1. 【电商信息通】首页
  2. 微商资讯

《电商数据系列会员多等级自动化标签》花随花心著

如何开启订单自动核对?

如何开启订单自动核对?

前言

日常数据分析当中,需要不断给客户打标签,这样子一旦需要提取相应标签的客户资料时,就不会显得很慌乱。

因为我们都知道,客户不可能每个周期都出现,有些客户可能一年也就来一次,像这种客户的维护成本就会很高。因为他可能一年到头就没来店铺消费过。反而是那些短期内经常消费,给店铺带来稳定订单的,才是值得我们电商人应该重点维护的。

正文

像以往的打标签,往往都是给个会员等级,比如这个客户叫做VIP客户,那个客户叫做SVIP客户。可如果客户一直都没再来,就算我们给了这个等级划分又有什么用呢?

换句话说,如果我们给客户打的标签都是死标签,一旦打上就不会变的,那就失去了标签的意义。因为打标签的目的是希望能快速筛选出值得我们维护的对象。

从这段话可以去思考,做电商,从营销上来说,是不是应该定时通过社交软件去回访客户,而回访的客户清单明细,就应该是那些值得再次被维护的对象。

所以,如何自动化给客户打标签,就成为我们今天这节课的重点。

这节课依旧使用上一节课的数据源,也就是订单数据。既然我们要分析的是客户,那肯定就得从订单数据着手,那分析思路是怎样的呢?

首先,我们除了要有订单数据之外,最重要的就是要有标签体系,也就是什么样的客户给什么样的标签。对此,我做了一份标签表,如下所示。

我给不同的会员等级做了打标签的标准,这里需要解释3个指标的概念。

近度R(Recent),也就是这个买家最近一单下单时间到打开这份文档的时候(今天)的距离时间。距离时间越近,说明这个买家相对来说刚在店铺下单没多久。

频次F(Frequency),也就是这个买家一共在店铺下单的次数,如果他一次性下了2单,那么我们也要进行去重变成严格意义上的1单。并且,随着我们的时间切片器的不断筛选,这个数据要能变化。不能说,从他第一次下单到最近的下单次数都算在里面。

客单M(Money),表示这个买家在指定时间内,平均消费多少金额。金额越大,说明购买力越高。有时候即使频次F很高,也不见得是值得维护的客户,因为有可能每次买的东西都很便宜。

在实际工作当中,因为订单数据是一直在变动的,尤其是大店铺的后台,那订单量会大到吓人,每天都在变化。所以,如果我们的数据分析也无法做到相对自动化的话,那么怎么可能去应对日益复杂的数据量,早晚被淘汰是可能的。

对此,我基于以上考虑,对订单数据做了RFM模型分析,希望能通过这个数据模型,让我们及时掌握哪些客户在接下来一段时间要去重点维护。

所以,接下来要怎么处理好呢?

我们既然要对客户数据进行打标签,那最起码得知道打标签的标准吧。上面的标签表虽然写着标准,但都是文本格式的数据,而我们实际上面对的订单数据是数值型的。

【午间快讯】阿里集团副总裁浅雪:下一代新消费将聚焦家庭场景

【午间快讯】阿里集团副总裁浅雪:下一代新消费将聚焦家庭场景

对此,像以前对数据进行离散化一样,我们需要进行一些处理。

解决掉第一个问题,如何计算近度R?

我们要做的是对这个客户的每一个订单都做时间计算,参考的标准是打开文档后刷新的时间标准,也就是随着每一天的刷新,这个近度R要能一直变。

一方面我用DAX函数给每个订单都做了近度R的判断,可以自动分析出每个订单距离今天的天数差,也就是距离了多少天。之后,做了一个度量值R,对所有近度R进行最小值计算,数值越小,说明这个订单距离今天就越近。

解决掉第二个问题,如何计算频次F?

只需要做一个对订单编号去重的度量值计算,就可以知道每个人各自买了多少次。

解决掉第三个问题,如何计算客单M?

通过计算[总金额]的度量值,然后结合[F]度量值,就可以计算度量值[M],那么这样子我们就轻松实现了几个重要指标。

紧接着,通过Evaluate语句,结合Summarize()函数,直接生成链接回表加载进PowerPivot数据模型当中,我们需要一份可以知道每个会员的RFM分析参考表。

这就是链接回表,这份表会伴随着数据模型进行自动化处理数据。

我们接下来,需要将标签表也加载进来,然后进“关系图视图”去进行辅助列关联,最终效果如下。

选中不同的标签,透视表就会自动将订单数据当中符合打标签的客户都罗列出来,包含最近一次下单距离今天有多久,近度R;一共在店铺下单几次,频次F;平均消费多少,客单M。

只需要再结合时间切片器,就可以根据时间,甚至省份进行分析。由于所选的时间不同,看到的标签名自然就不同。

好了,今天的分享到此结束。

本站声明:网站内容来源于网络,本站只提供存储,如有侵权,请联系我们,我们将及时处理。

深度解析如何快速提升手搜流量,解析各个维度对于手搜提升的影响。

深度解析如何快速提升手搜流量,解析各个维度对于手搜提升的影响。

版权声明:本文内容由【电商信息通】发布者两更自发贡献,该文观点仅代表作者本人。【电商信息通】仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,请发送邮件至 admin@dsxxt.com进行举报,一经查实,本站将立刻删除。 本文地址:http://www.dsxxt.com/21439.html

发表评论

登录后才能评论

联系我们

400-810-8866

在线咨询:点击这里给我发消息

邮件:lianggeng@dsxxt.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code
|网站地图