如何運(yùn)用數(shù)據(jù)分析對(duì)某個(gè)試運(yùn)營(yíng)項(xiàng)目進(jìn)行“無死角”的復(fù)盤？

最近常常有小伙伴問我，大概是如下幾個(gè)問題： 我手里沒有多少數(shù)據(jù)可以供分析，怎么辦？我手上有一些數(shù)據(jù)，但是不知道該如何分析，怎么辦？我有一些數(shù)據(jù)，也知道該做哪些分析，但是不會(huì)高大上的工具，怎么辦？

對(duì)于小喵來說，上面的問題都是偽命題，很多時(shí)候，我們做數(shù)據(jù)時(shí)手里掌握的數(shù)據(jù)總比我需要的多，深入了解業(yè)務(wù)后，方法總比問題多；方法有了，工具的使用總比想象的簡(jiǎn)單多~

好了，先看一個(gè)栗子吧，看完你就了然小喵為什么這么說咯。

一、背景

話說，某年某月，某外地零食O2O品牌，想要開拓上海市場(chǎng)，本著“穩(wěn)扎穩(wěn)打，步步為營(yíng)”的“精益創(chuàng)業(yè)”方針，該品牌準(zhǔn)備先在上海幾個(gè)有代表性的區(qū)域進(jìn)行試運(yùn)營(yíng)。

選了3個(gè)區(qū)域---楊浦區(qū)、長(zhǎng)寧區(qū)和徐匯區(qū)，在這3個(gè)區(qū)人流較大、辦公樓密集的區(qū)域重點(diǎn)設(shè)立了三個(gè)實(shí)體營(yíng)業(yè)網(wǎng)點(diǎn)，分別位于五角場(chǎng)地鐵站、淞虹路地鐵站和漕河涇地鐵站附近，并以這3個(gè)地鐵站作為輻射推廣點(diǎn)，上下班高峰期在地鐵口附近進(jìn)行DM推廣，上班期間則在附近辦公樓進(jìn)行掃樓推廣（別問我推廣人員是怎么混進(jìn)去的）。試運(yùn)營(yíng)始于七月下旬，到八月下旬正好運(yùn)行一個(gè)月后，是為第一階段。此時(shí)，需要對(duì)這段時(shí)間的運(yùn)營(yíng)數(shù)據(jù)進(jìn)行分析，修整并總結(jié)經(jīng)驗(yàn)，著重在以下幾個(gè)方面進(jìn)行探討和研究：

1. 整體的運(yùn)營(yíng)情況，包括總訂單情況，訂單的時(shí)段分布情況；
2. 用戶的消費(fèi)行為分析，主要是下單時(shí)間分布和購(gòu)買力情況分析；
3. 總體和各個(gè)區(qū)域的用戶價(jià)值分析，用以指導(dǎo)和優(yōu)化接下來的運(yùn)營(yíng)工作。
4. 對(duì)比一下這3個(gè)地方地推的效果及用戶下單情況。

由于前期技術(shù)人員太少且負(fù)責(zé)的項(xiàng)目過多，后臺(tái)系統(tǒng)過于簡(jiǎn)陋，后臺(tái)收集到的原始數(shù)據(jù)只有下面這些：

原始數(shù)據(jù)表格

上表是這段時(shí)間內(nèi)，用戶下單的信息。注意，同一個(gè)User Id可能不止一次下單，可能在不同日期、不同時(shí)間段形成多次不同金額的消費(fèi)，了解這一點(diǎn)對(duì)于接下來的用戶價(jià)值分析至關(guān)重要。

好了，各位看官，上面那張表將是小喵接下來炒菜用的“食材”（來源于真實(shí)案例，數(shù)據(jù)會(huì)做一定處理，僅作展示數(shù)據(jù)分析方法之用），沒有其他佐料哦（大部分時(shí)間使用excel來處理數(shù)據(jù)）~這些數(shù)據(jù)看起來平淡無奇，但如果開動(dòng)腦筋深挖的話，就大有玄機(jī)哦。

好了，我們的數(shù)據(jù)分析之旅即將開始咯！

二、訂單時(shí)間分布情況

在進(jìn)行深入分析前，先將原始數(shù)據(jù)進(jìn)行初步處理---主要是時(shí)間維度的處理。分別調(diào)用hour和weekday函數(shù)將小時(shí)“時(shí)點(diǎn)”和“周幾”的信息發(fā)掘出來，至于“時(shí)段”的得來，之前很多小伙伴有問過這是怎樣“設(shè)計(jì)”出來，百度上也搜不出來吶，那當(dāng)然，這可是我自創(chuàng)的哦~現(xiàn)在小喵貼出一張?jiān)斍閳D：

經(jīng)處理得到若干時(shí)間維度數(shù)據(jù)的表格

“時(shí)段”的操作方法

如此這般，即可得到以下關(guān)于下單時(shí)間分布的信息：

試運(yùn)營(yíng)期間訂單量時(shí)段分布情況

那么，在這張下單時(shí)間段分布的圖中，又能看出什么苗頭呢？其實(shí)，很明顯的，下單時(shí)間只有一個(gè)“波峰“---集中在9時(shí)~13時(shí)，這段時(shí)間的小白領(lǐng)除了吃午飯時(shí)間是正當(dāng)?shù)南聠涡袨椋溆鄷r(shí)間是在”開小差“~

再分析一下試運(yùn)營(yíng)期間總體的訂單銷售情況，將“日期”信息和“星期”信息同時(shí)顯示在橫坐標(biāo)軸上，更容易發(fā)現(xiàn)時(shí)間上的下單規(guī)律，做成折線圖，可以看到如下的結(jié)果。

試運(yùn)營(yíng)期間整體訂單分布情況

從上表中，總體上可以看出，工作日的訂單多于休息日的訂單，在7-27~7-31和8-3~8-6期間出現(xiàn)訂單銷售高峰，這2段時(shí)間的訂單量驟然增長(zhǎng)。究其原因，與這3個(gè)實(shí)體網(wǎng)點(diǎn)做促銷活動(dòng)有很大關(guān)系，刺激了目標(biāo)客戶的購(gòu)買行為。

再單獨(dú)將“星期”數(shù)據(jù)“拎”出來，得到下圖：

試運(yùn)營(yíng)期間一周訂單分布情況

從上圖可以看出，一周的下單高峰集中在周三、周四這2天，周一和周二的訂單量也和這兩天相差無幾，但是到了周五，特別是周末（周六和周日），訂單量就陡然下降。

總的來說，周中的下單量很大，周末的訂單量很小，這與白領(lǐng)區(qū)的人群消費(fèi)行為是一致的，無異常情況發(fā)生。

得知以上幾點(diǎn)信息后，在開展下一階段的運(yùn)營(yíng)工作時(shí)，就可以在接下來的運(yùn)營(yíng)工作中準(zhǔn)備如下事宜：

趕在用戶下單高峰時(shí)期前，在營(yíng)業(yè)網(wǎng)點(diǎn)安排好人員，做好部署工作，以便及時(shí)、快速的將貨品送交到用戶手中；

在用戶下單高峰期到來前一段時(shí)間，做好APP和網(wǎng)站的系統(tǒng)維護(hù)，以免因下單量大出現(xiàn)技術(shù)問題，影響用戶體驗(yàn)；

進(jìn)行下一輪的推廣工作時(shí)，可以選在周三和周四開展，這2天的用戶下單意愿更強(qiáng)烈。

以上關(guān)于客戶（時(shí)間上）行為的分析比較淺顯，接下來的客戶價(jià)值的分析才是“重頭戲”呢！

三、客戶價(jià)值分析

這里的客戶價(jià)值分析，小喵將用到RFM模型，其中涉及到3個(gè)重要的維度，即最近一次消費(fèi)(Recency)、消費(fèi)頻率(Frequency)和消費(fèi)金額(Monetary)。

RFM三維度含義

關(guān)于這個(gè)模型的解釋，小喵只搬出某度百科上的關(guān)鍵性語句，想更進(jìn)一步去了解這個(gè)模型的同學(xué)自己去網(wǎng)上搜哈~

某度百科上關(guān)于RFM模型的原理解釋

其中，各個(gè)維度的“深層次”含義是：

最近一次消費(fèi)能顯示客戶能受到的可能性有多大，最近一次消費(fèi)的日期距離今天越近，消費(fèi)者對(duì)產(chǎn)品/品牌的印象就越深刻，被廣告推送召喚回來的可能性就越大；

客戶的消費(fèi)頻次越高，代表客戶對(duì)品牌或產(chǎn)品的忠誠(chéng)度越高，當(dāng)然這種客戶也更有維系的價(jià)值，即使平時(shí)消費(fèi)金額不多，但誰知道以后會(huì)不會(huì)有大手筆呢；

消費(fèi)金額（這里指的是“累計(jì)消費(fèi)金額”）表示消費(fèi)者的購(gòu)買力大小，消費(fèi)金額越大，這種顧客就越優(yōu)質(zhì)，當(dāng)然我們要把他們當(dāng)寶貝呵護(hù)起來~

這種客戶價(jià)值分析模型雖然很好，但是存在如下幾個(gè)問題：

1. 每個(gè)維度都可以分為5個(gè)級(jí)別，那么最終的結(jié)果是5*5*5=125個(gè)分類，客戶群分得太細(xì)了！每個(gè)客戶群組都要有一套針對(duì)性的方法，但這得要錢要人來做，這樣的操作太繁瑣、太反人類！
2. 該模型中的F和M兩個(gè)維度存在多重共線的問題，某一段時(shí)間內(nèi)的消費(fèi)頻次和累計(jì)消費(fèi)金額具有很強(qiáng)的相關(guān)性；
3. 一般情況下，R值的權(quán)重是3個(gè)指標(biāo)中最大的，但這種判定忽略了客戶的消費(fèi)習(xí)慣和消費(fèi)總量等因素，從而使最終結(jié)果的準(zhǔn)確性受到某種程度的質(zhì)疑。

針對(duì)以上問題，小喵決定對(duì)現(xiàn)有的RFM模型進(jìn)行一些改良，并祭出“大殺器”---聚類分析，用以簡(jiǎn)化我們的深度分析工作。

不過，在進(jìn)行聚類分析之前，需要先預(yù)處理下之前的原始數(shù)據(jù)，除了保留“User ID”、“重點(diǎn)區(qū)塊”這兩個(gè)基本信息，還要保留及深度“析出”跟R、F、M這3個(gè)維度相關(guān)的若干指標(biāo)：

從“實(shí)付金額”這個(gè)指標(biāo)中，通過相關(guān)函數(shù)進(jìn)行運(yùn)算，可以得到“最小消費(fèi)金額”、“最大消費(fèi)金額”、“平均消費(fèi)金額”和“累計(jì)消費(fèi)金額”這4個(gè)指標(biāo)；

而從“下單日期”這個(gè)指標(biāo)，通過相關(guān)函數(shù)進(jìn)行運(yùn)算，可以得到“最初下單日期”、“最后下單日期”、“最初下單日期到今天的間隔天數(shù)”、“最近一次下單到今天間隔天數(shù)”及“累計(jì)購(gòu)買頻次”這5個(gè)指標(biāo)。

重要的分析指標(biāo)及相關(guān)指標(biāo)的“從屬關(guān)系”

其中，以上衍生指標(biāo)的計(jì)算公式/方法分別為：

“最大/最小消費(fèi)金額”通過公式“=MAX/MIN(IF(原始數(shù)據(jù)!$A$1:$A$7028=Sheet1!A2,原始數(shù)據(jù)!$H$1:$H$7028))”得到；

“最初/最后下單日期”通過公式“=MAX/MIN(IF(原始數(shù)據(jù)!$A$1:$A$7028=Sheet1!A2,原始數(shù)據(jù)!$N$1:$N$7028))”得到；

“累計(jì)購(gòu)買頻次”則由透視表得出，同一個(gè)User Id下，將任意指標(biāo)進(jìn)行“計(jì)數(shù)”顯示，即可得出頻次。

“最后下單到今天間隔天數(shù)”由公式“DATEDIF(E2,TODAY(),"d")”得到；最初下單到今天間隔天數(shù)由公式“=DATEDIF(D2,TODAY(),"d")”得到，其中E列是最后下單日期所代表的列，D列代表最初（第一次）下單的日期的列。

值得注意的是，上述公式是在新的sheet里構(gòu)建的，引用的是原始表單里的數(shù)據(jù)。且后面的間隔天數(shù)需要等最初/最后下單日期確定后才能計(jì)算出。

最小購(gòu)買金額計(jì)算方法

購(gòu)買頻次的計(jì)算方法

將上述指標(biāo)進(jìn)行計(jì)算后，得到下面的客戶信息價(jià)值表，可以作為下一步分析的原始數(shù)據(jù)。

經(jīng)處理后的客戶價(jià)值信息表單

然后將該excel表單錄入SPSS系統(tǒng)，詳細(xì)的聚類分析方法。經(jīng)運(yùn)算后，可以得到如下新表：

聚類分析后得到的SPSS輸出數(shù)據(jù)

可以看出，上表中多了一列關(guān)于“分類”的數(shù)據(jù)，這就是SPSS軟件根據(jù)表中用戶購(gòu)買信息（購(gòu)買金額和購(gòu)買日期等）在若干維度上的同質(zhì)性和異質(zhì)性劃分出的4類（由于運(yùn)營(yíng)喵使用的是K-means聚類法，需要人為設(shè)定分為幾類，所以在確定4類之前，需要反復(fù)測(cè)試2類、3類、5類的數(shù)據(jù)，直到能在各個(gè)分類間體現(xiàn)出明顯的差異性，且具有良好的集中度為止）

再用透視表處理一下，將每類數(shù)據(jù)的“值字段”顯示為“平均值項(xiàng)”，得到“用戶價(jià)值分類特征表“。

用戶價(jià)值分類特征表

在對(duì)上表進(jìn)行分析之前，小喵需要指出的是：上述指標(biāo)的重要性不是同一水平的，其中各指標(biāo)的權(quán)重有大有小，重要性不一，而權(quán)重系數(shù)需要根據(jù)以往經(jīng)驗(yàn)和業(yè)務(wù)情況進(jìn)行分配，這里僅給出小喵的判斷：

累計(jì)購(gòu)買頻次的權(quán)重最大，因?yàn)槎啻钨?gòu)買行為即使平均/累計(jì)消費(fèi)金額不多，但反復(fù)多次的購(gòu)買行為代表用戶對(duì)品牌/產(chǎn)品的認(rèn)可，能反映出用戶的忠誠(chéng)度；

其次最近一次下單日期，隔得不太久的話，使用客戶召回策略的成功率會(huì)很高；

然后是平均消費(fèi)金額，單次高消費(fèi)或單次低消費(fèi)都不能準(zhǔn)確地反映出客戶在本產(chǎn)品上的購(gòu)買力水平，取歷史平均水平才能看出他在本產(chǎn)品上的消費(fèi)能力，但要結(jié)合最低和最高消費(fèi)金額來看，看是否二者間的差距過大，穩(wěn)定性如何；

最次是累計(jì)消費(fèi)金額，反映客戶在某段時(shí)間內(nèi)累計(jì)的消費(fèi)情況，也能體現(xiàn)客戶對(duì)產(chǎn)品/品牌的持續(xù)價(jià)值。

根據(jù)上述判斷，第2類和第3類屬于較為優(yōu)質(zhì)的顧客，他們?cè)谫?gòu)買頻次、最近一次購(gòu)買時(shí)間、累計(jì)消費(fèi)金額和平均消費(fèi)金額上的數(shù)值水平均衡且較好，是重點(diǎn)需要維護(hù)的對(duì)象，以后可以對(duì)這2類用戶推送價(jià)值較高的優(yōu)惠活動(dòng)/信息，促進(jìn)其后續(xù)的購(gòu)買行為。

第1類客戶屬于“土豪級(jí)”，雖購(gòu)買頻次較低，但購(gòu)買金額很大，跟其他幾類客戶比起來，購(gòu)買力相當(dāng)彪悍，有錢可任性，但留住很困難。。。

此外，第4類的用戶數(shù)較多，是有潛力待挖掘的客戶群。這類群體的特征是平均消費(fèi)金額和累計(jì)消費(fèi)金額低，購(gòu)買次數(shù)較少，且很久未再買產(chǎn)品了，召喚回的概率很小，可以對(duì)這部分客戶進(jìn)行回訪，找出產(chǎn)品和服務(wù)方面存在的問題，做好優(yōu)化，苦練內(nèi)功，以便下次進(jìn)行推廣的時(shí)候一次就“摁住”客戶。

綜上，第2類、第3類客戶是我們接下來重點(diǎn)抱大腿的目標(biāo)，這是“節(jié)流”；根據(jù)第4類客戶的回訪得到改進(jìn)產(chǎn)品和服務(wù)的建議，在接下來的運(yùn)營(yíng)工作中招攬新客戶，這是“開源”。

看到這里，你以為結(jié)束了？

NO，you too naive~小喵要把數(shù)據(jù)榨干，盡可能得到對(duì)運(yùn)營(yíng)工作有用的信息！

以下是經(jīng)透視表處理后的各區(qū)3類用戶的占比情況：

各區(qū)塊3種類型客戶的分布情況

上表是各區(qū)3類客戶分布的情況，從中可以看出淞虹路的總體下單客戶量最大，其次是漕河涇，再次是五角場(chǎng)。

此外，由上述數(shù)據(jù)還可以得出下列概況：

使用excel中的多重判斷函數(shù)公式，將客戶的單次平均消費(fèi)金額劃分為7個(gè)檔次，函數(shù)公式太反人類，小喵就不列了，大家知道原理就好。建議檔次別分太多，excel中的if嵌套貌似最多7層。。。

消費(fèi)金額區(qū)間客戶數(shù)量占比表

由此得到各個(gè)消費(fèi)金額區(qū)間的客戶占比情況，可以了解到試運(yùn)營(yíng)期間客戶的整體消費(fèi)結(jié)構(gòu)怎樣。表格看起來不直觀，直接轉(zhuǎn)化成下面的2個(gè)圖，上圖定量比較，下圖定性分析占比情況。

平均消費(fèi)金額區(qū)間客戶數(shù)量分布

各消費(fèi)金額區(qū)間客戶數(shù)量占比情況

在分析上面兩個(gè)圖前，需要指出的是，該O2O零食品牌絕大部分的單件產(chǎn)品的價(jià)格在3~15元之間。那么由上述圖表可以得知，絕大部分客戶下單時(shí)，購(gòu)買不止一件商品，說明連帶率（連帶率是服裝行業(yè)銷售的一個(gè)指標(biāo)，描述的是顧客在一次購(gòu)買過程中，同時(shí)一次性買走幾件商品，它反映了商品的搭配有效性。暴露出身了，小喵是學(xué)服裝出身的）不錯(cuò)呢，比如客戶買香腸的時(shí)候同時(shí)買了雞翅、可樂和薯?xiàng)l，說明這樣的產(chǎn)品的組合搭配尚可。當(dāng)然，這還有很大幅度的提升空間呢~

購(gòu)買頻次客戶數(shù)量分布圖

最后是購(gòu)買頻次的客戶數(shù)量分布圖，能反映出用戶的忠誠(chéng)度情況。其中，僅購(gòu)買過一次的用戶占了大頭，看到這樣的數(shù)據(jù)，運(yùn)營(yíng)人員要思考，為啥這么多的客戶只買了一次呢，難道自家的東西不好吃么？所以，以后要好好研究市場(chǎng)，研究客戶，研究競(jìng)爭(zhēng)對(duì)手，練好自己的內(nèi)功。

四、結(jié)語

從這個(gè)例子中，小喵想說的是：當(dāng)我們擁有一份原始數(shù)據(jù)時(shí)，在結(jié)合當(dāng)前業(yè)務(wù)的情況下，運(yùn)用自己的數(shù)據(jù)分析經(jīng)驗(yàn)和儲(chǔ)備的理論知識(shí)，盡量把這些數(shù)據(jù)“榨干”，汲取有價(jià)值、有營(yíng)養(yǎng)的信息。如此這般，最終的數(shù)據(jù)/分析報(bào)告不僅可以作為我們匯報(bào)給領(lǐng)導(dǎo)或相關(guān)部門的資料，供他們參考，更重要的是，它能指導(dǎo)和優(yōu)化我們后續(xù)的運(yùn)營(yíng)工作，為我們積累寶貴的運(yùn)營(yíng)經(jīng)驗(yàn)。