Excel電商數(shù)據(jù)分析與應(yīng)用 課件 11.3.1消費(fèi)者復(fù)購率計(jì)算與分析11.3.2復(fù)購間隔分析11.3.3復(fù)購產(chǎn)品歸因分析

消費(fèi)者運(yùn)營分析11.3.1消費(fèi)者復(fù)購率計(jì)算與分析&11.3.2復(fù)購間隔分析&11.3.3復(fù)購產(chǎn)品歸因分析1消費(fèi)者復(fù)購率計(jì)算與分析2CONTENTS復(fù)購間隔分析3復(fù)購產(chǎn)品歸因分析消費(fèi)者復(fù)購率計(jì)算與分析PARTONE消費(fèi)者復(fù)購率計(jì)算與分析1.復(fù)購率計(jì)算復(fù)購率可以分為“用戶復(fù)購率”和“訂單復(fù)購率”。用戶復(fù)購率=單位時(shí)間內(nèi)：購買兩次及以上的用戶數(shù)/有購買行為的總用戶數(shù)。如單位時(shí)間內(nèi)，回頭客購買人數(shù)/總購買人數(shù)，計(jì)算出來的比例，則為重復(fù)購買率。例如在一個(gè)月內(nèi)，有100個(gè)消費(fèi)者成交，其中有20個(gè)是回頭客，則重復(fù)購買率為20%。訂單復(fù)購率=單位時(shí)間內(nèi)：第二次及以上購買的訂單個(gè)數(shù)/總訂單數(shù)。如在某個(gè)季度中，一共產(chǎn)生了100筆交易，其中有20個(gè)人有了二次購買，這20個(gè)人中的10個(gè)人又有了三次購買，則重復(fù)購買次數(shù)為30次，重復(fù)購買率為30%。2.復(fù)購率分析第一步：從8個(gè)月數(shù)據(jù)中提取出二月的數(shù)據(jù)來計(jì)算復(fù)購率，那么復(fù)購率的計(jì)算值是不是需要某個(gè)值作為參照標(biāo)準(zhǔn)呢？高于這個(gè)值表示二月復(fù)購率較為理想，低于這個(gè)值表示二月復(fù)購率不達(dá)標(biāo)。第二步：同時(shí)計(jì)算出2022年7月—2023年1月數(shù)據(jù)的平均復(fù)購率和二月的復(fù)購率，比較二月的復(fù)購率和近7個(gè)月的平均復(fù)購率，若二月的復(fù)購率高于近7個(gè)月的平均復(fù)購率，則可謂運(yùn)營頗有成效。例：某網(wǎng)店運(yùn)營人員現(xiàn)有該網(wǎng)店2022年7月—2023年2月的訂單數(shù)據(jù)，希望深入了解該網(wǎng)店二月的消費(fèi)者復(fù)購情況。數(shù)據(jù)采集自商家后臺(tái)的訂單報(bào)表和寶貝報(bào)表。解：分析思路如下。消費(fèi)者復(fù)購率計(jì)算與分析圖11-46圖11-47圖11-48（3）復(fù)購率計(jì)算實(shí)操例11-5：某淘寶網(wǎng)店2022年7月—2023年2月消費(fèi)者購買數(shù)據(jù)如圖11-46所示，計(jì)算用戶復(fù)購率。解：如圖11-47所示，在【數(shù)據(jù)】選項(xiàng)卡區(qū)中，單擊【從表格】選項(xiàng)，將數(shù)據(jù)導(dǎo)入PowerQuery編輯器，成功導(dǎo)入PowerQuery編輯器的數(shù)據(jù)如圖11-48所示。消費(fèi)者復(fù)購率計(jì)算與分析將“訂單付款時(shí)間”類型改為【日期】。如圖11-49所示，選中“訂單付款時(shí)間”列，單擊【開始】選項(xiàng)卡中的【數(shù)據(jù)類型】下的【日期】選項(xiàng)，運(yùn)行結(jié)果如圖11-50所示。圖11-49圖11-50消費(fèi)者復(fù)購率計(jì)算與分析將同一天購買兩次的消費(fèi)者去重。選中全字段，單擊【開始】選項(xiàng)卡中【刪除行】下的【刪除重復(fù)項(xiàng)】選項(xiàng)。隨后統(tǒng)計(jì)每個(gè)消費(fèi)者在2022年7月—2023年1月的購買次數(shù)。單擊【開始】選項(xiàng)卡中的【分組依據(jù)】選項(xiàng)，給數(shù)據(jù)分組，填入圖11-51所示的信息，運(yùn)行結(jié)果如圖11-52所示。圖11-51圖11-52消費(fèi)者復(fù)購率計(jì)算與分析如圖11-53所示，對計(jì)數(shù)結(jié)果進(jìn)行篩選，留下計(jì)數(shù)結(jié)果大于1的行，運(yùn)行結(jié)果如圖11-54所示。圖11-53圖11-54消費(fèi)者復(fù)購率計(jì)算與分析如圖11-54所示，單擊【開始】選項(xiàng)卡中的【關(guān)閉并上載】選項(xiàng)，將數(shù)據(jù)加載至工作表，工作表中的數(shù)據(jù)如圖11-55所示。統(tǒng)計(jì)留下的買家消費(fèi)者名個(gè)數(shù)即為7個(gè)月內(nèi)復(fù)購的買家數(shù)，此處得到的復(fù)購買家數(shù)為：648；總買家數(shù)為：24444-1380+648=23712；故可知7個(gè)月內(nèi)該網(wǎng)店平均復(fù)購率為：648/23712=0.027327935。從8個(gè)月數(shù)據(jù)中篩選出二月銷售收據(jù)，重復(fù)步驟（1）～（3）即可得到二月的復(fù)購情況，此處通過計(jì)算得出二月的消費(fèi)者復(fù)購率為0.028571429。發(fā)現(xiàn)2月的復(fù)購率比近7個(gè)月的復(fù)購率高，故說明網(wǎng)店二月的復(fù)購率處于正常值范圍。圖11-55圖11-56消費(fèi)者復(fù)購率計(jì)算與分析復(fù)購間隔分析PARTTWO復(fù)購間隔分析表11-21.復(fù)購間隔定義復(fù)購間隔天數(shù)，即消費(fèi)者復(fù)購的時(shí)間間隔，當(dāng)然數(shù)據(jù)中會(huì)出現(xiàn)一個(gè)消費(fèi)者復(fù)購多次（≥3）的情況，此處把它定義為消費(fèi)者距今最近的兩次購買時(shí)間的差值。依據(jù)復(fù)購時(shí)間間隔的大小，將消費(fèi)者分為4組，如表11-2所示。

可以根據(jù)復(fù)購時(shí)間間隔安排喚醒消費(fèi)者的活動(dòng)和時(shí)間，提高喚醒老消費(fèi)者的效果，并且可進(jìn)行一系列活動(dòng)增加新消費(fèi)者黏度。網(wǎng)店在運(yùn)營過程中，關(guān)于網(wǎng)店風(fēng)格和調(diào)性的確定也可以參考這方面的數(shù)據(jù)。復(fù)購間隔消費(fèi)者分組小于30天活躍消費(fèi)者30～90天可激活消費(fèi)者90～180天預(yù)流失消費(fèi)者180天以上無復(fù)購流失消費(fèi)者復(fù)購間隔分析2.復(fù)購間隔計(jì)算實(shí)操例：某網(wǎng)店?duì)I運(yùn)人員現(xiàn)有該網(wǎng)店2022年7月—2023年2月的銷售訂單數(shù)據(jù)，希望從數(shù)據(jù)中將消費(fèi)者進(jìn)行復(fù)購時(shí)間間隔歸類。數(shù)據(jù)采集自商家后臺(tái)的訂單報(bào)表和寶貝報(bào)表。

2022年7月—2023年2月消費(fèi)者信息數(shù)據(jù)集如圖11-57所示。解：將數(shù)據(jù)導(dǎo)入PowerQuery編輯器并將“訂單付款時(shí)間”轉(zhuǎn)化為【日期】類型，并進(jìn)行每位消費(fèi)者的去重操作，結(jié)果如圖11-58所示。復(fù)購間隔分析將每位消費(fèi)者的訂單付款時(shí)間以列表形式進(jìn)行分組。在函數(shù)編輯欄輸入：“Table.Group(更改的類型,{"買家消費(fèi)者名"},{{"購買日期列表",each([訂單付款時(shí)間]),typelist}})”，即可得到以消費(fèi)者名稱為分組依據(jù)的按列表分組的表，每位消費(fèi)者對應(yīng)的List中包含了該消費(fèi)者的所有購買時(shí)間，如圖11-59所示。將每位消費(fèi)者的最近兩個(gè)購買時(shí)間作為新列插入表中：如圖11-60所示，在【添加列】選項(xiàng)卡中，單擊【自定義列】。在【自定義列公式】框輸入：“List.MaxN([購買日期列表],2)”。注：由于日期越晚數(shù)值越大，因此取最大的兩個(gè)數(shù)。運(yùn)行結(jié)果如圖11-60所示。圖11-59圖11-60圖11-61復(fù)購間隔分析最近兩個(gè)購買日期作差計(jì)算復(fù)購時(shí)間間隔。如圖11-62所示，在【添加列】選項(xiàng)卡中，單擊【自定義列】選項(xiàng)。在【自定義列公式】框輸入：“Duration.Days(List.Max([距今最近兩個(gè)購買日期])-List.Min([距今最近兩個(gè)購買日期]))”。注：Duration.Days可提取日期的天數(shù)。運(yùn)行結(jié)果如圖11-63所示。圖11-62圖11-63復(fù)購間隔分析圖11-64圖11-65將數(shù)據(jù)進(jìn)行篩選，僅留下購買時(shí)間間隔大于0的整數(shù)行，并將數(shù)據(jù)加載至工作表，如圖11-64所示。如圖11-65所示，將數(shù)據(jù)進(jìn)行透視，繪制復(fù)購時(shí)間間隔與復(fù)購人數(shù)分布圖。復(fù)購間隔分析從圖19和圖20中可以發(fā)現(xiàn)以下情況。（1）復(fù)購消費(fèi)者中94.95%的人會(huì)在70天內(nèi)進(jìn)行復(fù)購，如果未在70天內(nèi)進(jìn)行復(fù)購，則該消費(fèi)者回購的概率微乎其微。（2）8個(gè)月內(nèi)復(fù)購消費(fèi)者中活躍消費(fèi)者有355人，可激活消費(fèi)者有176人，預(yù)流失消費(fèi)者有19人。針對可激活消費(fèi)者和預(yù)流失消費(fèi)者，可以采取以下3種方法激活：②首頁設(shè)置淘寶店鋪優(yōu)惠券、老消費(fèi)者回饋等活動(dòng)。①提升網(wǎng)店的體驗(yàn)度：通過私信等方式將老消費(fèi)者引導(dǎo)到最需要的網(wǎng)店頁提升吸引力。③合理布局標(biāo)簽和分類，讓消費(fèi)者有需要時(shí)能夠快速找到自己的目標(biāo)。復(fù)購產(chǎn)品歸因分析PARTTHREE復(fù)購產(chǎn)品歸因分析圖11-66圖11-67觸發(fā)用戶復(fù)購行為的根本因素是消費(fèi)者初次購買產(chǎn)品的消費(fèi)者體驗(yàn)。產(chǎn)品的消費(fèi)者體驗(yàn)不僅決定了復(fù)購率，還決定了企業(yè)的生死存亡。產(chǎn)品復(fù)購率的提升還是要依托于產(chǎn)品本身，如果定期對產(chǎn)品復(fù)購情況進(jìn)行分析，對于產(chǎn)品布局以及長遠(yuǎn)發(fā)展是十分有益的。1.產(chǎn)品引發(fā)復(fù)購行為數(shù)統(tǒng)計(jì)。例11-7：現(xiàn)有某網(wǎng)店2022年7月—2023年2月的產(chǎn)品銷售訂單數(shù)據(jù)集，希望從中挖掘觸發(fā)消費(fèi)者復(fù)購行為的產(chǎn)品，為網(wǎng)店3月的戰(zhàn)略調(diào)整提供數(shù)據(jù)依據(jù)。數(shù)據(jù)采集自網(wǎng)店后臺(tái)的訂單報(bào)表和寶貝報(bào)表。

2022年7月—2023年2月消費(fèi)者消費(fèi)信息數(shù)據(jù)集如圖11-66所示。將數(shù)據(jù)導(dǎo)入PowerQuery編輯器并將“訂單付款時(shí)間”轉(zhuǎn)化為【日期】類型，導(dǎo)入效果如圖11-67所示。復(fù)購產(chǎn)品歸因分析將同一天內(nèi)購買兩次的買家數(shù)據(jù)去重，每個(gè)消費(fèi)者每一天僅留下一條數(shù)據(jù)，降低復(fù)購產(chǎn)品的統(tǒng)計(jì)誤差。選中“買家會(huì)員名”列和“訂單付款時(shí)間”列，在【開始】選項(xiàng)卡中，單擊【刪除行】下的【刪除重復(fù)項(xiàng)】選項(xiàng)。統(tǒng)計(jì)有復(fù)購行為的買家數(shù)據(jù)及商品編碼。選中“買家會(huì)員名”列，在【開始】選項(xiàng)卡中，單擊【保留行】下的【保留重復(fù)項(xiàng)】選項(xiàng)。依據(jù)“買家會(huì)員名”排序，運(yùn)行結(jié)果如圖11-68所示。統(tǒng)計(jì)觸發(fā)買家復(fù)購行為的產(chǎn)品。刪除重復(fù)買家數(shù)據(jù)，留下買家首次購買網(wǎng)店產(chǎn)品的時(shí)間及商品編碼。選中“買家會(huì)員名”列，在【開始】選項(xiàng)卡中，單擊【刪除行】下的【刪除重復(fù)項(xiàng)】選項(xiàng)。運(yùn)行結(jié)果如圖11-69所示。復(fù)購產(chǎn)品歸因分析表11-3透視統(tǒng)計(jì)觸發(fā)復(fù)購產(chǎn)品的數(shù)據(jù)。將PowerQuery編輯器處理后的數(shù)據(jù)加載至工作表，運(yùn)行結(jié)果如圖11-70所示。創(chuàng)建數(shù)據(jù)透視表，將觸發(fā)買家復(fù)購行為的產(chǎn)品進(jìn)行時(shí)間及類別歸類，統(tǒng)計(jì)結(jié)果如表11-3所示。計(jì)數(shù)項(xiàng):商家編碼列標(biāo)簽行標(biāo)簽2022年2023年總計(jì)QPL8101181110217A71942400012

12QPL810122617QPL810127

337A920234002137A1134110002137A3194920003

37A127237000112311055002

27A7130440002

27A7194250001

17A127236000

117A813037000

117A3191301001

13A06510811

17A1272350001

17A71304400071

1WA3712j1

17A5131290001

17A5131300001

1總計(jì)502070復(fù)購產(chǎn)品歸因分析從上述統(tǒng)計(jì)結(jié)果可以發(fā)現(xiàn)以下內(nèi)容。2022年7月—2023年2月該網(wǎng)店共有70個(gè)產(chǎn)品觸發(fā)了買家一次或多次的復(fù)購行為。觸發(fā)買家復(fù)購行為的產(chǎn)品編碼為“QPL810118”“7A719424000”“QPL810122”，可見如若消費(fèi)者購買了這三款產(chǎn)品產(chǎn)生復(fù)購的概率較大。在商家實(shí)際的統(tǒng)計(jì)過程中，可以依據(jù)這三款產(chǎn)品的特征分析出產(chǎn)品的共性及個(gè)性，調(diào)整網(wǎng)店的產(chǎn)品布局，增加消費(fèi)者黏性。2.復(fù)購產(chǎn)品的關(guān)聯(lián)。復(fù)購產(chǎn)品的關(guān)聯(lián)即同一位買家?guī)状钨徺I的產(chǎn)品間的關(guān)系，也就是統(tǒng)計(jì)出買家第一次購買某個(gè)產(chǎn)品后第二次可能會(huì)購買什么。此處用到的數(shù)據(jù)集依舊是本小節(jié)“產(chǎn)品引發(fā)復(fù)購行為數(shù)統(tǒng)計(jì)”中的Q數(shù)據(jù)集。將數(shù)據(jù)集導(dǎo)入PowerQuery編輯器，并將同一天內(nèi)購買兩次的買家數(shù)據(jù)去重，保留有復(fù)購行為的買家數(shù)據(jù)，詳細(xì)步驟參照本小節(jié)“產(chǎn)品引發(fā)復(fù)購行為數(shù)統(tǒng)計(jì)”中內(nèi)容。將有復(fù)購行為的“買家會(huì)員名”和“訂單付款時(shí)間”按照升序排序，運(yùn)行結(jié)果如圖11-71所示。復(fù)購產(chǎn)品歸因分析圖11-72將有復(fù)購行為的買家所購買的所有商品的編號(hào)進(jìn)行分組。在函數(shù)欄內(nèi)填入函數(shù)：“Table.Group(排序的行,{"買家消費(fèi)者名"},{{"購買商品的編碼",each([商家編碼]),typelist}})”，運(yùn)行結(jié)果如圖11-72所示。復(fù)購產(chǎn)品歸因分析圖11-73圖11-74統(tǒng)計(jì)每位買家的購買產(chǎn)品總數(shù)。在【添加列】選項(xiàng)卡中，單擊【自定義列】選項(xiàng)，輸入公式：“List.Count([購買商品的編碼])”，如圖11-73所示。運(yùn)行結(jié)果如圖11-74所示。復(fù)購產(chǎn)品歸因分析圖11-76展開商品編碼列表。如圖11-75所示，單擊“購買商品的編碼”右邊的雙