站运营订单分析篇

今天来分享一篇文章。

今天来以文字的形式分享一下我个人分享的主题:订单分析。

在正式分享前,我们先简述了数据分析的两种思维。这两种数据分析思维,是我个人常用的,也相信它能够帮助更多的小伙伴开始数据分析之路,在混乱的数据中找出方向,也在茫茫数据中,沉淀出无穷的思路。

先来说第一个,当我们想要解决一个问题时,或者有一个数据分析的需求时,我们可以先按照要解决的问题来罗列所需数据。先不去管这些数据是否存在,只看我们是否需要。然后再去尝试寻找这些数据。即先按需求结构摆放数据。

比如,我们要分析客户的行为价值,可以优先思考哪些指标是与客户价值有关的。在国际站118篇基础大纲中,提到了客户管理常用的RFM分析。即消费者的购买频次、购买金额和最近一次的购买时间。这三个指标在一定程度上反映着客户的质量和价值。

到这里,我们就容易有了一个可以分析的数据结构。如图所示。

两大思维开启你的数据分析之路(订单分析篇)插图

(按需要分析的内容主观罗列数据结构)

当我们确定了需要这样子的数据结构,接下来就是思考从哪里可以获取到这些数据,通过观察后台下载的订单数据,我们是很容易得到这些数据的。接下来就是实操提取数据。

第一步是罗列客户信息。罗列客户信息时,我们首先想到的就是以姓名作为客户的标识,这是潜意识的行为。而转念一想,当客户姓名重名时,则可能导致数据混乱,不利于分析的准确性。所以我们需要一个可以唯一标识客户信息且不重复的指标,即客户邮箱。因为每一个客户的邮箱都是独一无二的,可以用来作为客户的id标识。

紧接着就是采购时间、采购频次和采购金额的提取。先来找采购时间,通过观察数据特征,每一笔订单都有采购时间,我们不需要额外提炼,可以直接使用它。

接下来是提取采购金额,如下图所示,通过观察数据,可以发现,在下载的订单数据中,已经包含了采购金额数据。但是同一笔订单,如果有多种商品,则会生成多条数据。且每一条数据中,都会出现一次订单总金额。所以,为了计算过程中数据不重复,我们需要对数据进行去重处理。

两大思维开启你的数据分析之路(订单分析篇)插图1

(数据处理过程中的数据观察)

单独复制一份数据,点击数据选项卡下的删除重复值按钮,在弹出的窗口中,选择按订单编号进行去重。单击确定,即可删除重复的订单编号,只保留其中一条订单数据。数据中含有本次订单的成交金额。

两大思维开启你的数据分析之路(订单分析篇)插图2

(数据处理过程中的去重处理)

到此,采购时间数据,采购金额数据我们就提取出来了。接下来就是思考如何获取采购的频次。有了这些订单数据。我们只需要按照邮箱,也就是客户的唯一标识,对订单数进行计数统计,就可以知晓每一个客户采购了多少笔订单,即为总采购次数,分析某一段时间的采购频次,也很容易同步推倒出来。

到这里,不论是采购时间,采购频次还是采购金额。我们都已经知晓,只需要通过简单的数据透视即可完成此类数据结构的陈列。这里需要注意的是,我们导出的订单数据,是所有订单的数据。其中包含未支付的订单。所以在制作和分析数据时,我们需要在透视表中,额外添加一个筛选功能,只筛选出交易成功类型的订单,然后再对其进行数据统计和求和。详见模板。

如图所示,对客户的采购次数、采购金额进行排序。即可筛选出高价值的客户类型。对不同类型的客户进行分组。即可完成客户的针对性营销和管理。(Excel表格使用问题,可在各自的交流群内讨论交流,不做展开。详见模板。)

两大思维开启你的数据分析之路(订单分析篇)插图3

(数据处理过程生成数据透视表)

双击透视表值字段数据,亦可进入对应客户全部的订单详情。我们可以对重点客户的采购时间频次进行分析。总结其规律,并试图询问客户了解更深入的情况,来为客户制定帮助计划。

如果一段时间有老客户尚未返单,则可主动跟进,防止重点客户流失。订单分析可以在一定程度上,加强和加速对客户的管理和营销。防止业务员由于工作繁杂而遗漏掉重要客户的跟进维护工作,导致客户逐步流失。

两大思维开启你的数据分析之路(订单分析篇)插图4

(双击透视表值字段进入对应的详细数据展示)

当然,我们还可以根据实际需求,罗列更多类型的数据结构来分析问题。然后去尝试获取这些数据并按所需数据结构进行陈列,用以分析和解决问题。

这种分析思维可分析的问题种类较多,且更贴近真实问题的解决,大家平时可以积累一些常用的分析模型框架,也可以根据需要自创一些模型框架。篇幅有限,不做过多的演示和讲述。

第二种常用的数据思维,是收集数据之后先看数据标签,都有什么数据,然后从中选取两个或多个指标进行关联,试图分析出有价值的东西。如图所示,罗列标签。

两大思维开启你的数据分析之路(订单分析篇)插图5

(罗列数据标签,组合标签挖掘数据价值)

在如图所示的数据标签中,我们可以根据需要任选标签进行组合分析。图中罗列了十几种较有分析价值的标签组合。当然,我们也可以罗列出更多种类更多维度的数据组合来做数据分析。

不过,我们通常并不需要将数据分析搞的异常复杂,最核心最具价值的数据分析往往是最朴素的数据组合。我们只要能够从中挖掘出影响最终产出的问题或方向即可。如下所示。

随着时间的推移,金额和单量的变化和趋势

两大思维开启你的数据分析之路(订单分析篇)插图6

(时间、单量和金额分析)

不同国家对不同产品的采购偏好分析

两大思维开启你的数据分析之路(订单分析篇)插图7

(不同国家采购产品偏好分析)

客户价值分析

两大思维开启你的数据分析之路(订单分析篇)插图8

(客户交易频次、采购内容多维分析)

以上简单罗列几种分析类型。因为篇幅有限,无法将图中的十几个分析类型一一演示讲述,但大体的分析和执行思路基本一致。有兴趣的小伙伴可以私下练习。关于Excel的使用技巧和使用过程中遇到的问题,也可以在各自所在的交流群内进行交流,不再展开赘述。

在做数据分析的过程中,我们往往会产生一些新的思路和玩法,或新奇或惆怅。同时也会发现一些小的问题。比如在上述分析过程,筛选订单状态时,关闭的纠纷订单和关闭的未支付订单,显示类型同为订单关闭,难以区分此单实际是否已经完成支付。分析产品销售情况时,随着标题的定期优化,会导致同一个产品实际上会有多个不同的标题。造成分析过程产生误差,甚至是错误。

这些都是数据分析的常态现象。当然我们也有一定的方法来规避和修正它。这里不展开误差修正的操作过程。因为能够导致数据分析出现问题的数据量占比极低,不影响实际的分析结果,暂且可以忽略它的存在。后续如有机会,会演示精进的数据分析过程。也欢迎擅长数据分析的小伙伴,一起交流。

在数据分析的过程中,经常有小伙伴很是苦恼,面对茫茫数据,无从下手。此文重点讲述了两种数据分析思维,希望可以帮助你打开数据分析的大门。不论何种情景,我们都可以静下心来,思考陈列所需的数据结构,亦或是罗列已有的数据标签,来尝试去分析问题,解决问题,挖掘数据的价值,不断积累商业分析模型。相信你会衍生出很多的思路,也会在数据分析的路上越走越远。



发表评论

您的电子邮箱地址不会被公开。