《电子商务之会员数据分析.pdf》由会员分享，可在线阅读，更多相关《电子商务之会员数据分析.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、电子商务之会员的数据分析在正式会员的数据分析之前，先谈谈会员的数据收集问题。之前，在某会员信息里面，发现有 1.5%的会员年龄在80 岁以上，其中100 岁以上的会员居然也有不少，0.5%的会员年龄在 10 岁以下，还有些会员数据缺少性别等基础数据。这些数据都是有问题的，会员数据的完整性及正确性一直是我们会员数据分析的一大障碍。后来，我们专门做了一个各分店会员基础数据完整率的指标，每周在总公司周报上排行公布，引起各门店老大重视后，这个数据质量才明显提升了不少。所以基础数据的收集不是技术问题而是责任心问题。1、会员数据收集我们需要收集会员的哪些基础数据呢？理想状态应该收集这些顾客信息：姓名、性别
2、、出生年月日、手机号码、邮箱、通讯地址、微博账号、微信账号、月收入、工作单位性质等。收集这些数据是为了后期的分析和营销使用，但有些数据收集起来是比较困难的，例如月收入，所以收集的时候需要一些技巧，比如让顾客选择收入范围，不要直接让顾客填收入的具体数字。会员乱填手机号也比较普遍，现在WIFI 已经是全世界人民的基本需求了，而很多商场都有免费 WIFI 服务，通过登录注册或者发送上网验证码等方式都可以收集顾客的手机号。可以利用寄免费试用装的机会来收集通讯地址，通过微信发放代金券来收集微信号，通过办卡时刷顾客的身份证来收集出生日期等。只要用心，办法总是有的。传统零售商们总是希望免费得到用户的这些数据
3、，免费的时代已经离我们远去，并且免费得到的这些数据质量也得不到保障，所以适当地出血是有必要的。电商们获得的每一个用户都是利用真金白银获取的，都是有获取用户成本的。当然，对任何一个企业来说，一定要像保护自己眼睛一样保护用户的数据，既是保护用户的隐私，也是在保护自己企业的商誉。有的便利店采用下图所示的顾客信息采集方式。这种方式采集的数据比较隐蔽，比较适合对群体的研究。当然这种方式的弊端是有些收银员真的很忙，而别一些收银员也确实很懒，他们会在上面胡乱按键的。在正式做会员数据分析之前，必须对那些异常数据进行清洗，保证数据质量，只有这样会员顾客数据分析的结果才是靠谱的。会员数据分析的另一个误区是，很多人
4、一谈到会员数据言必称会员数据挖掘，好像不从中挖出一座金山来就不算本事。其实我认为对于会员数据首先是管理，其次是分析，最后才是挖掘。先把基础的东西搞好了，对企业的价值可能更大。2、会员基础数据分析我们从日常营运的角度来梳理会员基础数据的分析思路：1、每天或每周需要关注并追踪的会员指标：会员的新增开卡数、新开卡率、贡献率、会员客单件、会员件单价、会员连带率、沟通率、回头率等。2、每月和每季度需要分析的会员指标：除了前面那些指标外，还包括会员的平均年龄、性别、贡献率、有效会员总数，会员增长率、流失率、回头频率、平均回头天数、促销活动的转化率等。3、年数据研究指标：主要包括会员的新开卡率、流失率、回头
5、率、平均回购天数、唤醒率、激活率等策略指标。每天、每周的数据以追踪为主、分析为辅，侧重于分析发生了什么的层面。每月每季的数据以分析为主，侧重于研究趋势，找到关键问题。年末的会员数据分析以研究为主，用来指导下一年的策略制定。其中的“新开卡率”指在达到办卡标准的顾客中，有多少顾客是付诸行动开了会员卡。因为有些顾客虽然符合要求，但是可能店员没有介绍到位或者顾客自己不愿意开卡。如果这个数据比较低，管理层则需要检讨会员卡的价值在哪里？为什么顾客拒绝办卡？“平均回头天数”是指顾客平均多少天会再次消费，逐渐缩短这个时间也是提高销售的一个手段，这也是用来指导促销活动频率的一个指标。会员的基础数据分析主要有三种
6、思路，看趋势、找对比、溯源头。如下图所示，左边（品牌A）是某品牌服装的平均年龄走势图，从图上很清楚地发现2013 年 Q1 的平均年龄有突变，增长了近 1 岁，这对一个时尚女装品牌来说是非常恐怖的数据。和该企业品牌B 进行对比，发现没有此现象和品牌A 在 2012 年 Q1 的数据对比也没有这种状况。在溯源过程中也发现每个地区都有2013 年 Q1 平均年龄上扬的情况，继续向下分析到单个店铺的顾客平均年龄时，发现就有分化，几乎所有的正价声场都有上扬现象，而长期我的特卖场（以处理往季库存商品为主）却没有这种现象发生。于是我们则可以判断是Q1 的商品风格变化的原因，最后当 Q2 新品上市时平均年龄
7、回落到正常值也验证了当时的判断（右图）。再看一个对比分析的案例，下图所示，这是全国20 个城市在 2013 年 10 月的会员流失率和新增会员分析。这是的新增会员率是指当月新增会员数占10 月底该城市有效会员总数的比重。流失率和新增会员率是会员分析常用的两个指标，也是会员数量的正反面分析。如果把有效会员看作是企业的资产，新增会员就是往银行存款，会员流失就是从银行取款，我们要看是存进去的多还是取出来的多。图中，用一条等比线（即流失率等于新增会员率）将所有城市分成三部分，左上方是表现不错的城市，新增会员率大于会员流失率，银行存款会越来越多；广州是两者一样，保持平衡，这种情况一般不多，剩下右下角的11 个城市则需要注意了，他们“会员银行”里面的资产在降低，垂直距离等比线越远的城市越有问题，例如哈尔滨和大连。上面这个案例是和等比线对比，还可以和20 个城市的平均值做对比，这就可以用四象限图了。如下图所示，将20 个城市分成了4 部分，其中第二象限（左上的长沙、成都部分）是最好的，相对较低的流失率，较高的新增会员率。相反右下角的第四象限中的5 个城市则需要立刻整顿了。从上面这个案例也可以看出，会员的基础数据分析其实还是比较简单的，难的是持续性，是否真的做了看趋势、找对比、溯源头。