商品销售额持续下滑可视化分析

1 项目背景

A集团去年在B大区新开了一家A商场。 最近，B大区经理发现从今年7月开始， 该商场的销售额一直呈下降趋势，于是让区公司的数据分析师配合商场的王经理去排查下降原因，解决这一问题。

2 问题排查

1）第一步，查看数据口径，核对数据准确性，确认问题。
2）第二步，了解下降发生前后的业务情况。
3）第三步，人货场框架拆解。
4）第四步，下降点确定–会员销售额和复购下降。

2.1 问题出现在老顾客身上

• 开始上升的原因：商场从今年4 月开始每周六都会进行大促活动。
• 大促重点：满减和新会员抽奖活动
• 宣传重点：外部新媒体渠道的推广。针对老 会员只是进行了统一的短信和微信公众号通知。
• 问题点：
  • 老客免疫一概而论的活动，消费意愿降低
  • 缺乏老会员的长期维护计划与精细化营销

3 解决方法：会员分析

会员数据可以说是企业的“金矿”，对会员价值信息进行挖掘甚至可以达到精准营销、决策支持及推广活动评估等效果。这一效果在商超百货、电商行业表现的尤为明显，对存在会员制的互联网等相关行业同样适用

3.1 分析目的

• 制定会员长期维护计划
• 帮助商场优化大促活动，拉新的同时也能够激发老客户的热情，提高老客户的复够率

3.2 制定分析计划

4 分析方法1：RFM模型

我们当前所面临的新商场，适合通过使用 以最近消费、消费频次、消费金额为价值评估指标的RFM模型进行划分

4.1 RFM模型实现思路

4.2 FineBI实操： 添加业务包、EXCEL数据集

添加数据集时注意字段类型（文本、数值、日期）可根据情况更改

4.3 添加自助数据集

将四张表合并在一个总表里

• 先选择销售明细表，全选
  
• 选择左右合并
  
• 先合并【会员卡类型表】
  
• 合并【会员卡信息表】
  
• 最后合并【门店品牌表】
  
• 重命名表，保存关闭
  
• 更新数据
  

4.4 新建RFM自助集

• 新增列–总体客户平均消费金额
  
• 分组汇总-【最近消费时间、客户平均消费金额、客户消费频率】
  
• 过滤掉非会员
  
• 新增列–客户最近消费距今时间差
  
• 新增列-计算距今消费时间均值
  
• 新增列-总体客户消费频率平均值
  
• 新增列-分别计算 最近消费时间向量化®、消费频率向量化(F)、消费金额向量化(M)
  
• R值计算
  
• F值计算
  
• M值计算
  
• 新增RFM列-- 将多列合并为一列
  
• 客户分类
  
• 分组赋值
  
• 新增计数列
  
• 最后保存退出并更新数据

4.5 新建仪表板

• 添加RFM组件

• 创建RFM客户价值矩形图–面积越大，表示占比越大
  

• 创建组件–RFM销售额环形图
  

• 创建组件–每个级别会员卡下，客户价值类型，人数和卡折扣率情况
  

• 结果过滤会员卡类型
  

• 4.6 RFM模型分析仪表板
  

分析：

1.存在问题
①低价值的一般挽留客户人数过多，反映出前期会员人数快速扩张但后期维护未及时跟上，导致的后遗症；
②最高级的钻石和黑钻会员中出现了较高比例的价值一般性用户，可能存在一卡多用或者是将会员卡权益进行倒卖的情况，需重点排查；

2.客户分类措施
①重要价值客户：倾斜更多资源，VIP服务，附加销售稀缺性商品；
②重要保持客户：分析该类顾客的往期消费情况，进行针对性推荐，同时通过打造爆款新产品重新赢回用户；
③重要发展客户：开展会员忠诚计划，通过高等级会员卡、福利、个性化服务等作为激励，促进消费；
④重要挽留客户：重点联系，提高留存率。；
⑤一般价值客户：通过关联销售、捆绑套餐等活动，向上销售价格更高的产品；
⑥一般发展客户：提供免费使用，提高客户兴趣，创建品牌知名度，以促进复购、增加消费金额；
⑦一般保持客户和一般挽留客户：几乎流失，可尝试通过发放大额优惠券激活，仍无回应的话，可直接放弃。

3.RFM 模型分析的目的
对客户价值进行分类，针对不同特征的客户进行精细化营销，精准化维护措施
精细化营销
核心：有针对性的进行推送，对后续会员监控，针对性营销打好基础

• 高价值用户看到新品信息（高价值用户追求品质）
• 普通用户看到常规信息
• 低价值用户看到打折活动信息（追求优惠）
• 新用户看到消费大促活动（促进复购–>老用户）

5 会员监控

5.1 新建会员卡人数自助数据集

• 分组汇总
  
• 新增计数列
  
• 过滤掉非会员卡
  
• 保存并更新数据

5.2 添加组件使用会员卡人数自助数据集

• 统计有效会员总人数
  
• 统计不同等级会员人数分布情况（漏斗图）
  

5.3 新建自助数据集

• 分组赋值
  

• 过滤非会员卡类型
  

• 分组汇总
  

• 保存退出并更新数据

• 统计会员流失情况
  

5.4 会员监控仪表板预览

分析：
1.A商场当前有效会员总数为10000；
2.会员漏斗结构不合理，贵宾卡人数多于积分卡人数，为前期快速扩张导致，后期需要控制积分卡升级比率，保障会员卡的价值性；
3.各个等级的会员用户流失普遍高于行业平均水平的10%（非真实，根据本案例数据的同比假设值），应开展会员维护计划

6 会员消费偏好分析

6.1 新建自助数据集–会员偏好分析

• 新增过滤
  
• 新增列–分组赋值
  
• 新增计数列
• 分组汇总
  

6.2 新建组件–会员偏好分析

• 分析不同等级会员的消费品类偏好
  
• 分析不同等级会员的消费品牌偏好
• 添加过滤条件
  
  
• 分析不同等级会员的消费金额分布区间
  
  

6.3 会员偏好分析仪表盘预览

分析：
1 根据不同会员的消费偏好，定向推送活动信息。比如针对积分卡用户重点以化妆品类中的兰蔻、香奈儿等品牌作为大促活动的主推点；
2.积分卡和贵宾卡会员的消费区间主要落在 0-300和5001000的区间，
建议每期大促可针对该二类会员定向推送300-xx元和500xx元的满减优惠券；
钻石卡会员建议大促推送300元和2000元的满减优惠券；
黑钻卡会员建议大促推送1000元和2000元的满减优惠券；

7 仪表盘总体预览

8 产出商业决策

1. 开展了会员管理系列计划。为极高价值的重要用户安排了专人服务计划，对 新会员制定了智能优惠券发放策略，持续培养
2. 打通线上线下的数据，将用户数据和用户微信进行绑定，扩大用户消息触达 的渠道，实现了优惠券的高效发放以及活动信息的精准触达。
3. 将会员管理的模式固化下来，制作了长期的会员数据看板，进一步地辅助商场营运