最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

大爷大妈们能占到超市的便宜吗? 大数据告诉你真相

[复制链接]
发表于 2022-5-18 17:09:14 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本帖最后由 ourway 于 2022-5-18 17:14 编辑

      各位数据的朋友,大家好,我是老周道数据,和你一起,用常人思维+数据分析,通过数据讲故事。

      上一讲和大家说了节假日分析的案例,用大数据告诉大家:1、超市里,端午节的粽子卖最多,中秋节却不一定是月饼;2、端午节是给“自家人“买礼,所以会买比较多,而春节,则更多是给“别人家”送礼,一次性不会买很多。

      大家都觉得这些与平常的感觉不一样。而这正是数据的价值,不管结果是符合经验,还是有悖于经验,这些数据都会忠实的告诉你事实是什么。所以,我们要学会驾驭数据,让数据来帮助日常的工作。

      今天讲的内容则更加需要我们洞悉其消费行为规律。这里先抛出一个问题:超市里,经常会有很多大爷大妈去守着打折的商品买。那么,你们觉得他们能占到超市的便宜吗?

      这就引出了我们今天的主题——会员RFM分析。我们将让大家通过一个非常简单但又非常实用的零售数据分析模型来洞悉会员消费的秘密。接下来,和大家分享以下几个视角的内容:

      1、 什么是RFM分析,我们是怎么定义RFM模型的?

      2、 什么样的会员类型人数最多,贡献却很少?什么样的会员类型人数不多,贡献却很多?

      3、 不同类型的会员客单价与折扣率是什么样的?和非会员相比,又是怎么样的?

      4、 会员主要消费哪些商品?历史的消费频率是怎么样的?

      5、 有了RFM分析,如何进行有针对性的运营?

      首先,我们先从概念入手,搞清楚到底什么是RFM?其实,RFM就是指R-F-M这三个不同的指标:

      R(Recency):最近一次消费至今的时间,也就是说,有多少天没有来消费了

      F(Frequency):一段时间内重复消费频率,即总共消费了多少次。

      M(Monetary):一段时间内累计消费金额

      搞懂了这三个指标,就非常好理解这个模型的作用了:

      R:越久没来消费,用户越有流失可能,越应该唤醒用户。

      F:频次越低,越需要用一次性手段(比如促销、赠礼),频次越高,则可以用持续性手段(积分) 来维护;

      M:消费越多,用户价值越高,越应该重点关注。

      那概念明白了,价值也理解了,但是,到底怎么计算呢?这里我们推荐一种非常简单的计算方法:将各指标与平均值进行对比。我们先将R-F-M三个指标的平均值计算出来,然后,再将每个会员的单个数据与这个平均数进行对比,则会出来高或低的情况。经过排列组合后,我们可以区分出以下8种情况:



      0-1-1代表什么?就是有一段时间没来消费了,但整体消费频次和消费金额都是高于平均值的,这样的客户当然是需要重要保持的。0-0-1呢?则是虽然很少来,一来却是高消费的客户,这样的客户理所当然的是需要我们重要挽留的。1-0-0是什么呢?就是最近来过,但频次和金额都相对较低的,基本上可以与临时过路客户差不多,所以,也就归类为一般发展客户,一切随缘。

      概念搞清楚之后,我们就可以开始看报表了。



      我们通过这个结构分析,可以看到,1-0-0一般发展客户数量占到54%多,销额贡献占到43%,基本相当。1-1-1重要价值客户则是5.4%的人数,贡献了25%的销额,还有1-0-1重要发展客户不到4%的人数,也贡献了13%的销额,而与此有鲜明对比的,则是0-0-0一般挽留客户,则是有近35%的人数,却只贡献了11%不到的销额。

      1-1-0一般价值客户的人数占到3.2%,销额贡献占到近6%,也还算价值不错的。

      最近刚来,来的次数也很多,但花钱却不多,这会是哪些人呢?对了,这就是那些大爷大妈们。

      日常生活中,大家会发现一个现象,一个超市还没开门就等了一堆大爷大妈。他们更热衷于找便宜打折的商品去购买。那么,这些大爷大妈们真的能占到超市的便宜吗?

      我们来看一下会员折扣率的分析,通过这个图表,可以看到,1-1-0这类客户的折扣率其实并不高。也就是说,大爷大妈们其实并没有占到超市的便宜。买货的永远没有卖货的精!



      另外,我们还会发现,非会员的折扣率反而是最高的。人家都说互联网利用大数据去杀熟,而事实上,线下的零售店早就在用这一招了。其实这也好理解:1、商家要让新客感觉便宜,才可能发展成为会员,变成常客,否则第一感觉就是贵,那怎么可能还来第二次,甚至办个会员呢?2、对于会员来说,心理上感觉便宜后,也就放松“警惕”,不再斤斤计较,四处对比了。

      说到这里,敲下黑板,大家可以转告你的父母,其实,你再怎么精明都会落入商家的“圈套”中。——算了,还是别告诉他们了吧,免得他们纠结睡不好觉,这就得不偿失了。

      我们再来看一下客单价,最高的是0-0-1重要挽留客户,排在第二位的则是1-0-1重要发展客户。这两类客户有两个共同点:一个是消费金额较高,第二则是消费的频次不高。感觉自己以前应该是属于1-0-1这一类,一般一周才去超市一次,每次花个几百元。但自从网络购物方便后,就很少去超市了,也就变成了0-0-1这一类了。怎么样通过会员运营来让0-0-1变成1-0-1,或者是0-1-1呢?欢迎大家在评论区留言。



      客单价最低的不出意外,就是1-1-0和0-1-0了。

      接下来,我们来看一下RFM分布散点图。X轴是消费额M,Y轴是消费次数F,颜色则代表未消费天数R。从下图大概可以看出来,绝大多数的客户分布在1万消费额,200次消费次数的范围内。这里的数据是一年内的销售数据统计出来的结果。平均消费金额是3727元,平均消费次数是120次。



      我们可以联动看不同的会员类别的分布图。我们先来看一下客单价最高的0-0-1的类别,因为他们是高于平均消费额的,所以,X轴都在3727元的右侧,但绝大多数在6000元以内,而消费次数的分布相对比较均匀。从颜色上来看未消费天数的分布也呈现多样化的特点。



      来看一下客单价第二高的1-0-1的类别,X轴也都在3727元的右侧,但绝大多数在15000元以内。这里我们就会发现一个有趣的现象,就是0-0-1的人均消费是5667元,而1-0-1的人均消费是5171元,比0-0-1的人均消费要低,但大家看到,1-0-1的大多数客户消费能力的明显高于0-0-1的。



      客单价排名第三的0-0-0分类,其分布呈现出线性而分散的特征,也就是说,这些客户的消费行为是比较随性的。



      而对于1-1-1这类客户,客单价并不高,但是因为其高频消费,大多数平均一天要消费3单。这个时候,我们一定会有一个疑问,这些会员,到底主要购买哪些商品?



      这个时候,我们可以在任何一点上双击鼠标,即可出现可钻取到的目的报表清单,我们选择【品类销售结构分析】报表,这时,就可以看到所选择的会员消费的商品情况了。

      这个一年为我们贡献了21万销额,4万利润的VVVIP客户,购买主要集中于生鲜与食品类的商品,



      具体到商品,可以看到买的最多的是鸡蛋、肉丝与调和油。1万多的鸡蛋,才赚147块,却成功的让这名顾客贡献了20万的消费以及4万的利润,这种引流的策略实在是太成功了!



      再看看消费频次,每天必打卡,这才是真正的铁粉啊!如果我是这家店的老板,一定要找到这名顾客,颁发年度顾客奖章!



      那这名顾客主要光顾哪个幸运的门店呢?钻取到【门店销售占比】就可以看到,他只在0051这个门店消费。



      讲到这里,我已经有些兴奋了,恨不得马上去开一家超市!把隔壁老王开的超市直接KO!

      如果我们能够洞悉所有会员的消费行为,是不是就可以采取更精准的会员策略呢?

      1、 对于许久没有来过的价值客户,即未消费天数高于平均值,且消费金额较高的会员,包括0-0-1,0-1-1是不是可以发一些他们之前经常消费的商品的促销信息给他们,“引诱”他们再来消费;

      2、 对于消费频次较低的价值客户,即消费频次低于平均值,且消费金额较高的会员,包括0-0-1,1-0-1,是不是将其他高频消费顾客的商品促销信息发给他们,吸引他们提高频次?

      3、 对于1-1-1这样优质客户,我们是不是真的让他们感受到“上帝”般的购物体验?

      4、 对于1-1-0,0-1-0这样高频消费,消费额却较低的顾客,有没有办法找到那些不是大爷大妈的顾客,增加其消费额?

      回顾一下,我们从RFM三个指标,将会员进行了8种分类,并分析了不同分类的消费结构与消费习惯,通过今天这一讲,相信大家会感觉很爽,原来,我们发现大数据中蕴藏的消费行为秘密,并不是一件很难的事情,我们可以去尽情的玩数据!从不同的角度,不同的指标,去玩,去品味,就能品出数据蕴藏的规律与价值。(点这,系统了解零售数据分析

      原来,大爷大妈根本占不到超市的便宜!

      原来,我们可以通过便宜的鸡蛋,吸引到一个一年贡献20万,贡献20%利润达4万的VVVIP顾客!你可以转发给你做零售的朋友,告诉他们这个秘密!

      老周道数据,和你一起,用常人思维+数据分析,通过数据讲故事,我们下一讲再见,敬请关注!

      注:文中数据可视化分析截图皆来自奥威软件零售行业BI方案(零售数据分析解决方案)。

楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-29 14:33

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表