中国统计网用数据分析“榨干”数据！( 三 )

本文插图
重要的分析指标及相关指标的“从属关系” 其中，以上衍生指标的计算公式/方法分别为：

最大/最小消费金额”通过公式“=MAX/MIN(IF(原始数据!$A$1:$A$7028=Sheet1!A2,原始数据!$H$1:$H$7028))得到；
最初/最后下单日期”通过公式“=MAX/MIN(IF(原始数据!$A$1:$A$7028=Sheet1!A2,原始数据!$N$1:$N$7028))得到；
累计购买频次”则由透视表得出，同一个User Id下，将任意指标进行“计数”显示，即可得出频次。
最后下单到今天间隔天数”由公式“DATEDIF(E2,TODAY,”d”)”得到；最初下单到今天间隔天数由公式“=DATEDIF(D2,TODAY,”d”)”得到，其中E列是最后下单日期所代表的列， D列代表最初（第一次）下单的日期的列。

值得注意的是，上述公式是在新的sheet里构建的，引用的是原始表单里的数据。且后面的间隔天数需要等最初/最后下单日期确定后才能计算出。

本文插图
最小购买金额计算方法

本文插图
购买频次的计算方法将上述指标进行计算后，得到下面的客户信息价值表，可以作为下一步分析的原始数据。

本文插图
经处理后的客户价值信息表单然后将该excel表单录入SPSS系统，经运算后，可以得到如下新表：

本文插图
聚类分析后得到的SPSS输出数据可以看出，上表中多了一列关于“分类”的数据，这就是SPSS软件根据表中用户购买信息（购买金额和购买日期等）在若干维度上的同质性和异质性划分出的4类（由于小编使用的是K-means聚类法，需要人为设定分为几类，所以在确定4类之前，需要反复测试2类、3类、5类的数据，直到能在各个分类间体现出明显的差异性，且具有良好的集中度为止）再用透视表处理一下，将每类数据的“值字段”显示为“平均值项” ，得到“用户价值分类特征表“ 。

本文插图
用户价值分类特征表在对上表进行分析之前，小编需要指出的是：上述指标的重要性不是同一水平的，其中各指标的权重有大有小，重要性不一，而权重系数需要根据以往经验和业务情况进行分配，这里仅给出小编的判断：累计购买频次的权重最大，因为多次购买行为即使平均/累计消费金额不多，但反复多次的购买行为代表用户对品牌/产品的认可，能反映出用户的忠诚度；其次最近一次下单日期，隔得不太久的话，使用客户召回策略的成功率会很高；然后是平均消费金额，单次高消费或单次低消费都不能准确地反映出客户在本产品上的购买力水平，取历史平均水平才能看出他在本产品上的消费能力，但要结合最低和最高消费金额来看，看是否二者间的差距过大，稳定性如何；最次是累计消费金额，反映客户在某段时间内累计的消费情况，也能体现客户对产品/品牌的持续价值。根据上述判断，第2类和第3类属于较为优质的顾客，他们在购买频次、最近一次购买时间、累计消费金额和平均消费金额上的数值水平均衡且较好，是重点需要维护的对象，以后可以对这2类用户推送价值较高的优惠活动/信息，促进其后续的购买行为。第1类客户属于“土豪级” ，虽购买频次较低，但购买金额很大，跟其他几类客户比起来，购买力相当彪悍，有钱可任性，但留住很困难。此外，第4类的用户数较多，是有潜力待挖掘的客户群。这类群体的特征是平均消费金额和累计消费金额低，购买次数较少，且很久未再买产品了，召唤回的概率很小，可以对这部分客户进行回访，找出产品和服务方面存在的问题，做好优化，苦练内功，以便下次进行推广的时候一次就“摁住”客户。综上，第2类、第3类客户是我们接下来重点抱大腿的目标，这是“节流”；根据第4类客户的回访得到改进产品和服务的建议，在接下来的运营工作中招揽新客户，这是“开源” 。看到这里，你以为结束了？ NO ， you too naive~小编要把数据榨干，尽可能得到对运营工作有用的信息！以下是经透视表处理后的各区3类用户的占比情况：