案例内容:
作为DB百货的营销经理，你为自己第二季度的平庸表现而苦恼。你期望通过一次营销活动来改变局面，你需要通过分析公司前几年的营销活动来制定最佳方案，从而实现业绩的逆袭增长！
在分析的过程中，你发现了三个需要通过数据分析来解决的严重问题:
问题1:优惠券都去哪了？
以前发了很多优惠券，但是有些优惠券设置的不合理。店员反馈去掉销售成本，亏本进货。具体是哪些店？
根据以往的销售数据分析，哪个品类更适合发放哪种优惠券？
问题二:如何在网站上正确投放广告？
这次大促销活动准备和某网站合作推会员卡的广告。为了保证精细化营销，根据以往的数据，不同年龄、不同性别的人都喜欢什么样的商品？在什么价位比较合适？
问题三:可以邀请哪些优秀的店铺品牌分享经验？
在往年的活动中，有些店铺在品牌推广上做得很好，营业额比平时高出很多倍；还有一些门店品牌错峰举办活动，也能大幅提升销量。之前门店都是自己经营，销售全靠门店自己。能否在不同品类中找到销量高、活动好的品牌，邀请他们分享经验？
分析思维
拿到数据后，先研究活动中提到的三大问题以及大问题的一些分支，再观察官方数据，找出数据之间的相关性。
问题1:优惠券都去哪了？
分析这个问题，显然要围绕优惠券这个主题。问题中提到，过去发放了很多不合理的优惠券，导致店铺亏本卖货。哪些店在亏本卖货？在接下来的活动中，我们应该继续发放优惠券。哪些品类应该发哪些券？虽然数据表没有直接给出优惠券使用数据，但是从优惠券的金额上，还是可以看出一些端倪的。从商店的亏损记录中查看优惠券的数量，很容易发现哪些商店正在亏本销售商品。根据以往的销售数据得出不同品牌的价格区间，针对不同价格区间的产品给出不同的优惠券发放方案。
问题二:如何在网站上正确投放广告？
分析这个问题，我的理解是找出不同年龄、不同性别喜欢的产品类别，分析这些销量好的产品的价格区间，从销量最多的产品中筛选出前几个产品，在网站上做广告。
可以邀请哪些优秀的店铺品牌分享经验？
这个问题的初衷是，元旦假期亏损后，业绩会出现明显反弹。了解哪些店铺的业绩最好，哪些品类和品牌的销量最好。寻找有代表性的品牌分享案例经验。
数据整理
分析完了，接下来就是整理数据了。该工具是FineBI，相关的表字段通过FineBI的自助数据集进行关联和合并。例如，销售信息表和会员卡类型可以通过会员卡类型代码和会员卡类型关联。
销售信息表也与会员卡信息表相关联，并且相关联的字段可以在自助服务数据集中关联和合并。同样，销售信息表与商店品牌表的数据关联并合并。
还需要提前分析客户偏好产品的价格区间。我的想法是保存为自助数据集，然后过滤掉一些毛利为负的不良记录和一些数据缺失的数据。
然后通过销量/销售数量得出产品的销售单价，再对这个价格进行价格区间分析(图1)。然后按照年龄、品类名称、性别价格区间汇总销售数据(图2)。然后按照组内排名的方式，得出不同性别、年龄段、品类的最佳销量和价格区间(图3)。最后筛选出组内销量最好的数据，当前自助数据集保存为:不同年龄、性别、品类的购买偏好分析。
并链接到上面的原始自助数据集(图4)。我把它命名为:销售信息合并
图1:
图2:
图3:
图4:
接下来，关联合并品牌销售成本表和店铺品牌表
使用类似的方法计算产品的单价和价格范围，并将命名的自助数据集保存为品牌销售成本合并
另存为上面的自助数据集，命名为:建议优惠券分析
先过滤掉毛利为负的数据，然后根据价格区间和品类名称汇总去券销售额和销售数量的数据，再根据品类名称计算集团内的销售排名。
选择组内销量最高的数据，针对其价格区间提出优惠券发放建议。
再创建一个自助数据集，将品牌销售成本表和门店品牌表合并。
此时会对2018年1月22日至2018年2月4日的数据进行筛选，用于后期的业绩恢复分析，然后汇总品类、品牌下的销售数据。
用组内排名的方法计算产品类别下销售额最高的品牌销售数据，筛选出排名为1的数据。保存当前自助数据集，命名为:2018年1月22日-2018年2月4日期间不同品类下的品牌销量排名
数据整理完毕。
可视化分析
首先，从品牌销售成本的合并数据集中创建一个公司的整体优惠券销售额和毛利率。并将毛利标记为负。
从上图不难发现，公司业绩下滑甚至亏损的关键时间段是2018年1月1日至4日。也就是元旦期间。可能是因为活动不当，甚至是失误。
进一步画出店铺的损失金额和用来找问题店铺的优惠券数量。
接下来重点观察亏本的几天内门店用券情况接下来重点说一下亏损几天内店铺优惠券的情况。
发现洞庭店元旦期间大量使用优惠券，优惠券设置不合理导致活动期间损失严重。
了解以上情况后，如何合理安排后续活动的优惠券使用。历史数据可以用来分析不同品类的产品应该发放哪些优惠券。
使用上一节中建议的优惠券分析数据集中的数据创建一个仪表板，以显示相关信息。在下图中，根据销量在直方图中显示每个品类，并在图中显示相应的价格区间和建议优惠券。
这个建议券和当前品类下的最佳售价区间一目了然。
接下来是对合理广告的分析。销售信息与数据集中的数据合并，创建一个直方图，如下图所示。通过多分类多系列的方式，用标签显示不同品类，各个年龄段，不同性别，分析销量最好的品类，选择前三个品类进行展示。并在标签中显示不同品类、不同年龄、不同性别的价格区间。
由此分析:化妆品部、运动部、针织棉胸更适合做网站广告，并给出一些价格定位的建议。
接下来我们就来分析一下公司业绩的提升。有哪些店铺，可以邀请哪些值得推荐的节目来分享经验？
从第一张公司销售和毛利分析的整体图可以看出，18年1月22日到18年2月4日之间，公司业绩明显好转。从该时间段提取的数据的时间线分析
发现东亭店和南岭店在此期间表现突出。
从:2018年1月22日-2018年2月4日不同类别下的品牌销量排名的数据集，创建dashboard组件，获取下面的数据，筛选前五个类别下的品牌展示。销售额最高的品牌:博柏利，毛利最高的品牌:耐克。
最终效果图如下所示:
摘要
做数据分析项目时，要遵循以下几点:
带着问题先观察整体数据
发现异常数据，向明确目标钻取通过分析手段挖掘隐藏的有价值数据用分析出来的结果验证事实真相
本文来自倾心之夏投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/635645.html
微信扫一扫 
