|
从销售量、转化率、相关性、客户RFM分析等角度，帮助运营部门发现机会与问题
一、选手简介
1、个人介绍
姓名：王萌，帆软社区用户名：数据科学。工作单位：八维计算机研修学院。目前从事数据分析与机器学习科研与教学工作
2、参赛初衷
了解国内外主流BI平台的特点，希望在未来引入教学工作
二、作品介绍
1、业务背景/需求痛点
业务背景：
之前在某企业担任数据分析师的工作，企业的数据分析之前只是单纯的历史数据呈现，希望能转变为智能主动型的分析思路，为各部门制定策略提供参考
需求痛点：
管理者只能看到结果，却不知原因何在，更无法实现针对性营销，需要数据分析这个“参谋”为他们提供数据支撑
2、数据来源
企业数据，已脱敏
jd_order(京东销售统计) pdd_order(拼多多销售统计) tb_order(淘宝销售统计) 以及在这三个基础表上衍生出来的其他表
3、分析思路
大部分套用京东的分析体系，如RFM客户分析等。少部分，如相关性分析，是在python机器学习中常用的分析法，套用到项目上
4、数据处理
缺失值处理：填充为相邻两行的平均值；重复值处理：删除完全重复的数据；异常值处理：保留四分位数之间的数据
难点：同一客户在三个平台上的账号不一样，而我们又无法获取手机这种去重字段，无法合并三个平台上的相同客户
- 可视化报告
- 数据含义表达和图表排版布局
- 最上方的多维折线图，代表京东、拼多多、淘宝三个平台的销量对比，较为直观；
- 折线图下面的相关性分析，用数据论证哪些平台的销量趋势有较高的相关性，反推运营策略的优劣
- 三个平台的购买转化率，分别用三个漏斗图展现，最后一个tab是对三个平台转化率的分析
- UV和PV的对比折线图，来论证用户访问的真实程度
- RFM分析分别用表格和柱状图表示，在真实场景中，表格数据可接入运营平台，对不同层级的客户做针对性营销
- 通过分析得出的结论
- 京东和淘宝，无论从销量趋势还是转化率，保持了较高的正相关性
- 拼多多的转化率较高，短期内应加大运营投入；从中长期应挖掘京东和淘宝的转化率潜力
- PV和UV趋势基本保持一致，真实用户访问率较高
- RFM分析结果：重要价值客户占比较大，重要保持客户占比较低，可能会存在销售后继乏力的问题
| 
