文章目录
1. 原始数据&分析目的
原始数据
这是一家国外的B2B电商平台在2010年12月1日-2011年12月9日期间的交易流水数据,包括8个字段订单编号、商品编码、商品名称、下单数量、下单时间、商品单价、客户编号、客户国籍
,共54万行数据。示例如下:
分析目的
a 制作日报,汇总主要运营指标数值。
b 制作周报,汇总主要运营指标数值。
c 制作月报,汇总主要运营指标数值。比较新、老会员的价值。计算会员复购率、会员回购率。
d 制作年报,汇总主要运营指标数值。找出重点商品,重点客户,重点国家。
数据处理、分析使用的工具:Excel。
2. 数据准备
1.清除原数据集中的脏数据行,包括客户编号
字段下的空数据行和商品单价
字段下的0值数据行。
2.把商品名称
字段下的“亚马逊费用、银行手续费、手工费用、快递费用”数据行筛选出来,剪切到其他工作表留备它用。
3.通过int函数和weekday函数增加两个字段下单日期
和星期
,便于做各类报表时选取特定日期数据。
4.经过数据处理,得到包括10个字段订单编号、商品编码、商品名称、下单数量、下单时间、下单日期、星期、商品单价、客户编号、客户国籍
,共39万6341行数据。示例如下:
3. 数据建模得出日报和周报中运营指标
如下思维导图拆解了平台的总销售额构成,可以确定各类报表中通用的运营指标:总销售额、总销售量、成交会员数、客单价、件单价、连带率,以及订单总数、订单均价、平均购买次数
。
为快速计算出这些运营指标,我在Excel中开发了计算模板,在实线区域放入对应日期的商品下单数量、商品单价英镑、顾客编号、订单编号
四个字段值,就可以得到以上9个运营指标。下图以2010/12/5的日数据为例,展示数据建模界面:
下面是2010/12/5的日报:
日报数据 | 货币为英镑 |
---|---|
日期 | 2010/12/5 |
星期 | 7 |
总销售额 | 31315.64 |
总销售量 | 16370 |
成交会员数 | 75 |
客单价 | 417.54 |
件单价 | 1.91 |
连带率 | 218.27 |
订单总数 | 87 |
订单均价 | 359.95 |
平均购买次数 | 1.16 |
通过向以上计算模板带入2010/12/5-2010/12/10的周数据,可以得到相应指标数值。
下面是2010/12/5-2010/12/10的周报:
周报数据 | 货币为英镑 |
---|---|
日期 | 2010/12/5-2010/12/10(12/11是周六休息日) |
总销售额 | 225517.2 |
总销售量 | 106998 |
成交会员数 | 427 |
客单价 | 528.14 |
件单价 | 2.11 |
连带率 | 250.58 |
订单总数 | 531 |
订单均价 | 424.70 |
平均购买次数 | 1.24 |
4. 月报&比较新、老会员的价值
在月报中,除了整个月的总体运营指标外,我分别把新会员和老会员的数据分开统计,目的是比较新会员和老会员的价值。通过向模板带入2011年7月的数据,可以得到相应指标数值。
下面是2011年7月的月报:
2011年7月 | 总体情况 | 老会员指标数值 | 新会员指标数值 | 新会员各项指标占老会员的比重 |
---|---|---|---|---|
总销售额 | 592731.90 | 520183.77 | 72548.13 | 13.95% |
总销售量 | 369114.00 | 320090.00 | 49024.00 | 15.32% |
成交会员数 | 946.00 | 759.00 | 187.00 | 24.64% |
客单价 | 626.57 | 685.35 | 387.96 | 56.61% |
件单价 | 1.61 | 1.63 | 1.48 | 91.06% |
连带率 | 390.18 | 421.73 | 262.16 | 62.16% |
订单总数 | 1321.00 | 1110.00 | 211.00 | 19.01% |
订单均价 | 448.70 | 468.63 | 343.83 | 73.37% |
平均购买次数 | 1.40 | 1.46 | 1.13 | 77.15% |
成交商品种类 | 2348.00 | 2348.00 | 1638.00 | 69.76% |
由2011年7月月报中的新会员各项指标占老会员的比重
数据绘图如下,可以得出结论:老会员的价值全面大过新会员!老会员的总销售额是新会员的7.17倍, 维护好老会员是非常重要的工作!
认识到老会员的重要价值后,我继续挖掘本月的会员运营指标,包括注册会员数、活跃会员数、活跃会员率、会员复购率、会员回购率、新增会员数、新增会员率。
建立如下模型,带入本月相关数据可以得出注册会员数、活跃会员数、活跃会员率、新增会员数、新增会员率、会员回购率。
上面第一张图中,F列使用嵌套公式=IF(ISERROR(VLOOKUP(E2,A:A,1,FALSE)),"新会员","老会员")
可以在当月消费过的所有会员中区分出新会员和老会员,再筛选出所有老会员的编号。
接下来,使用这些老会员的编号通过Excel的高级筛选功能,在2011年7月的所有交易流水中,筛出这些老会员的交易流水,取出订单编号、顾客编号
两个字段用于计算会员复购率。如下图:
使用数据透视表得出每位老会员的消费次数,用countif函数找出消费一次以上的老会员数,用count函数统计本月有消费的老会员数,二者相除即可得出会员复购率。
下面是2011年7月的会员指标:
注册会员数 | 2958 |
---|---|
活跃会员数 | 1988 |
活跃会员率 | 67.21% |
会员复购率 | 26.88% |
会员回购率 | 31.94% |
新增会员数 | 187 |
新增会员率 | 6.32% |
5. 年报&找出重点商品、客户、国家
下面是2010年12月-2011年11月的年报:
总销售额 | 8247836.223 |
---|---|
总销售量 | 4870891 |
成交会员数 | 4293 |
客单价 | 1921.23 |
件单价 | 1.69 |
连带率 | 1134.61 |
成交商品种类 | 3652 |
订单总数 | 17626 |
订单均价 | 467.94 |
平均购买次数 | 4.11 |
(计算方法同日、周、月报)
下面利用二八法则找出重点商品、客户、国家
以重点国家计算方法为例:
建立如上图的模型,把全年交易流水的商品编码、商品下单数量、商品单价、金额、顾客编号、顾客国籍
6个字段数据带入,通过数据透视表可以得到每个国家的交易金额,排序后取前20%位次的国家,计算这些国家的总交易金额占所有国家交易金额的比重,比值为96.27%,可得结论:排名前20%的国家是年度重点国家。
同样的方法,可以计算出年度重点商品和重点客户。相关比重值汇总如下(重点商品和会员数量较多,具体编号不在此列出):
销售额前20%商品的总销售额占所有商品总销售额比重 | 78.05% |
---|---|
销售量前20%商品的总销量占所有商品总销量比重 | 76.11% |
购买金额前20%会员的总购买金额占所有会员销售额比重 | 73.95% |
前20%国家总交易金额占所有国家交易金额比重 | 96.27% |
这些重点商品、重点会员和重点国家都是工作中的重点运营对象,他们对全年销售目标的达成具备重要意义。
6. 总结与反思
总结
本次分析主要是描述性统计分析,包括以下内容:
1.通过日报、周报、月报、年报汇总统计了不同时间段内平台的销售运营指标。
2.发现了老会员的价值远大于新会员,统计了会员相关指标。
3.找出了年度的重点商品、重点会员和重点国家。
在得出以上内容过程中,主要运用了以下Excel功能:
数据透视表
数据建模方法
高级筛选功能
柱形图
vlookup,countif,int,weekday等函数
反思
1.这个数据集只有1年的交易流水数据,在分析过程中,无法采用与去年同比的维度。这样也导致,无法准确把握销售规律,具体体现为无法评估今年的某个波动是正常波动,还是异常波动。
2.如果做出全年每天的日报和每个月的月报,可以发现更多销售规律。