第一部分 产品主题分析
请参照第一篇产品主题分析
第二部分 客户主题分析
本系列是参照《Tableau商业分析 从新手到高手》网盘提取码fvyn 做的一些笔记，这本书所用到的数据在这里网盘提取码akuy。文章主要是数据分析思路，具体的技术实现看书对应的“技术实现”。
文章目录
- 第一部分 产品主题分析
- 第二部分 客户主题分析
- 前言
- 第五章 拒绝平均人：对客户进行合理的分群
-
- 1.聚类规模和消费金额条形图
- 2.消费频次以及消费金额趋势线
- 3.不同群体各类产品消费情况
- 4.消费频次和类平均消费价格散点图
- 第六章 重塑客户漏斗：研究客户流失模式，识别关键因素
-
- 1.会员留存情况
- 2.漏斗图
- 3.不同生命期会员留存图
- 4.不同组首次购买产品热力图
- 5.客户留存检测仪表盘
- 第七章 简约不简单：RFM分析与客户生命期结合
-
- 1.最后一月消费会员生命周期构成
- 2.消费频次及金额散点图
- 3.加入了生命周期颜色映射的散点图
- 4.RFM_L散点图
- 第八章 你之蜜糖，我之砒霜：不同客户对价格优惠的态度观察
-
- 1.用户获券数及用券散点图
- 2.用券比率分析
- 3.不同品类在不同折扣情况下销售变化情况
前言
本部分通过几个案例探讨以客户为维度的数据分析，包括以下几个主题：
1.客户合理分群
2.客户留存分析
3.客户生命期分析
4.产品促销反应分析
第五章 拒绝平均人：对客户进行合理的分群
为了合理地在一个比汇总数据更细、比商品消费细节更高地层级上归纳出客户的购买行为特征，我们一般会根据需要重新计算生成一些特征指标，然后依据群体划分的商业目标选择一些指标，使用聚类算法进行聚类。
1.聚类规模和消费金额条形图
我们绘制群体聚类规模和群体消费金额的条形图，可以观察到划分出的群体聚类规模并不均匀，3个群体规模较大，其他的几个群规模较小。不同群集贡献的购买金额和集群规模并不完全对应。
2.消费频次以及消费金额趋势线
靠近图形右上方的群体：消费累计次数多，累计金额多，点的大小相对较小。说明多数购买的是低价格产品，多次的消费行为累高了金额，推测主要是生活常用品消耗用户，并且属于客户生命周期比较长的客户。
按照不同集群添加趋势线，观察不同群体的消费频次和消费金额的关系，有看到有的集群以更少的产品消费频次贡献了更多的消费额，譬如1，5，8，9集群，集群10数量太少，观察到的行为偶然性太大，可以暂时忽略。
3.不同群体各类产品消费情况
我们分开观察每个集群在不同大类上的购买数量和购买金额，图形的柱状为集群的品类购买记录数，区域图为集群品类消费金额。
举例说明：集群1的总体规模不大，该群体行为显示了比较有趣的模式，在服装、化妆品和数码产品上都表现出了一定的购买倾向，群体中非常可能有大部分夫妻协同购物者，我们可以称之为“恩爱的协同家庭”。
4.消费频次和类平均消费价格散点图
由上图我们可以更加清晰观察不同集群购买频次和购买产品的平均价格水平模式，譬如集群规模最大的集群3，购买频次和平均购买价格水平都较低。
第六章 重塑客户漏斗：研究客户流失模式，识别关键因素
经典营销学的理论，早已从各个角度证实了与老客户做生意比新客户的成本更低。但是在现实中，很多企业在老客户的维持和留存上，并没有采取什么特殊的策略，老客户的流失还是比较严重的。那么企业应该如何用好数据，做好老客户的分析、维持和营销管理呢？
以下用一个既有实体店又有电商店的母婴企业案例来与大家分享。
1.会员留存情况
图形的纵轴为用户注册会员月份，横轴为会员用户购买时间所对应的时间。每个柱子代表，在纵轴对应月份注册会员并在横轴对应月份有购买行为的会员人数。每一行第一个柱子代表，横轴对应月份并在注册当月有购买行为的用户，显然在注册会员初期，用户的购买行为最为频繁。
这里需要注意的是因为每个用户的时间窗不同，采取构建筛选器“购买点会员生命周期”为0-12月（不考虑12-18月），从而保证了每个用户从注册开始有12个月的观察期。最后也可以看出，每一行的变化模式相似，则说明不同时期注册的用户存留情况接近，留存时间和注册时间没有明显的关联关系。
2.漏斗图
对图形做了翻转和对称复制，绘制成大家更熟悉的漏斗图，可以更明显地看出，虽然有一些小差异，但总的会员留存模式比较接近。新注册会员在第二个月复购入数大幅度的减少，但在之后的时期会有比较稳定的复购频率。
3.不同生命期会员留存图
是否大规模用户市场留存率就是这种水平呢？我们再来观察一下不同地域用户的留存情况。并增加了一个时间维度的字段，增加了一条会员留存曲线（橙色线）。
按照这个标准，我们根据第12个月的客户留存情况，将不同购买地域用户归纳为三个不同等级组，其中得分最高的是SDWF（山东潍坊）组，最低的是WEB（电商平台）组，接下来可以以这两组进行更加深入的研究。
4.不同组首次购买产品热力图
接下来绘制不同组首次购买产品热力图，观察不同留存率的首次消费的品类情况，颜色越深的单元格代表购买数量越多。
首先发现，通过网络注册的电商用户行为模式和实体店的客户购买模式非常不同，电商用户注册之后每个月的留存率普遍低，说明想要维护信息渠道高度发达、普遍具有“比价购买”行为模式的网络用户很困难。
留存率最高的SDWF地区的用户，首次购买行为中防尿用品的平均购买量高于其他群体。这是偶然行为，还是在营销上可以产生价值的持续特征信息？如果客户注册初次购买行为中努力多促成这种产品的消费，是否会提高留存率呢？这个问题在当前数据集中无法获取答案。
5.客户留存检测仪表盘
仪表盘（Dashboard）通常需要按照企业的管理思路与使用习惯来设定，另外不同层级的管理级通常具有不同的报表权限，因此还需要考虑到高层、中层和基层的管理视角。
第七章 简约不简单：RFM分析与客户生命期结合
“RFM”框架包含以下三个指标，解释起来非常简单：
1.Money,代表客户总的销售额度
2.Frequency，代表客户购买频次
3.Recently，代表客户最后购买点时间距离当前时间的差
1.最后一月消费会员生命周期构成
首先观察数据集内最后一个月内有消费的客户，以30天为间隔绘制直方图。可以看到，最后月份有消费行为的客户，以生命期1年期左右的客户为主，2-3年的老客户也具有相当的比重。就零售业来说，客户生命周期的结构还算健康（因为观察复购客户行为，所以数据中排除了当天办卡当天消费的用户）。
2.消费频次及金额散点图
观察消费频次及金额散点图，绘制一条过原点的趋势线，图中颜色比较深的区域。是很多点重叠在一起。多数点围绕在趋势线附近，说明多数消费行为的客单价的水平相对比较稳定。
从通过原点拟合的趋势线（回归线）系数可以看到，客单价平均在200元左右（无截距回归线的系数代表客单价平均水平）。
3.加入了生命周期颜色映射的散点图
加入了生命周期颜色映射的散点图，观察所有客户最后一次消费的时间点距离2014年8月1日的天数。比较小的R值对应比较鲜艳的颜色，代表最后一次消费时间距离分析点时间比较近，客户仍然活跃。现在可以更加清晰地看到，靠近右上方的、相对而言消费频次和总金额比较高的用户，多数是较活跃的用户。
4.RFM_L散点图
我们进一步探查这些活跃的、消费额较高的群体，在最后的消费时间点都是处于生命周期的什么状态？是一些老客户呢，还是生命期中等的客户，抑或是刚刚注册的新客户？
在图形中加入客户最后一次消费时间点的生命周期信息，以图形大小来表示。观察不同消费状态的客户生命周期状态，我们看到，颜色鲜艳的活跃用户群体中，消费频次和金额比较高的用户，他们中的多数生命期比较长（数据点相对较大）。
另外，有一小部分点很小，但是消费频次或消费金额和群体平均水平相对比较高，这说明这些用户在相对短期的期间累计了较高频次的消费次数或消费金额，这为我们提供了一个值得追踪的客户群体的线索。
第八章 你之蜜糖，我之砒霜：不同客户对价格优惠的态度观察
本案例来源于Bizinsight分析过的一个企业案例，本章将利用其中消费者优惠券研究和价格弹性研究的部分内容做示例。
1.用户获券数及用券散点图
散点图代表了大多数时候优惠券促销的真实情形：左下角密集，其他区域分散。请注意横轴与纵轴的刻度比例尺不相同。图中每个点代表一个客户。左下角的点密集，表示大多数客户获得了100张优惠券使用了不足20张。图中还有许多稀疏的点，只代表了不同客户对优惠券促销的反应不同。散点图中那些分布上下左右不同位置的点，至少证明了一件事：人群存在差异，“优惠券”营销值得深入研究。
2.用券比率分析
增加一个【用券比率】字段，然后按10%对字段进行分割，绘制该字段的直方图，如下图所示：我们可以看到，前三个柱明显比其他柱体高，说明使用了所获得优惠券30%以内的客户占绝大多数。
看到了以上信息，我们需要进一步了解这种用券比率差异，是随机出现的，还是受到某些因素的影响，比如地域的差异、产品差异等。这里先观察一下不同地域的优惠券使用比，在散点图中增加不同地域指标来衡量。
增加颜色来区别不同的区域，如下图所示，看到不同地域在图形中分布确实不同，但因为点相互交叉覆盖，所以无法清晰地看出每个区域地比率，因此为每个区域增加趋势图。
3.不同品类在不同折扣情况下销售变化情况
按照商品类别继续绘制数据条形图，进一步观察不同品类在不同折扣情况下的销售变化情况，这里排除了每个价格中购买次数小于100的商品品类。从下图可以看出，洗衣用品在接近半价的时候，有最高销售量；婴儿纸类用品，勉强符合"降价越多，销售量增加越多"的趋势；但在牛奶粉上，客户对于国底的折扣并不敏感，7折左右时销售量最好，但价格继续降低时销售并没有获得显著的上升。
综合看来，消费者有自己的价值判断，并非产品“越便宜越买账”，一些产品莫名其妙的超低价可能会引起消费者的警惕。