主要分析方面:客户合理分群

客户分群实现:使用聚类构建指标,需理解聚类的分析逻辑,需使用软件:tableau

聚类方法:选择3指标分别为购买总金额,客户购买次数、类平均购买价格(四类的平均购买价格,四类字段列进行avg聚合)

类平均购买价格:计算消费数据中所以四级品类消费金额的平均值,等于为每个品类构造了一个数值标签字段,在聚类中使用了按会员计算这个字段的均值,购物品种结构越接近,之间距离越小,越可能聚为1类。

tableau提供的聚类功能在分析中设置不同的群集方式,案例中划分了10组。另外案例中销售金额比较大,会绝对主导距离设置的计算,聚类中使用销售金额的10的对数,代替销售金额加以处理。

客户主题分析(tableau)—客户分群-LMLPHP

一、客户群集

1)连接文件:

客户主题分析(tableau)—客户分群-LMLPHP

 

2)过滤异常数据(消费金额大于0的数据)

客户主题分析(tableau)—客户分群-LMLPHP

 

3)创建【类平均购买价格】字段

客户主题分析(tableau)—客户分群-LMLPHP

 

4)创建散点图(排除负值和空值

客户主题分析(tableau)—客户分群-LMLPHP

 5)修改公式,将类平均价格由求和改为avg

客户主题分析(tableau)—客户分群-LMLPHP

6)进行客户分群

客户主题分析(tableau)—客户分群-LMLPHP

7)生成群集字段(群集字段可拖动到维度区域生成可重用的群集字段,分析-添加趋势线,设置置信区间,将y截距设置为0)

客户主题分析(tableau)—客户分群-LMLPHP

 8)结果

客户主题分析(tableau)—客户分群-LMLPHP

 分析:

  • 群体1总体规模不大,该群体在服装、化妆品上都表现了一定的购买倾向,群体中可能女性群体偏大。
  • 群体5和8消费结构有一定的相似性,8在食品上的消费比5多,5基本没有食品消费,2者均在家电和厨房电器上消费多,证明2者可能都属于男性购物群体,8可能年龄更大,有后代,在童装上消费比较多,购物更加多元化,而5更加单一,更偏向于年轻小情侣。

二、客户群集分析2

跟换上述散点图列维度消费金额为类平均购买价格进行观察。

客户主题分析(tableau)—客户分群-LMLPHP

分析:观察集群2规模数量最大,但其购买频次和和类平均购买价格都偏低,这个需要注意,如果客户群体是注册时间一点时期的老会员,说明客户平时购物行为都不是发生在本购物中心,客户存在流失情况。如果是新注册会员,可能需要进行一些营销策略,提升新用户体验,初期接触时维持住多数客户。

三、群集消费者条形图

1)不同群集对记录数和消费金额做条形图,忽略(排除)未建立群集的列。

客户主题分析(tableau)—客户分群-LMLPHP

 2)调整条形图格式,修改记录数为counted,修改其轴为倒序模式。

客户主题分析(tableau)—客户分群-LMLPHP

3)然后再对会员ID排序,调整颜色

客户主题分析(tableau)—客户分群-LMLPHP

分析:以上为群体集群规模对会员的消费金额,购物数量条形图。可观察出群体聚类规模并不均匀,4个群集规模较大,其他规模较小。不同群集贡献的购买金额和群集规模并不完全对应。

四、不同产品类消费图形

1)拖动大类、会员ID(群集)、记录数、消费金额生成条形图

客户主题分析(tableau)—客户分群-LMLPHP

 2)修改成双轴图(消费金额)

客户主题分析(tableau)—客户分群-LMLPHP

3) 标记卡上调整记录数为条形图,消费金额为区域图形,CTRL+W交换行和列,编辑记录数轴,每行每列使用独立的轴范围。

客户主题分析(tableau)—客户分群-LMLPHP

4)隐藏坐标轴(取消记录数标题)

客户主题分析(tableau)—客户分群-LMLPHP

5)生成仪表盘

客户主题分析(tableau)—客户分群-LMLPHP

05-27 13:30