挖掘數據隱含的業務資訊（1）——訂單銷售交易類數據分析
訂單銷售交易數據，對企業來說其重要性，不言而喻。訂單銷售交易數據交易類數據包含的資訊大概有幾個層面：
1. 錢：老闆最關心的資訊
2. 場：什麼渠道最好，渠道的屬性怎麼樣，有什麼特徵
3. 貨：哪個或哪幾個產品或產品組合最好、哪個服務怎麼樣
4. 人：那些人最能提供錢，怎麼提供錢
一句話概括就是：what money？where money？how money？ can more？
一、訂單基本資訊和資訊解讀
訂單資訊至少要關聯客戶ID，因為只有人能給企業提供錢，只有知道是那類人，才能想辦法從這類人中賺更多的錢。
- 訂單號：XXX（訂單流水號）
- 門店：XXX（銷售渠道）
- 客戶ID：XXX
- 交易時間：XXX
- 產品：數量和金額XXX（是單價還是匯總金額）
- 優惠券使用：XXX
- 產生積分：XXX
1.1 訂單號（訂單數）
訂單流水號，有可能反推出該企業一天客戶量，一天的訂單數。企業一般都會做一些特殊處理（不是簡單順序編號）。
1.2 門店（銷售渠道）
表示用戶在這個銷售渠道消費，錢從哪裡來的。這裡的渠道，指『錢』的渠道，而不是互聯網『流量』的渠道。一個是要『錢』，一個人是要『人』；一個是『人動貨不動』，一個是『貨動人不動』。當然最後都是為了：『錢』！
假如是首單，可以分析出這個渠道是否吸引某類的用戶；假如多平台（渠道），可以分析用戶的渠道消費習慣，習慣在一個地方消費還是多個地方。是否不同的商品是否更願意在某個平台（渠道）上買；假若是N單，形成一定規模的訂單數據，可以分析那個渠道更受歡迎，資源分配時該往那個渠道傾斜。用戶有沒有渠道轉換的情況。優良的渠道有什麼特點，是否可以借鑒經驗。
可以總結為：好還是不好？特點是什麼？能不能借鑒？
tip：
傳統的『錢』渠道：一般分為銷售大區、線上、線下、旗艦店、加盟店、某個部門、某類銷售員等等
互聯網的『流量』渠道：資訊流推廣、搜索引擎推廣、應用市場推廣、自媒體推廣、短時頻推廣、其他推廣（地鐵廣告、牆面廣告）等
1.3 客戶ID
花錢的人。類型是什麼（ToB客戶、ToC客戶）？
結合交易時間、金額、優惠券活動等，深挖用戶的一些特徵、共性。對於客戶維度而言，要做的就是『聚合』，把同種類的客戶聚在一起，因為人力、資源有限，不可能也做不到對每一個客戶做一對一服務，一對一營銷。要對用戶進行分層，找出高價值用戶：
（1）RFM模型
某時間窗口內，根據R（Recency，近度/最近一次消費）、F（Frequency，消費頻次）、M（Monetary，消費金額）對用戶進行分層。參數的閾值要根據實際業務情況來設定，切莫不要為了數據好看劃分等級。在資源的有限情況下，盡量用小部分的用戶覆蓋大部分的額度。在運營策略上，應結合用戶分層的結果，針對不同的用戶分類用戶制定不同的運營策略：
- 針對重要價值客戶，應保持好現狀；
- 針對重要發展客戶，由於其價值高但是頻次低，應採取合適的策略來刺激其消費頻率；
- 針對重要保持用戶，應採取合適的策略來將其召回，留住該用戶；
- 針對重要挽留用戶，召回他並刺激其消費；
- 針對一般價值用戶，可以通過發放大額面值優惠券等方式刺激消費力度；
- 其餘幾類用戶都要在考慮成本、資源的情況下採取相應的策略召回、刺激消費。
（2）根據消費狀態對用戶分層
用戶分層的目的在於區分不同價值的用戶，對不同價值的用戶、不同階段的用戶採用精準、細化的運營方案。在實際業務場景中，常常把用戶分為：
- 新用戶：時間窗口內，首次消費的用戶。
- 不活躍用戶（流失用戶）：時間窗口內，未消費的老客。
- 活躍用戶：本時間窗口內有消費，上一個時間窗口也有消費的用戶。
- 迴流用戶：上一個時間窗口中沒有消費，而在當前時間窗口內有過消費的老客。
用戶分層的方法多種多樣，其核心目的：把用戶『聚類』——區分『價值』——資源最大化『精準營銷』——使『錢』最大化。不用多複雜方法，在資源緊缺的時候，根據『帕累托二八分布』也能找出那20%的用戶。
用戶品質分析
用戶留存、生命周期分析
會員管理
1.4 交易時間（年月日時分秒）
用戶在那個『年月日時分秒』的時刻花了錢。一般可以回饋資訊有：用戶的消費行為、時間維度下，基礎度量值的描述性統計
交易時間剛好是某個特定日期，用戶消費某類商品是否與該特定節日有關，能不能指導節日促銷；
周期性交易；
客戶生命周期和留存情況；
回購率和復購率；
時間趨勢（銷售金額、訂單數、成本、消費人數等等）；
某類用戶對某類商品的消費時間習慣（某時刻），能不能指導個性化推送、活動促銷等；
購買頻率
一般先做描述性統計分析，看那個時間窗口出了問題，再對該時間窗口做一些深挖分析。
1.5 產品（品類+數量）
用戶買了啥，是1類還是多類，是1件還是N件？多類的話，這些類有什麼關聯？多N的話，為啥是N件，不是N+1件？一般回饋的資訊有：品類的關聯性、使用的周期性、產品維度下，基礎度量值的描述性統計資訊
產品品類是否可以做購物籃分析、關聯分析，能否指導交叉銷售最大化；
產品銷售-利潤分布如何（帕累托分布），能否指導產品品類優化、生產優化；
TopN暢銷產品是哪些，能否指導新品研發；
數量代表使用程度，分析一定數量的使用周期，能否指導某類商品的周期性精準推送；
1.6 金額
決定用戶的購買力，最直觀體現就是用戶的消費檔次、產品檔次。
1.7 優惠券
客戶買東西使用優惠券，沒有優惠券就不買了？
優惠券的目的：衝量或者利潤最大化
優惠力度=優惠券額度/總消費金額
怎樣的優惠力度最合適（讓客戶多下單，讓利潤最大化）
判斷客戶品質，分析促銷敏感性用戶
1.8 積分
分析會員等級
挽留客戶，積分兌換
二、首張訂單
用戶首次付費很重要，特別是免費體驗的產品。首次付費模式可以借鑒，可以反推未付費用戶，可以反推業務付費模式是否合理。為二次消費提供營銷思路。
三、多張訂單對比分析
3.1 補貨周期
交易時間和數量決定購買時間間隔。精準的補貨周期，可以預防缺貨風險，觸發用戶二次購買。
3.2 增量銷售
同類客戶是否購買某類產品越來越多。能否指導銷售。增量銷售注意分清囤貨和自然增長，促銷活動盡量避免提前消費，而應該是以信任度、粘度為前提。
3.3 交叉銷售（購物籃分析-關聯分析）
3.4 購物路徑
基於時間某類客戶購買A產品，又購買了B產品。比如相機（新手級，專業級）、手機、軟體（demo，企業級）品類等。跟蹤銷售機會。
四、分析思路和維度
維度劃分：
- 時間維度：時間各種鑽取
- 銷售渠道維度：傳統渠道和互聯網+渠道
- 用戶維度：ToB和ToC客戶類型
分析思路：
- 先看時間窗口期大盤
- 窗口期內那個維度、那個點除了問題
基礎度量值
- 銷售金額
- 成本
- 利潤
- 訂單數
- 客單價
- 折扣
- 用戶數（總流量）
五、方法
- 出了問題？假設方法，假設檢驗？
- 那部分比較好，怎麼做比較好？對比方法，A/B測試？
