【数据分析实战】百货商场用户画像描绘与价值分析

一、项目数据

1. 数据表 （2份）：
   ① 商场的会员信息表
   包含4个字段：会员卡号（kh）、会员出生日期（csny）、xb（性别，0是女1是男）、会员入会时间（djsj）② 商场的销售流水表
   时间从2015年1月1日到2018年1月3日
   包含12个字段：会员卡号（kh）、消费产生的时间（dtime）、商品编码（spbm）、销售数量（sl）、商品售价（sj）、消费金额（je）、商品名称（spmc）、这一次消费得到的积分（jf）、收银机号（syjh）、单据号（djh）、柜组编码（gzbm）、柜组名称（gzmc）

2. 说明：
   ① 存在其它分店的会员到本店消费的情况，也就是说商场的销售流水表中的卡号（kh）在会员信息表中不存在的情况，本项目只针对该商场的会员进行分析
   ② 消费金额（je）是会员实际消费的金额，有可能比售价低的，因为商场存在打折的情况
   ③ 相同的单据号可能不是同一笔消费产生
   

二、项目目标

1. 针对会员的消费情况描述用户画像
2. 对会员进行精细划分，并针对不同群体指定对应的营销策略从而提升销售利润

三、项目任务分解

任务一： 数据探索与预处理

任务1.1 结合业务对数据进行探索与处理

1. 数据去重
   比如，会员卡号存在重复，就需要进行响应的处理（一个商场的会员卡号不会存在重复）
2. 异常值处理
   比如，销售记录从2015-2018年，但发现2019年入会的会员也有消费记录，认为是异常值
   （一般处理方法有数据删除、数据变换、数据估算等）
3. 缺失值处理
   比如，销售金额存在缺失值，需结合数据和业务进行处理（可以考虑删除记录，或者对缺失值补全）

任务1.2 将会员信息表和销售流水表关联与合并，导出名称为“task1”的表格
表合并与常用方法：外连接（左连接、右连接、全连接）、内连接、交叉连接，本项目更适合用外连接

任务二：统计分析

任务2.1： 分析会员的年龄构成、男女比例等基本信息
年龄构成的分析可以使用折线图和直方图，男女比例的分析结果可以使用饼图、柱状图进行展现

任务2.2： 分析会员的总订单占比、总消费金额占比等消费情况
通过分析会员的订单占比和消费金额占比等信息，判断会员是否比非会员用户消费贡献更大。分析结果一般使用饼图展现

任务2.3： 分别以季度和小时为单位，分析不同时间段会员消费时间偏好
一方面，分析会员群体在一年当中的消费，得出消费旺季和淡季。本项目的季度划分方法是：春季为3月、4月、5月；夏季为6月、7月、8月；秋季为9月、10月、11月；冬季为12月、1月、2月。另一方面，也可以以月为单位，分析一年当中会员的消费偏好。还可以以天为单位进行分析。分析结果可以使用柱状图和折线图展现。
通过这样的分析，甲方可以考虑在消费高峰期多安排工作人员，在消费低峰少安排工作人员。

任务三：会员用户画像

补充：用户标签构建的常用方法：
① 固有基础属性标签，比如性别、年龄、入会时长等
② 通过基础信息处理得到的标签，比如消费水平，一定时间内客户消费100元以下的定义为低消费，消费200-300元为中等消费，消费200元以上为高消费
③ 通过用户经常购买运动T恤，运动鞋，跑步等体育用品，那该用户可能会被贴上“体育”标签

任务3.1 构建会员用户基本特征标签
比如，性别、年龄、会员积分

任务3.2 构建会员用户业务特征标签
根据入会时长，分为新会员、老会员；根据消费水平，分为为低消费、中等消费、高消费

任务3.3 构建会员用户偏好特征标签
购物时间段的偏好、购物季节的偏好、购物类型的偏好

任务3.4 建立用户画像
整合标签信息，形成用户画像结果，一般有两种呈现方式：
① 文字呈现：会员卡号 666、性别 女、偏好类品 传统糕点、近期消费 3次
② 可视化的方式呈现

任务四：会员用户细分模型和营销方案制定

任务4.1： 对会员用户进行精细划分并分析不同群体带来的价值差异
RFM模型： R-最近一次消费，Recency; F-消费频率，Frequency; M-消费金额,Money
还可以延申到LRFM模型、RFMC模型。
经与甲方沟通希望将客户划分为3-5类，在实际操作时需要判断那种划分的效果较好，并分析不同群体的价值差异。

任务4.2： 针对不同的类型群体制定相应的营销方案
笼统的描述：将低价值客户转化为高价值的客户×
需要明确可执行的方案交付甲方。