分别求取每位消费者的购买商品日期与现今时间的最小时间间隔R。求取时间间隔R均值。将每位消费者的最小时间间隔与R均值比较，小
10、于均值为低，大于均值为高。F值“高”“低”判定步骤：求取每位消费者某时间段内的购买次数和（即购买频率F）。求取频率F均值。将每位消费者的F值与F均值比较，小于均值为低，大于均值为高。M值“高”“低”判定步骤：求取每位消费者某时间段内的购买金额和M。求取购买金额和M均值。将每位消费者的M值与M均值比较，小于均值为低，大于均值为高。以此为标准将消费者归为八大类，如表11-1所示。R值F值M值消费者类型低高高高价值消费者高高高重点保持消费者低低高重点发展消费者高低高重点挽留消费者低高低一般价值消费者高高低一般保持消费者低低低一般发展消费者高低低潜在消费者表11-1RFM分类表PART TWORFM计
11、算实例例11-3：现有某淘宝网店2018年8月至2018年10月消费者购买数据，数据采集自商家后台的订单报表和宝贝报表。如图11-31所示，为了精准化消费者营销，降低推广成本，现需要使用PowerQuery将5794位消费者分类。图11-31消费者信息表解：（1）将Excel数据加载至PowerQuery。如图11-32所示，在【数据】选项卡中，单击【从表格】选项，即可将数据加载至PowerQuery。图11-32将数据从表格导入PowerQuery编辑器操作界面成功加载至PowerQuery的数据如图11-33所示。图11-33加载到PowerQuery中的数据（2）计算时间间隔R。创建当下
12、时间字段：如图11-34所示，在【添加列】选项卡中，单击【自定义列】选项。图11-34创建自定义列操作界面进入“自定义列”页面，如图11-35所示，【新列名】设置为“今天日期”，【自定义列公式】设置为“DateTime.Date(#datetime(2018,11,1,0,0,0)”，单击“确定”按钮，成功后如图11-36所示。图11-35创建今天日期图11-36成功创建今日日期将“今天日期”列的类型与订单付款时间统一：选中“今日日期”列，在【开始】选项卡中，单击【数据类型】选项，选中合适的类型，此处选择“日期/时间”。格式统一后的数据如图11-37所示。图11-37格式统一后的数据新建一列为
13、“今天日期”减去“订单付款日期”。如图11-38所示，在【添加列】选项卡中，单击【自定义列】选项，【新列名】设为“R”，【自定义列公式】设为“今天日期-订单付款时间”，单击【确定】按钮，计算结果如图11-39所示。图11-38计算R图11-39R的计算结果删除“订单付款时间”与“今天日期”列，并将“R”列类型改为整数，结果如图11-40所示。图11-40修整后的数据（3）进行数据分组，得到每位消费者的RFM数据。将数据分组：在【开始】选项卡中，单击【分组依据】选项，填入图11-41所示信息，运行结果如图11-42所示。图11-41分组依据设置界面图11-42数据分组结果（4）消费者归类。通过自
14、己写函数建立逻辑判断，归类消费者等级。在【开始】选项卡中，单击【高级编辑器】选项，进入函数编辑页面，如图11-43所示。在上表代码in前补上以下关于消费者等级判断的条件语句。 AR= List.Average(分组的行R)， AM= List.Average(分组的行M)， AF= List.Average(分组的行F)，已添加条件列= Table.AddColumn(分组的行,消费者等级, each if (R AM) and (F AF) then 高价值消费者else if (R AR) and (M AM) and (F AF) then重点保持消费者else if (R AM) an
15、d (F AR) and (M AM) and (F AF) then重点挽留消费者else if (R AR) and (M AF) then一般价值消费者else if (R AR) and (M AF) then一般保持消费者else if (R AR) and (M AM) and (F AF) then一般发展消费者else潜在消费者图11-43函数编辑界面并将最后一行将“分组的行”改为“已添加条件列”。（注：AR为R的平均值，AF为F的平均值，AM为M的平均值）改完后代码如图11-44所示。图11-44修改高级编辑器代码成功运行即可得到完整的消费者归类，如图11-45所示。图11-
16、45RFM消费者分组消费者运营分析11.3.1消费者复购率计算与分析&11.3.2复购间隔分析&11.3.3复购产品归因分析消费者复购率计算与分析CONTENTS复购间隔分析复购产品归因分析消费者复购率计算与分析PART ONE消 费 者 复 购 率 计 算 与 分 析1.复购率计算复购率可以分为“用户复购率”和“订单复购率”。用户复购率=单位时间内：购买两次及以上的用户数/有购买行为的总用户数。如单位时间内，回头客购买人数/总购买人数，计算出来的比例，则为重复购买率。例如在一个月内，有100个消费者成交，其中有20个是回头客，则重复购买率为20%。订单复购率=单位时间内：第二次及以上购买的订单个数/总订单数。如在某个季度中，一共产生了100笔交易，其中有20个人有了二次购买，这20个人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。2.复购率分析例：某网店运营人员现有该网店2018.72019.2的订单数据，希望深入了解该网店二月的消费者复购情况。数据采集自商家后台的订单报表和宝贝报表。解：分析思路如下。第一步：从8个月数据中提取出二月的数据来计算复购率，那么
