一、前言
用户消费贯穿我们生活中的各行各业,比如TB,PDD,金融理财等等.......到目前为止淑芬人接触最多的领域之一就是用户消费行为,目的就是为了提高营业额,而为了提高产品的销量,除了改进产品的质量以外,首要的就是对用户的消费进行研究。
以某电商网站购买CD的明细作为样本数据(年份被更改过)
二、用户消费特征
用户整体消费趋势分析(按月份)
分别按月份统计产品消费人数,购买数量,消费金额,消费次数:
可以看到结果显示3、2、1月卖出的CD远超过其他月份,其中2,3月份购买CD的人数在伯仲之间切已经破万,遥遥领先与其他月份,从4月开始更是断崖式下跌。并且,从消费金额来看,1,2,3月份也是甩开其他月份一大截,这与消费人数的趋势是一致的,两相结合说明1,2,3月份顾客消费CD的意愿确实高涨。
猜想:1.我国的1,2,3月份处于春节前后,群众消费意愿较高。
2.公司在1,2,3,月份的时候是否加大了促销力度。
用户个体消费分析:
用户平均消费金额与平均消费数量:
每个用户的金额贡献率:
首购时间人数分析(查看首次购买集中在那个时间段):
最后购买时间人数分析(查看最后购买集中在那个时间段):
通过首购时间与最后购买时间的分析我们可以得出以下猜测:
1、由图可知,首次购买的用户量集中在2,3月份,后续开始逐步下降,猜测:有可能是公司产品的推广力度上升,提高了曝光量或者是进行了优惠促销活动。
2、最后一次购买的时间与首购时间存在着重合,说明客户的忠诚度不高。
三、用户分层
RFM模型是一种常用的客户分析模型,用于评估和分类客户基于他们的购买行为。RFM代表Recency(最近购买时间)、Frequency(购买频率)和Monetary(购买金额)。
-
Recency(最近购买时间):Recency指标衡量客户最后一次购买与当前日期之间的时间间隔。通常,较短的时间间隔表示客户更活跃和更有价值。
-
Frequency(购买频率):Frequency指标衡量客户在一定时间范围内的购买次数。购买频率高的客户通常对企业更忠诚,并且可能更容易进行交叉销售或升级。
-
Monetary(购买金额):Monetary指标衡量客户在一定时间范围内的购买总金额。购买金额较高的客户可能是高价值客户,对于企业的收入贡献更大。
RFM模型将客户根据这三个指标的值进行分组,以便更好地了解和管理不同类型的客户。通常,可以将每个指标的值划分为几个组别,例如高、中、低,或者使用分位数来划分。
通过RFM模型,企业可以识别出具有潜在价值的高价值客户、重要的回头客和需要重新激活的客户。这有助于企业制定有针对性的营销策略,提高客户满意度和忠诚度,增加销售和利润。
RFM的计算方式:将Recency、Frequency、Monetary分别计算出,后根据每一列数据减去数据所在列的平均值,将结果值与1做比较,如果>=1,设置为1,否则为0,最后根据RMF的值进行分类。
便可以得出每个用户对应的分类,最后再做个临时表对每种类别进行统计:
根据RFM分析的结果可以看出,从客户数量上看,流失客户的数量最多,这可能意味着公司需要更多关注客户的留存和唤回,接着是重要价值客户,以及新客户,说明此公司的的推广产品效果尚可,能够吸取新客户的光顾,并且产品策略也能较好的维持重要价值客户但还有改进的空间。但是流失了大量的客户,回头客的数量不足,这与之前分析的‘客户忠诚度不足’得到了对证。
四、周期及回购分析
平均购买周期(指客户进行两次连续购买之间的平均时间):276天
单次购买与多次购买对比:48%,那么相对的多次购买的人数占比52%
平均用户生命周期:134天
按月回购率:
基于以上的结果我们可以进行一些分析:
-
平均购买周期(276天): 这个指标表明客户在平均276天购买一次。这是一个相对较长的购买周期,可能意味着产品的购买频率较低,因为CD不属于周期性产品。
-
单次购买人数与多次购买人数(48% vs 52%): 这个比例表明有一半以上的客户进行了多次购买,这是一个积极的信号,说明客户对你的CD产品有一定的满意度。
-
平均用户生命周期(134天):这表明客户从第一次购买到最后一次购买的平均时间为134天,这个生命周期相对较短。
-
回购率的波动: 从1月到6月,回购率呈上升趋势,达到年度最高点(0.2926,即29.26%);然后从7月开始,回购率开始下降,直到8月,然后在接下来的几个月中稳定在0.20左右。