电商用户大数据分析与挖掘

电商用户数据分析与挖掘
说明
分析： 分析店铺的整体运营状况； 分析客户特征，从不同细分角度寻找不同客户之间的差异； • 客户属性特征分析 客户消费行为分析 • 目的： 为了卖家能更直观的了解自己店铺的运营现状； 了解客户特征，为客户维护和回购刺激提供决策依据； 提供个性化的实施建议；
1%
0%
201309 201310 201311 201312 201401 201402 201403 201404
店铺年活跃客户数与回头客概览
年滚动回头客比例 5% 5% 4% 4% 3% 3% 2% 2% 1% 1% 0%
x万
14
年滚动活跃客户数
12
10 8 6 4
整体客户数同销售额类似，呈现一定 的稳定增长态势； 相比而言，老客户的客单价高于新客 户。 但是目前的整体现状仍需改进。
报告介绍
备注信息：
数据来源 订单样本 XXX专卖店 自：2012-8-10 到 2015-4-30，状态为交 易成功的订单 极值处理 剔除客单价＞2000元的订 单 剔除客单价＜10元的订单 订单处理方式 同一客户一天内多比订单默 认合并为一笔订单


订单数据
客户数据 外部数据 行业数据
2
0
201308 201309 201310 201311 201312 201401 201402 201403 201404
**备注：回头客比例=（一年购买2次及以上新客户+一年前购买过又来买的客户）/一年总客户数，如，201308指201209-201308
1.2.2 月趋势
从销售额的趋势来看，波动非常大，中间竟然出现几个月非常低的销售情况，如2013年的1、2、6、 7、8月份。需引起高度重视。 去年下半年以来整体情况还不错。
2.2.2 购物时间分析
地域—时点：
东北 辽宁省 吉林省 0 0.6% 0.4% 1 0.2% 0.1% 2 1.1% 1.3% 3 1.8% 2.5% 4 0.3% 0.4% 5 0.1% 0.1% 6 0.5% 0.3% 7 0.6% 0.6% 8 0.8% 0.7% 9 1.7% 1.3% 10 16.1% 11.8% 11 5.1% 3.9% 12 3.7% 3.2% 13 3.5% 2.9% 14 6.5% 7.4% 15 13.0% 16.8% 16 4.3% 4.0% 17 2.2% 1.6% 18 2.4% 2.3% 19 3.4% 3.0% 20 4.3% 3.3% 21 9.0% 10.0% 22 10.3% 11.5% 23 8.5% 10.5% 黑龙江省 0.3% 0.1% 1.3% 2.1% 0.5% 0.2% 0.6% 1.1% 0.9% 1.7% 13.5% 4.2% 3.3% 3.1% 7.8% 15.7% 4.1% 2.3% 3.0% 3.4% 3.4% 8.9% 10.0% 8.3% 北京 1.1% 0.6% 1.2% 1.6% 0.3% 0.1% 0.1% 0.6% 0.6% 1.7% 15.7% 5.1% 4.0% 4.0% 7.7% 12.3% 4.1% 3.3% 2.0% 2.8% 3.4% 8.2% 10.3% 9.3% 天津 0.6% 0.2% 1.5% 2.4% 0.6% 0.1% 0.2% 0.6% 0.4% 1.1% 12.1% 4.3% 3.1% 2.9% 7.9% 17.1% 4.4% 2.0% 1.8% 2.3% 2.5% 9.4% 12.3% 10.2% 华北 河北省 0.7% 0.4% 0.9% 1.5% 0.4% 0.1% 0.3% 1.0% 0.7% 1.5% 17.8% 6.1% 4.3% 4.4% 6.7% 12.0% 4.3% 2.7% 2.5% 3.5% 4.2% 7.9% 9.0% 7.3% 华东 山西省 内蒙古自治 上海 山东省 江苏省 安徽省 江西省 0.6% 1.0% 1.2% 0.7% 1.0% 0.8% 0.9% 0.2% 0.3% 0.4% 0.3% 0.3% 0.2% 0.3% 1.0% 0.3% 1.4% 0.7% 0.8% 1.0% 1.2% 1.6% 0.3% 1.5% 1.0% 0.6% 1.4% 1.6% 0.4% 0.2% 0.2% 0.3% 0.2% 0.2% 0.3% 0.1% 0.2% 0.1% 0.1% 0.2% 0.1% 0.2% 0.2% 0.4% 0.4% 0.4% 0.5% 0.2% 0.4% 0.7% 0.8% 0.6% 1.0% 0.9% 0.7% 0.8% 0.6% 0.7% 0.7% 0.9% 1.0% 0.6% 0.7% 1.4% 1.6% 1.1% 1.5% 1.7% 1.5% 1.3% 14.2% 17.5% 16.1% 22.2% 21.8% 19.3% 17.2% 5.1% 5.1% 5.1% 7.0% 6.5% 6.0% 6.0% 3.9% 4.2% 4.6% 4.2% 5.6% 5.6% 4.3% 3.8% 3.6% 4.5% 5.0% 4.8% 5.0% 4.4% 7.0% 8.9% 6.6% 6.3% 6.2% 6.5% 7.0% 14.8% 19.5% 12.4% 9.5% 8.7% 11.6% 11.6% 4.8% 5.9% 4.5% 5.0% 4.1% 4.5% 4.6% 3.1% 3.5% 2.6% 3.4% 3.1% 2.9% 3.1% 2.6% 2.9% 2.3% 2.7% 2.9% 2.4% 2.5% 2.8% 3.6% 3.3% 3.7% 4.0% 3.0% 3.2% 3.9% 4.7% 3.8% 4.6% 4.7% 4.0% 4.0% 8.9% 5.9% 8.2% 6.9% 7.4% 7.8% 8.1% 9.8% 5.4% 9.6% 7.2% 7.3% 7.9% 8.2% 8.6% 3.6% 8.9% 5.3% 5.5% 6.8% 8.0% 浙江省 0.9% 0.3% 0.7% 0.8% 0.2% 0.1% 0.5% 0.9% 0.8% 1.5% 22.7% 7.2% 6.2% 5.4% 6.3% 8.3% 4.2% 2.8% 2.8% 4.2% 5.0% 7.1% 6.3% 4.8% 福建省 1.5% 0.6% 1.3% 1.3% 0.3% 0.1% 0.2% 0.6% 0.7% 1.2% 17.0% 6.5% 4.7% 4.5% 6.6% 11.6% 4.6% 3.0% 2.4% 3.0% 4.1% 7.1% 9.2% 8.2% 湖北省 1.3% 0.3% 0.8% 1.2% 0.3% 0.1% 0.3% 0.6% 0.7% 1.4% 19.5% 6.9% 5.1% 4.8% 6.4% 9.1% 4.8% 3.3% 3.0% 3.5% 4.1% 7.4% 7.9% 7.1% 华中 湖南省 1.2% 0.5% 1.0% 1.2% 0.2% 0.1% 0.3% 0.5% 0.8% 1.3% 18.8% 7.5% 5.0% 5.2% 6.2% 10.8% 4.5% 3.2% 3.0% 3.4% 4.2% 7.4% 7.9% 6.1% 河南省 0.9% 0.2% 1.0% 1.0% 0.2% 0.0% 0.2% 0.7% 0.7% 1.5% 21.6% 7.3% 4.4% 5.1% 6.8% 9.6% 4.6% 3.7% 2.6% 3.0% 4.2% 7.2% 7.2% 6.2% 华南 西南 西北 广东省 广西壮族自 海南省 重庆 四川省 贵州省 云南省 西藏自治区 陕西省 甘肃省 宁夏回族自 新疆维吾尔 青海省 2.3% 1.8% 3.0% 1.0% 1.3% 2.0% 1.2% 0.1% 0.7% 1.3% 0.9% 4.8% 0.3% 0.8% 0.5% 1.4% 0.5% 0.4% 0.7% 0.4% 0.2% 0.3% 0.1% 0.4% 1.6% 0.2% 0.9% 1.8% 0.5% 1.5% 1.1% 0.7% 1.0% 0.5% 1.5% 0.3% 0.1% 0.3% 0.4% 0.8% 1.9% 0.0% 1.9% 1.1% 0.3% 1.5% 0.6% 1.6% 0.4% 0.5% 0.3% 0.5% 0.3% 0.5% 0.0% 0.3% 0.2% 0.2% 0.4% 0.4% 0.3% 0.2% 0.4% 0.2% 0.4% 0.1% 0.1% 0.0% 0.0% 0.1% 0.1% 0.0% 0.0% 0.1% 0.0% 0.0% 0.1% 0.0% 0.1% 0.1% 0.2% 0.2% 0.2% 0.2% 0.0% 0.1% 0.1% 0.1% 0.1% 0.0% 0.0% 0.6% 0.5% 0.7% 0.4% 0.5% 0.6% 0.4% 0.0% 0.4% 0.3% 0.4% 0.1% 0.0% 0.7% 0.5% 0.2% 0.4% 0.6% 0.5% 0.5% 0.1% 0.6% 0.3% 0.4% 0.3% 0.3% 1.3% 1.0% 1.1% 1.0% 1.4% 1.2% 1.3% 0.2% 1.5% 1.5% 1.0% 0.6% 0.3% 17.2% 12.9% 18.2% 13.1% 16.4% 15.1% 16.8% 1.8% 13.6% 14.7% 10.7% 17.6% 5.8% 7.6% 5.6% 9.1% 5.1% 7.1% 6.2% 6.6% 0.8% 6.1% 7.1% 5.3% 9.8% 2.4% 5.4% 3.7% 7.1% 3.9% 4.9% 5.1% 4.4% 1.0% 4.4% 3.8% 3.1% 8.2% 1.1% 5.3% 4.5% 5.2% 4.0% 5.4% 4.5% 4.5% 1.3% 4.0% 4.7% 2.8% 5.9% 1.8% 6.0% 6.6% 7.7% 6.6% 6.0% 9.3% 6.7% 18.2% 7.3% 9.5% 12.4% 5.5% 16.4% 9.2% 14.5% 9.1% 14.3% 9.6% 20.1% 14.1% 51.7% 13.5% 22.0% 34.7% 4.3% 42.9% 4.8% 4.7% 4.3% 4.1% 4.8% 5.7% 4.3% 6.8% 4.4% 6.1% 5.2% 5.0% 7.6% 3.8% 2.8% 4.3% 2.6% 3.6% 2.9% 3.1% 0.5% 3.2% 3.3% 1.7% 5.3% 1.5% 2.9% 2.1% 4.8% 2.4% 2.7% 2.2% 2.0% 0.6% 2.6% 2.6% 2.5% 4.9% 1.2% 3.2% 2.5% 2.1% 2.9% 3.6% 3.1% 2.1% 1.1% 3.3% 3.0% 1.8% 4.6% 1.6% 4.0% 2.8% 5.9% 3.5% 4.8% 4.0% 3.4% 0.7% 3.6% 3.3% 2.4% 4.0% 1.5% 6.8% 8.2% 5.7% 8.2% 8.1% 5.1% 7.3% 4.6% 8.7% 6.2% 4.3% 4.4% 4.5% 8.3% 10.2% 4.1% 11.6% 8.6% 5.9% 9.4% 4.4% 9.3% 5.2% 4.8% 5.6% 5.9% 7.5% 10.0% 5.2% 10.3% 7.5% 4.2% 8.9% 4.1% 8.8% 3.9% 4.0% 6.4% 3.6%
一、购物体验现状
1.1 DSR动态评分
DSR评分不错，尤其在“宝贝与描述相符”上比较突出。 提升DSR的其他方案： 客服专业性服务及客户信息收集 ； 批量进行（利用订单中心）：个性化包裹、发货提醒、同城到达提醒等； 个性化进行：物流跟进、退款跟进、评价跟进等 但是整体的退款率非常大！！！
1.2.1 年滚动趋势：活跃客户
店铺年活跃销售额与回头客概览
回头客销售额占比
2000 1800 1600 1400 1200 1000 800 600 400 200 0
201308
年滚动销售额
x万
7%
6% 5%
4%
3% 2%
整体销售额呈现一定的稳定增长趋势； 回头客销售额占比整体呈现逐渐上升的趋势，目 前占到6%，低于行业均值，需后续加强老客户 的维护。
二、客户特征
2.1.1 地域
2.1.2 地址—职业
地址-职业回购情况：
2.2.1 RFM：F&M
新客户复购分析：R
新客户复购分析：首次客单价
首次客单价在100元以下的属于低价值客户，复购率低于4%右，占比总客户数的40%；
首次客单价在100~200元的属于中价值客户，复购率也低于4%，占比约为57%； 首次客单价大于200元的可以归类为高价值客户，复购率略高，占比约为3%；

剔除批发商：购买次数大于
50次
2015/12/3
Baidu Nhomakorabea
3.如何实施？ 2.客户特征表现？ 1.整体现状？

个性化实施方案
客户属性特征 消费行为特征
购物体验 深入客户关系管理
2015/12/3
1.1 购物体验 DSR评分 1.2 深入客户关系管理 1.2.1 年滚动趋势 1.2.2 月滚动趋势
新老客户占比
90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
新老客户销售额占比
100%
老客户
新客户
从店铺整体来看还是主要有新 客户支撑； 只是在某几个月份，整体销量 特别不好的时候，能够凸显老 客户的价值。
201208 201209 201210 201211 201212 201301 201302 201303 201304 201305 201306 201307 201308 201309 201310 201311 201312 201401 201402 201403 201404
新老客户数占比
100% 90% 80% 70% 60%
从客户数可以明显的看出，老客 户的贡献人均贡献大于新客户的 人均贡献值。
50% 40% 30% 20% 10% 0%
老客户 新客户
2.1 客户属性 2.1.1 地域 2.1.2 地址—职业
2.2 客户消费行为 2.2.1 RFM 2.2.2 购物时间分析 2.2.3 商品分析