長沙電商企業(yè)一位電商數(shù)據(jù)分析師的經(jīng)驗(yàn)總結(jié)
數(shù)據(jù)分析是每個(gè)做運(yùn)營的人都必須掌握的技能之一,怎么做好數(shù)據(jù)分析?下面就由小編為大家介紹一下。
08年畢業(yè),不知不覺的混進(jìn)了電子商務(wù)行業(yè),又不知不覺的做了三年數(shù)據(jù)分析,恰好又趕上了互聯(lián)網(wǎng)電子商務(wù)行業(yè)發(fā)展最快的幾年,也算是不錯(cuò)吧,畢竟感覺前途還是很光明的。三年來,可以說跟很多同事學(xué)到了不少東西,需要感謝的人很多,他們無私的教給了我很多東西。
就數(shù)據(jù)分析職業(yè)來說,個(gè)人感覺這對互聯(lián)網(wǎng)公司來說是非常重要的,也是確實(shí)能夠帶來實(shí)際效果的東西。比如說利用數(shù)據(jù)分析做會(huì)員的細(xì)分以進(jìn)行精準(zhǔn)化營銷;利用數(shù)據(jù)分析來發(fā)現(xiàn)現(xiàn)有的不足,以作改進(jìn),讓顧客有更好的購物體驗(yàn);利用CRM系統(tǒng)來管理會(huì)員的生命周期,提高會(huì)員的忠誠度,避免會(huì)員流失;利用會(huì)員的購買數(shù)據(jù),挖掘會(huì)員的潛在需求,提供銷售,擴(kuò)大影響力等等。
最開始進(jìn)公司的時(shí)候是在運(yùn)營部,主要是負(fù)責(zé)運(yùn)營報(bào)表的數(shù)據(jù),當(dāng)時(shí)的系統(tǒng)還很差,提取數(shù)據(jù)很困難,做報(bào)表也很難,都是東拼西湊一些數(shù)據(jù),然后做成PPT,記得當(dāng)時(shí)主要的數(shù)據(jù)就是銷售額、訂單量、毛利額、客單價(jià)、每單價(jià)、庫存等一些特別基礎(chǔ)的數(shù)據(jù),然后用這些數(shù)據(jù)作出一些圖表來。在這個(gè)階段基本上就是做一些數(shù)據(jù)的提取工作,Excel的技巧倒是學(xué)到了不少,算是數(shù)據(jù)分析入門了吧。
后來公司上了數(shù)據(jù)倉庫,里面就有了大量的原始數(shù)據(jù),提取數(shù)據(jù)非常方便了,而且維度也多,可以按照自己的想法隨意的組合分析,那個(gè)階段主要就是針對會(huì)員購物行為的分析,開始接觸數(shù)據(jù)建模,算法等一些比較難的東西,也是學(xué)到東西最多的時(shí)候。記得當(dāng)時(shí)做了很多分析報(bào)告,每周還要給總裁辦匯報(bào)這些報(bào)告,下面詳細(xì)說一下當(dāng)時(shí)使用的一些主要的模型及算法:
1、 RFM模型
模型定義:在眾多的客戶關(guān)系管理的分析模式中,RFM模型是被廣泛提到的。RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。該機(jī)械模型通過一個(gè)客戶的近期購買行為、購買的總體頻率以及花了多少錢三項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。在RFM模式中,R(Recency)表示客戶最近一次購買的時(shí)間有多遠(yuǎn),F(xiàn)(Frequency)表示客戶在最近一段時(shí)間內(nèi)購買的次數(shù),M (Monetary)表示客戶在最近一段時(shí)間內(nèi)購買的金額。一般的分析型CRM著重在對于客戶貢獻(xiàn)度的分析,RFM則強(qiáng)調(diào)以客戶的行為來區(qū)分客戶。利用RFM分析,我們可以做以下幾件事情:
?、?建立會(huì)員金字塔,區(qū)分各個(gè)級別的會(huì)員,如高級會(huì)員、中級會(huì)員、低級會(huì)員,然后針對不同級別的會(huì)員施行不同的營銷策略,制定不同的營銷活動(dòng)
?、?發(fā)現(xiàn)流失及休眠會(huì)員,通過對流失及休眠會(huì)員的及時(shí)發(fā)現(xiàn),采取營銷活動(dòng),激活這些會(huì)員。
?、?在短信、EDM促銷中,可以利用模型,選取最優(yōu)會(huì)員。
?、?維系老客戶,提高會(huì)員的忠誠度。
使用方法:可以給三個(gè)變量不同的權(quán)重或按一定的規(guī)則進(jìn)行分組,然后組合使用,即可分出很多不同級別的會(huì)員。
2、 關(guān)聯(lián)分析
關(guān)聯(lián)分析最原始的案例來自于沃爾瑪?shù)?ldquo;啤酒與尿布”。通俗意義上講,就是只買了A商品的人,又有很多人買了B商品,那么我們就可以認(rèn)為A、B兩個(gè)商品的關(guān)聯(lián)性比較高。很多數(shù)據(jù)挖掘工具都有關(guān)聯(lián)挖掘,主要使用的算法是Apriori算法,在計(jì)算的過程中會(huì)主要考察項(xiàng)集、置信度、相關(guān)性這三個(gè)結(jié)果數(shù)據(jù),以最終確定商品之間的相關(guān)性。除了Apriori算法外,還有許多其他的關(guān)聯(lián)分析的算法,基本上也都是從Apriori發(fā)展而來,比如FPgrowth。本人從幾年的數(shù)據(jù)分析經(jīng)驗(yàn)感覺,關(guān)聯(lián)分析在零售業(yè)中并不太實(shí)用,挖掘出來的關(guān)聯(lián)度比較高的商品一般都是同類商品或者同品牌的商品,像“啤酒與尿布”這種,很少能夠有。
使用方法:組套銷售或者相關(guān)陳列等。
3、 聚類分析
零售行業(yè)的聚類分析主要是指將具有相似購物行為的顧客進(jìn)行群體的細(xì)分,以支持精細(xì)化的營銷活動(dòng),帶來更大的營銷效果,節(jié)省成本。Spss里面的聚類分析主要有兩種K-means聚類和系統(tǒng)聚類。也可以在數(shù)據(jù)倉庫中根據(jù)顧客購買的商品屬性進(jìn)行會(huì)員的聚類分析,這里就不需要算法的支持,只需要根據(jù)系統(tǒng)的已經(jīng)有的商品分類,把購買過相同商品類別的顧客劃分到一起。這種方法可能與公司的業(yè)務(wù)更加貼近。聚類分析是進(jìn)行會(huì)員精細(xì)化管理,精細(xì)化營銷的基礎(chǔ),做好聚類分析,對企業(yè)將有很大的益處。
使用方法:對顧客細(xì)分,精準(zhǔn)化營銷。
4、“之”字分析法
該種方法主要是有一種很明確的會(huì)員群體,然后通過分析這些會(huì)員群體的購買行為,提取這些購物行為的相似點(diǎn),然后再通過這些相似點(diǎn)返回到整個(gè)數(shù)據(jù)里面,從中抽取更大的會(huì)員群體,以制定精準(zhǔn)的營銷。
再后來,公司又上了SAP,又去BW組去做報(bào)表開發(fā),做報(bào)表開發(fā)這一塊能夠接觸到更多的業(yè)務(wù)方面的知識,雖然做數(shù)據(jù)挖掘比較少了,但是數(shù)據(jù)最終是要指導(dǎo)業(yè)務(wù)的,所以這對我的成長也算是非常有利的。業(yè)務(wù)方面主要了解到了幾大塊:
1、庫存管理-庫存管理這塊主要有正品庫存的管理,滯銷庫存,高庫存商品等各種不同類型的庫存該怎么定義以及該如何去管理。比如去管理供應(yīng)商的庫存的時(shí)候會(huì)根據(jù)正品庫存及滯銷庫存和庫存正常的周轉(zhuǎn)天數(shù)來計(jì)算該供應(yīng)商的庫存是否在合理的水平,是否該進(jìn)貨還是要減少庫存。
2、促銷管理-促銷管理是以提高銷售額為目的,吸引、刺激消費(fèi)者消費(fèi)的一系列計(jì)劃、組織、領(lǐng)導(dǎo)、控制和協(xié)調(diào)管理的工作。數(shù)據(jù)方面來說主要是針對不同的促銷方式來計(jì)算不同的方式收益情況,不同的促銷方式可以帶來不同的效果,因此在使用促銷的時(shí)候要審慎的選擇,以達(dá)到理想的效果。
另外,還有財(cái)務(wù)報(bào)表、采購流程等很多方面的東西,這些接觸的比較少就不寫啦。
在BW項(xiàng)目組的時(shí)候,也經(jīng)常會(huì)幫網(wǎng)站做一些分析工作,自己也自學(xué)了兩本關(guān)于網(wǎng)站數(shù)據(jù)分析方面的書,感覺學(xué)到了一些皮毛,下面說一下吧:
1、 網(wǎng)站流量分析
網(wǎng)站流量的比較重要的KPI指標(biāo)有瀏覽量、訪問量、獨(dú)立訪客數(shù)、跳失率、轉(zhuǎn)化率、頁面停留時(shí)間、訪問頁面數(shù)、流量來源、流量來源ROI等等。通過這些數(shù)據(jù)可以全面的反映網(wǎng)站的整體情況。其中跳失率可以用來衡量頁面的質(zhì)量,流量來源及轉(zhuǎn)化率可以衡量市場及營銷的工作情況。進(jìn)行網(wǎng)站數(shù)據(jù)分析的時(shí)候,需要牢牢的把握轉(zhuǎn)化率這一指標(biāo),然后由這一指標(biāo)的變化來尋找其他相關(guān)數(shù)據(jù)的變化,最終找出原因,做相對應(yīng)的策略,改進(jìn)我們的工作。
2、 網(wǎng)站分析細(xì)分
數(shù)據(jù)分析行業(yè)有句話-無細(xì)分,毋寧死,足矣看出細(xì)分對數(shù)據(jù)分析意義。對于網(wǎng)站的數(shù)據(jù)分析尤其是如此。網(wǎng)站的流量數(shù)據(jù)量非常大,從整體上看根本都看不出那里會(huì)出現(xiàn)問題,所以必須要細(xì)分。比如說營銷人員需要看的轉(zhuǎn)化率,必須就要細(xì)分到每個(gè)渠道里面,然后再看到這些渠道來的會(huì)員的點(diǎn)擊情況,他們都看過那些網(wǎng)頁,對什么感興趣,跳失率是多少,瀏覽時(shí)間多長,最終轉(zhuǎn)化的是多少等等,這樣才能看出問題。
3、 網(wǎng)站的短信促銷及EDM
在這個(gè)電子商務(wù)普遍燒錢的時(shí)代,花出去的錢到底能有多少能夠帶來實(shí)際的收益呢?在搶占市場的同時(shí),怎么才能做到ROI最大化這個(gè)問題急需要解決。公司每天幾乎都要發(fā)幾萬條甚至幾十萬條的促銷的短信,短信的反饋率基本上都在2%一下,怎么才能提高轉(zhuǎn)化率,這就需要更精準(zhǔn)的用戶定位,把錢花到最有可能帶來收益的地方。因此網(wǎng)站的短息促銷及EDM促銷,必須要依據(jù)會(huì)員的精細(xì)化細(xì)分,不但要滿足客戶的需求,更要挖掘出他們的需求。
寫到這里基本上寫的差不多,通過總結(jié)才發(fā)覺自己原來很是知道的很少,還有很多需要學(xué)習(xí)的地方,比如說數(shù)學(xué)建模方面的知識不夠,統(tǒng)計(jì)學(xué)軟件使用不夠好,業(yè)務(wù)了解的不夠深入,對整個(gè)電子商務(wù)行業(yè)的發(fā)展把握不清晰,這些都是需要以后加強(qiáng)的地方。最近在一個(gè)數(shù)據(jù)分析師的前輩的博客上看到他對數(shù)據(jù)分析師的要求只有一點(diǎn),就是要熱愛數(shù)據(jù)。感覺自己還不夠,平時(shí)工作的時(shí)候還不夠投入,總覺得是在為公司工作,不是在為自己的興趣工作,其實(shí)一個(gè)人每天做的事,一定要都當(dāng)做是為自己做才行,就算真的不是為自己做,也要從中學(xué)到一些東西來變成自己的東西,為自己服務(wù)。
相關(guān)推薦