零售平台销售分析与客户价值研究
本文使用Tableau自带的示例-超市数据源，从销售情况和客户价值&客户质量两方面展开分析。数据量不到1万行，因此使用excel进行观察与清洗，然后用Tableau制作可交互、可联动的分析报表。
可视化结果：链接
【主要成果图】
本文目录：
一、项目背景
二、项目目标
（1）2019年不同时间维度下的整体销售分析
（2）2019年不同统计周期下的销售趋势分析
（3）2019年产品与地区多维销售对比分析
（4）2016-2019年客户生命周期分析
（5）2016-2019年客户RFM价值分析
（6）2016-2019年客户质量分析
三、数据探索&数据清洗
四、分析过程
一、项目背景
Tableau自带的示例-超市数据源包含了某文具公司2016-2019年近10000条基础销售数据。本项目以该文具公司的销售数据为基础，展开多维销售分析与客户价值研究。
二、项目目标
本项目一方面对这家文具公司最近一年的销售情况展开多维分析，另一方面，假设这家文具公司的业务是从2016年开始的，那么可以根据客户购买行为对现有客户进行分类。具体展开如下：
- 2019年不同时间维度下的整体销售分析
- 2019年不同统计周期下的销售趋势分析
- 2019年产品与地区多维销售对比分析
- 2016-2019年客户生命周期分析
- 2016-2019年客户RFM价值分析
- 2016-2019年客户质量分析
三、数据探索&数据清洗
3.1 数据探索
源数据有1张表，20个字段，9960行。
- 订单相关字段：行ID、订单ID、订单日期、发货日期、邮寄方式
- 客户相关字段：客户ID、客户名称、细分
- 区域相关字段：国家/地区、地区、省/自治区、城市
- 产品相关字段：产品ID、产品名称、类别、子类别
- 度量：销售额、数量、利润、折扣
根据订单ID、客户ID可以统计订单量、客户数。此外，“国家/地区”这个字段的值均为中国。另外，还发现行ID并不是连续的整数值。
3.2 数据清洗
1. 缺失值
使用快捷键Ctrl+G或者F5定位来查找空值。
发现：没有缺失值。
2. 异常值
（1）检查维度是否出现异常
对所有维度字段添加筛选，查看项目值是否异常，没有发现异常。
（2）检查度量值是否出现异常
查看销售额、数量、利润、折扣等的描述统计值，没有发现异常。利润有正有负，其他度量值均为非负。
3. 字段格式
通常文本靠左、数值靠右，日期本质上是数值，一般靠右。没有发现字段格式需要转换。
综上，数据源整体比较干净，基本上没有做什么清洗处理。
四、分析过程
4.1 2019年不同时间维度下的整体销售分析
仪表板展示内容：
- 时间维度——今日、最近一周、月度、季度、年度
- 销售指标——销售额、利润、利润率、订单数、数量、下单客户数、客单价
（利润率=利润/销售额、客单价=“统计时间内”销售额/客户数） - 产品类别维度——销售额、利润、利润率
- 地区维度——销售额、利润、利润率；省/自治区维度——销售额、利润率
结合上述仪表板进行分析：
将参数、计算字段、筛选器结合使用，实现不同时间维度的切换。时间维度包括今日、最近一周、月度、季度、年度，其中“今日”指源数据的最新日期2019-12-30，“最近一周”指最新日期倒推的7天时间，“月度”指当月也就是2019年12月，“季度”指当季也就是2019年第4季度，“年度”指当年也就是2019年。也就是说，可以在一个仪表板上同时实现日报、周报、月报等的分析，比如，以月报为例，可以发现2019年12月份的销售情况：
- 在产品类别中办公用品的销售额、利润、利润率均最高；
- 从地区维度来看，华东地区的销售额最高，但利润倒数第二，利润率最低；
- 从省份维度看，黑龙江省销售额最高，达到7万多，但利润率一般；
进一步地，利用仪表板的筛选器操作，可以进行联动分析，比如，选中办公用品，筛选结果如下图所示。
可以发现办公用品的销售额主要来自华东和中南，办公用品的利润主要来自中南；进一步下钻到省份，可以看到在华东地区的上海，办公用品的销售额比较高，但利润为3.9%，表现一般；而在中南地区的广东、广西，销售额和利润率均不错，广西利润率达到36.6%，广东利润率达到17%。
4.2 2019年不同统计周期下的销售趋势分析
仪表板展示内容：
- 年份、季度、月份筛选器，用于筛选在哪个时间段观察销售趋势
- 日期颗粒度参数控件，用于在选定时间段切换不同统计周期，以观察按天、按月、按季度等的销售趋势
- 在选定时间段的某一统计周期下，展示销售额&利润&利润率、订单数&数量、下单客户数&客单价的变化趋势
- 类别、地区、省/自治区筛选器
结合上述仪表板进行分析：
在上述分析月报的基础上，可以进一步观察这个月内的销售趋势变化，即筛选2019年12月，并选择按天的日期颗粒度，可以发现：
- 2019年12月份除了少数几天外，其他时间每日销售额均在10k以上
- 这个月中有4天利润为负，主要需要关注的是12月16日，这天销售额达到30k+，但是利润率为-17.3%
此外，还可以结合类别、地区、省/自治区筛选器，进行具体产品类别及区域的分析，此处就不赘述了。
4.3 2019年产品与地区多维销售对比分析
仪表板展示内容：
- 产品层级参数——用于选择展示类别/子类别/产品名称的销售额增长率2019和利润率2019
- 地区层级参数——用于选择展示地区/省的销售额增长率2019和利润率2019
- 类别、子类别、地区、省/自治区筛选器
结合上述仪表板进行分析：
利用仪表板的筛选器操作，可以进行产品与地区的联动分析，可以发现：
- 针对2019年这一年，在产品类别中，家具销售额最高，并且相对2018年，销售额增长了41%，但是，家具利润率为10%，在三个产品类别中是最低的
- 选中家具可以发现，对应地区中，西南和西北的利润率为负，拉低了家具整体的利润率；华北表现较好，销售额增长率与利润率在几个地区中都是最高的
此外，还可以结合类别、子类别、地区、省/自治区筛选器，进行其他产品类别及区域的分析，此处就不再赘述了。
4.4 2016-2019年客户生命周期分析
客户生命周期是指，针对每一位客户个体，其对应的有两个消费指标，即购买时间长度L与距今购买时间间隔R。购买时间长度L，指截止到当前统计时间节点，客户第一次购买与客户最近一次购买之间的时间间隔是多久；距今购买时间间隔R，指截止到当前统计时间节点，客户最近一次购买与当前统计时间节点之间的时间间隔是多久。每一位客户个体根据自己的消费行为不同，由此产生了自己的L与R消费指标，再根据这两个消费指标对客户进行分类。
仪表板展示内容：
- 根据客户的L与R消费指标，将客户划分为4类
- 4类客户对应的客户数
- 2016-2019年全部客户的购买趋势
结合上述仪表板进行分析：
- 忠诚客户的数量最多，说明客户基础不错；但流失的老客户也较多，需要引起关注
- 利用仪表板的筛选器操作，可以观察每一位客户的购买趋势，根据其生命周期分类和购买趋势，对不同客户采取不同的营销策略。比如，针对流失的老客户，可以针对其之前的购买记录，观察其最近是否存在购买需求，在适当的时间节点对其采取挽留措施。
4.5 2016-2019年客户RFM价值分析
客户RFM价值是指针对每一位客户个体，其对应的有三个消费指标，即一定时间周期内的购买频率F、购买金额M、距今购买时间间隔R。一定时间周期，是指针对每位客户，统计的时间周期长度是一样的，比如，可以选取截止到当前统计时间节点每位客户最近一次购买倒退过去一年的时间周期。购买频率F，指在这一时间周期内客户购买的次数；购买金额M，指在这一时间周期内客户购买的总金额；距今购买时间间隔R，指截止到当前统计时间节点，客户最近一次购买与当前统计时间节点之间的时间间隔是多久。每一位客户个体根据自己的消费行为不同，由此产生了自己的R、F、M消费指标，再根据这三个消费指标对客户进行分类。
仪表板展示内容：
- 根据客户的R、F、M消费指标，将客户划分为8类，展示这8类客户数
- 8类客户贡献的销售额占比
- 各地区8类不同RFM价值的客户数
- 不同RFM价值客户在2016-2019年的购买趋势
结合上述仪表板进行分析：
- 新客户较多，说明开发新客户的能力不错；但同时，流失客户也不少
- 重要价值和重要深耕客户占比不多，说明在客户转化、良好客户关系建立这方面，还有较大的提升空间
- 有约一半的销售额来自新客户和重要价值客户，也说明了开发新客户与提升客户忠诚度两手都要抓
- 华东与中南的客户基数大，新客户和重要价值客户占比较大，可以保持这两个地区的发展态势，在其他地区尤其是西北可以试试寻找更多的客户机会
- 新客户的购买行为有一定的规律性，在每年的第1季度和第2季度购买不多，在第3和第4季度购买较多；但是2019年的前3个季度，新客户的购买力明显低于前两年，只有在第4季度时与前两年同比，相差不大。
4.6 2016-2019年客户质量分析
客户留存率可以测量我们留住新客户的能力，也可以衡量从不同渠道获取的新客户的质量。客户留存率是指，在某一时间段获得的新客户，在后续的若干时间段里留下来的客户有多少，比如这个月我们发展了100名新客户，第二个月还剩多少活跃？第三个月还剩多少活跃？第四个月，第五个月…
帕累托分析可以快速定位产生80%结果的20%因素是什么，以销售分析为例，我们想知道80%销售额是由多少用户贡献的、具体是哪些用户，利用帕累托可以快速解决这个问题。
仪表板展示内容：
- 客户留存时间间隔参数——用于切换不同统计周期下的客户留存率
- 年份筛选器——用于切换不同年份客户累计购买分析
- 金额累计百分比参数——用于动态调整坐标轴上的参考线
- 销售额or利润参数——用于切换帕累托累计金额为销售额还是利润
结合上述仪表板进行分析：
- 按年留存时间间隔，查看客户留存率，发现从2016-2019年每年获得的新客户数依次递减，递减程度还较大，但是后续每年的客户留存率还不错
- 再观察帕累托图，可以了解2019年客户的销售贡献力，需要说明的是，2019年的客户包括前三年留存下来的客户以及2019年的新客户；可以看到80%的销售额是由前43%的客户贡献
- 进一步地，利用仪表板的筛选器操作，可以观察前三年留存下来的客户以及2019年的新客户，在2019年分别贡献了多少销售额或利润；可以发现，2016年获得的新客在2019年留存下来的客户，贡献了最多的销售额和利润，当然，留存下来的客户基数大也是一个原因
- 切换销售额or利润参数，发现80%的利润是由前41%的客户贡献，并且这些客户中部分客户利润为负，也就是说，实际上80%的利润是由低于41%的客户所贡献
