Python數(shù)據(jù)分析與可視化（微課版） 課件 ch08 電商訂單數(shù)據(jù)處理與客戶價值分析

第8章電商訂單數(shù)據(jù)處理與

客戶價值分析Python數(shù)據(jù)分析與可視化學(xué)習(xí)目標(biāo)熟悉電商平臺數(shù)據(jù)處理與分析的步驟和流程掌握電商平臺數(shù)據(jù)可視化常用的方法了解客戶價值概念和RFM模型的基本原理掌握用戶復(fù)購率的計算方法學(xué)會針對不同價值客戶制定相應(yīng)的營銷策略任務(wù)八：電商訂單數(shù)據(jù)處理與客戶價值分析8.1電商訂單數(shù)據(jù)處理與分析8.2電商訂單客戶價值分析目錄CONTENTS

信息時代的來臨使得企業(yè)營銷焦點從產(chǎn)品轉(zhuǎn)向了客戶，客戶是企業(yè)經(jīng)營體系中經(jīng)濟創(chuàng)造的重要一環(huán)，企業(yè)的經(jīng)濟收入大部分都來自客戶，科學(xué)的客戶價值理念是企業(yè)立足于時代發(fā)展的重要保障?？蛻絷P(guān)系管理（CustomerRelationshipManagement，CRM）是一個系統(tǒng)，包括市場、銷售和服務(wù)三大領(lǐng)域，是一種“以客戶為中心”的商業(yè)理念，通過在企業(yè)和客戶之間建立、維系并提升良好的關(guān)系，培養(yǎng)企業(yè)的忠實客戶，從而達(dá)到客戶價值和企業(yè)利潤的最大化，實現(xiàn)雙方的合作共贏。概述

在數(shù)據(jù)經(jīng)濟的不斷發(fā)展和數(shù)據(jù)科學(xué)日漸成熟的背景下，數(shù)據(jù)作為重要的生產(chǎn)要素已經(jīng)融入各行各業(yè)中，數(shù)據(jù)與數(shù)據(jù)分析變成了企業(yè)發(fā)展的核心內(nèi)容，特別是電子商務(wù)數(shù)據(jù)分析與利用已是電商企業(yè)運營決策的重要依據(jù)。當(dāng)前，數(shù)據(jù)分析已貫穿企業(yè)產(chǎn)品開發(fā)、市場規(guī)劃、產(chǎn)品銷售、運營管理、客戶服務(wù)等企業(yè)經(jīng)營管理全過程，能否高效準(zhǔn)確地對海量數(shù)據(jù)進行處理和分析，及時獲取企業(yè)內(nèi)部運營狀況和外部市場情況，進行有效決策，成為決定企業(yè)能否長遠(yuǎn)發(fā)展的重要因素。當(dāng)前，數(shù)據(jù)分析越來越受到企業(yè)的重視，在數(shù)字經(jīng)濟發(fā)展中發(fā)揮出重要作用。概述

那如何從客戶的購買行為數(shù)據(jù)中了解和掌握客戶真實需求成為競爭的關(guān)鍵因素。鑒于此，我們以2021年電商平臺線上實際交易數(shù)據(jù)為依據(jù)，根據(jù)客戶全生命周期各階段的特點，從顧客、商家以及商品3個方面綜合應(yīng)用數(shù)據(jù)挖掘分析方法進行系統(tǒng)全面的客戶行為分析研究，以達(dá)到為網(wǎng)店經(jīng)營者提供決策支持的目的。幫助商家尋找保持現(xiàn)有客戶，發(fā)掘潛在客戶，提升客戶價值具體的、有針對性的途徑，使網(wǎng)店經(jīng)營者在客戶全生命周期的各個階段都能制定符合自身經(jīng)營特點的經(jīng)營策略。概述（1）數(shù)據(jù)預(yù)處理，處理與業(yè)務(wù)流程不符的數(shù)據(jù)、空數(shù)據(jù)和數(shù)據(jù)類型不一致的數(shù)據(jù)等。（2）計算出2021年交易總金額（GMV）、總銷售額、實際銷售額、退貨率和客單價。（3）計算出2021年每月的GMV、銷售額、實際銷售額及繪制出月交易額趨勢圖。（4）繪制出各渠道GMV占比圓環(huán)圖。（5）分別繪制出周一至周日下單量和每日各時段下單量的柱狀圖。（6）以月為周期對用戶進行復(fù)購率分析。（7）結(jié)合RFM模型篩選特征。（8）繪制出八種不同價值客戶的占比餅圖。任務(wù)分解8.1電商訂單數(shù)據(jù)處理與分析

隨著信息技術(shù)的飛速發(fā)展，依托于電子商務(wù)的線上購買模式已逐漸成為消費者獲得商品的主要方式。以淘寶、微信、抖音、APP和網(wǎng)站為代表的交易模式線上購物平臺，搭建了一個個靈活多樣的交易方式，隨著日趨活躍交易的同時，所產(chǎn)生的海量交易數(shù)據(jù)日漸引起了商家、廠家和平臺的重視。

其常見的線上交易方式主要有如下幾種。常見的線上交易方式主要有如下幾種：B2B：商家對商家（企業(yè)賣家對企業(yè)買家），交易雙方都是企業(yè)，最典型的案例就是阿里巴巴，匯聚了各行業(yè)的供應(yīng)商，特點是訂單量一般較大。B2C：商家對個人（企業(yè)賣家對個人買家），例如：唯品會，聚美優(yōu)品。B2B2C：商家對商家對個人，例如：天貓、京東。C2C：個人（賣家）對個人（買家），例如：淘寶、人人車。O2O：線上（售賣）到線下（提貨），將線下的商務(wù)機會與互聯(lián)網(wǎng)結(jié)合，讓互聯(lián)網(wǎng)成為線下交易的平臺，讓消費者在享受線上優(yōu)惠價格的同時，又可享受線下貼心的服務(wù)，例如：美團、蘇寧易購、大眾點評。C2B：個人對商家（個人買家對企業(yè)賣家），先有消費者提出需求，后有商家按需求組織生產(chǎn)，例如：尚品宅配。其他：ABC（代理-商家-消費者）、F2C（工廠-個人）、B2G（政府采購）、BoB（供應(yīng)商-運營者-采購商）、SoLoMo（社交-本地化-移動端）等等。數(shù)據(jù)集介紹8.2電商訂單客戶價值分析

客戶價值即客戶為企業(yè)的利潤貢獻(xiàn)度，不同的客戶對公司的貢獻(xiàn)度是不同的，一般來說，公司80%的收入是由20%的客戶帶來。在穩(wěn)定期進行客戶價值分析的目的是根據(jù)客戶的價值，挖掘其需求，并根據(jù)不同的價值對客戶進行分類和差異化管理。通過分類，識別出可以為企業(yè)帶來更大利潤的顧客；并通過一系列的營銷手段，提升客戶滿意度及忠誠度，使得企業(yè)獲得更多的利潤。

本例使用8.1小節(jié)預(yù)處理過的電商訂單數(shù)據(jù)對客戶價值進行分析，和應(yīng)用被廣泛使用的RFM模型來識別不同價值的客戶。8.2.1RFM模型簡介RFM模型是使用較為廣泛的客戶關(guān)系管理分析模式，是一種客戶價值細(xì)分的統(tǒng)計方法。該模型包括R（Recency，近度）、F（Frequency，頻度）以及M（Monetary，金額）三個變量。R指的是最近一次消費時間與截止時間的間隔，通常情況下，最近一次消費時間與截止時間的間隔越短，客戶對即時提供的商品或是服務(wù)也最有可能感興趣。R值越大，表示客戶越久未發(fā)生交易；R值越小，表示客戶越近有交易發(fā)生。F指的是顧客在某段時間內(nèi)所消費的次數(shù)。F值越大，表示客戶交易越頻繁；F值越小，表示客戶不夠活躍。消費頻率越高的顧客，也是滿意度越高的顧客，其忠誠度越高，顧客價值也就越大。增加顧客購買的次數(shù)意味著從競爭對手處搶得市場占有率，賺取營業(yè)額。商家需要做的，是通過各種營銷方式去不斷地刺激顧客消費，提高他們的消費頻率，提升店鋪的復(fù)購率。M指的是顧客在某段時間內(nèi)所消費的金額。M值越大，表示客戶價值越高，M值越小，表示客戶價值越低。

通常來說消費金額越大的顧客，消費能力自然也就越大，這就是所謂“20%的顧客貢獻(xiàn)了80%的銷售額”的二八法則。而這批顧客也必然是商家在進行營銷活動時需要特別照顧的群體，尤其是在商家前期資源不足的時候。8.2.1RFM模型簡介通過對RFM模型的分析，要提高營業(yè)額，電商平臺及店鋪需做好以下幾件事：建立會員金字塔，區(qū)分各個級別的會員，如頂級會員、高級會員、中級會員、普通會員。針對不同級別的會員施行不同的營銷策略，制定不同的營銷活動。發(fā)現(xiàn)流失及休眠會員，通過對流失及休眠會員的及時發(fā)現(xiàn)，采取營銷活動，再次激活這些會員。在短信、郵件營銷（EmailDirectMarketing，EDM）促銷中，可以利用RFM模型，選取最優(yōu)會員。維系老客戶，提高會員的忠誠度。8.2.2RFM模型結(jié)果解讀

RFM模型包括3個特征，無法用平面坐標(biāo)系來展示，這里使用三維坐標(biāo)系進行展示，X軸表示R近度特征，Z軸表示F頻度特征，Y軸表示M價值指標(biāo)。8.2.3使用RFM模型對訂單數(shù)據(jù)進行客戶價值分析

客戶是企業(yè)發(fā)展的重要戰(zhàn)略資源，應(yīng)對企業(yè)客戶進行有效的評價歸類和管理。企業(yè)針對不同價值客戶進行分類，采取與之相適應(yīng)的客戶管理方式，深入挖掘客戶價值，實現(xiàn)企業(yè)利潤最大化。

下面我們選取電商平臺店鋪銷售數(shù)據(jù)中的訂單創(chuàng)建時間、訂單號和支付金額，從中提取最近購買時間、購買頻率和購買金額3個指標(biāo)進行RFM分析。價值客戶分類占比情況分析

從商業(yè)角度來分析，能夠給企業(yè)帶來較為穩(wěn)定的營收和利潤最大化的客戶主要是“重要價值客戶”、“重要發(fā)展客戶”和“重要保持客戶”?！爸匾炝艨蛻簟庇捎诖嬖谥T多不確定因素，因此不考慮在內(nèi)。而“一般客戶”類型雖然整體占比數(shù)量較大，但由于消費金額較小，很難拉動整個企業(yè)的營收。從本例電商訂單的價值客戶分類占比餅圖來看，發(fā)現(xiàn)能為企業(yè)帶來穩(wěn)定營收和利潤最大化的這三種客戶共占23.56%，符合由意大利經(jīng)濟學(xué)家維爾弗雷多·帕累托在1906年提出的帕累托法則，又稱二八法則或二八定律。即20%的人口掌握了80%的社會財富。而放在本例則為大約20%的客戶為企業(yè)創(chuàng)造了80%的效益。本章小結(jié)

本章結(jié)合電商訂單客戶價值分析的案例，介紹了RFM模型和客戶價值的概念，以及客戶價值分類的方法。詳細(xì)介紹了電商平臺數(shù)據(jù)處理與分析的步驟和流程，