Python数据分析与可视化（微课版） 课件 ch08 电商订单数据处理与客户价值分析

第8章电商订单数据处理与

客户价值分析Python数据分析与可视化学习目标熟悉电商平台数据处理与分析的步骤和流程掌握电商平台数据可视化常用的方法了解客户价值概念和RFM模型的基本原理掌握用户复购率的计算方法学会针对不同价值客户制定相应的营销策略任务八：电商订单数据处理与客户价值分析8.1电商订单数据处理与分析8.2电商订单客户价值分析目录CONTENTS

信息时代的来临使得企业营销焦点从产品转向了客户，客户是企业经营体系中经济创造的重要一环，企业的经济收入大部分都来自客户，科学的客户价值理念是企业立足于时代发展的重要保障。客户关系管理（CustomerRelationshipManagement，CRM）是一个系统，包括市场、销售和服务三大领域，是一种“以客户为中心”的商业理念，通过在企业和客户之间建立、维系并提升良好的关系，培养企业的忠实客户，从而达到客户价值和企业利润的最大化，实现双方的合作共赢。概述

在数据经济的不断发展和数据科学日渐成熟的背景下，数据作为重要的生产要素已经融入各行各业中，数据与数据分析变成了企业发展的核心内容，特别是电子商务数据分析与利用已是电商企业运营决策的重要依据。当前，数据分析已贯穿企业产品开发、市场规划、产品销售、运营管理、客户服务等企业经营管理全过程，能否高效准确地对海量数据进行处理和分析，及时获取企业内部运营状况和外部市场情况，进行有效决策，成为决定企业能否长远发展的重要因素。当前，数据分析越来越受到企业的重视，在数字经济发展中发挥出重要作用。概述

那如何从客户的购买行为数据中了解和掌握客户真实需求成为竞争的关键因素。鉴于此，我们以2021年电商平台线上实际交易数据为依据，根据客户全生命周期各阶段的特点，从顾客、商家以及商品3个方面综合应用数据挖掘分析方法进行系统全面的客户行为分析研究，以达到为网店经营者提供决策支持的目的。帮助商家寻找保持现有客户，发掘潜在客户，提升客户价值具体的、有针对性的途径，使网店经营者在客户全生命周期的各个阶段都能制定符合自身经营特点的经营策略。概述（1）数据预处理，处理与业务流程不符的数据、空数据和数据类型不一致的数据等。（2）计算出2021年交易总金额（GMV）、总销售额、实际销售额、退货率和客单价。（3）计算出2021年每月的GMV、销售额、实际销售额及绘制出月交易额趋势图。（4）绘制出各渠道GMV占比圆环图。（5）分别绘制出周一至周日下单量和每日各时段下单量的柱状图。（6）以月为周期对用户进行复购率分析。（7）结合RFM模型筛选特征。（8）绘制出八种不同价值客户的占比饼图。任务分解8.1电商订单数据处理与分析

随着信息技术的飞速发展，依托于电子商务的线上购买模式已逐渐成为消费者获得商品的主要方式。以淘宝、微信、抖音、APP和网站为代表的交易模式线上购物平台，搭建了一个个灵活多样的交易方式，随着日趋活跃交易的同时，所产生的海量交易数据日渐引起了商家、厂家和平台的重视。

其常见的线上交易方式主要有如下几种。常见的线上交易方式主要有如下几种：B2B：商家对商家（企业卖家对企业买家），交易双方都是企业，最典型的案例就是阿里巴巴，汇聚了各行业的供应商，特点是订单量一般较大。B2C：商家对个人（企业卖家对个人买家），例如：唯品会，聚美优品。B2B2C：商家对商家对个人，例如：天猫、京东。C2C：个人（卖家）对个人（买家），例如：淘宝、人人车。O2O：线上（售卖）到线下（提货），将线下的商务机会与互联网结合，让互联网成为线下交易的平台，让消费者在享受线上优惠价格的同时，又可享受线下贴心的服务，例如：美团、苏宁易购、大众点评。C2B：个人对商家（个人买家对企业卖家），先有消费者提出需求，后有商家按需求组织生产，例如：尚品宅配。其他：ABC（代理-商家-消费者）、F2C（工厂-个人）、B2G（政府采购）、BoB（供应商-运营者-采购商）、SoLoMo（社交-本地化-移动端）等等。数据集介绍8.2电商订单客户价值分析

客户价值即客户为企业的利润贡献度，不同的客户对公司的贡献度是不同的，一般来说，公司80%的收入是由20%的客户带来。在稳定期进行客户价值分析的目的是根据客户的价值，挖掘其需求，并根据不同的价值对客户进行分类和差异化管理。通过分类，识别出可以为企业带来更大利润的顾客；并通过一系列的营销手段，提升客户满意度及忠诚度，使得企业获得更多的利润。

本例使用8.1小节预处理过的电商订单数据对客户价值进行分析，和应用被广泛使用的RFM模型来识别不同价值的客户。8.2.1RFM模型简介RFM模型是使用较为广泛的客户关系管理分析模式，是一种客户价值细分的统计方法。该模型包括R（Recency，近度）、F（Frequency，频度）以及M（Monetary，金额）三个变量。R指的是最近一次消费时间与截止时间的间隔，通常情况下，最近一次消费时间与截止时间的间隔越短，客户对即时提供的商品或是服务也最有可能感兴趣。R值越大，表示客户越久未发生交易；R值越小，表示客户越近有交易发生。F指的是顾客在某段时间内所消费的次数。F值越大，表示客户交易越频繁；F值越小，表示客户不够活跃。消费频率越高的顾客，也是满意度越高的顾客，其忠诚度越高，顾客价值也就越大。增加顾客购买的次数意味着从竞争对手处抢得市场占有率，赚取营业额。商家需要做的，是通过各种营销方式去不断地刺激顾客消费，提高他们的消费频率，提升店铺的复购率。M指的是顾客在某段时间内所消费的金额。M值越大，表示客户价值越高，M值越小，表示客户价值越低。

通常来说消费金额越大的顾客，消费能力自然也就越大，这就是所谓“20%的顾客贡献了80%的销售额”的二八法则。而这批顾客也必然是商家在进行营销活动时需要特别照顾的群体，尤其是在商家前期资源不足的时候。8.2.1RFM模型简介通过对RFM模型的分析，要提高营业额，电商平台及店铺需做好以下几件事：建立会员金字塔，区分各个级别的会员，如顶级会员、高级会员、中级会员、普通会员。针对不同级别的会员施行不同的营销策略，制定不同的营销活动。发现流失及休眠会员，通过对流失及休眠会员的及时发现，采取营销活动，再次激活这些会员。在短信、邮件营销（EmailDirectMarketing，EDM）促销中，可以利用RFM模型，选取最优会员。维系老客户，提高会员的忠诚度。8.2.2RFM模型结果解读

RFM模型包括3个特征，无法用平面坐标系来展示，这里使用三维坐标系进行展示，X轴表示R近度特征，Z轴表示F频度特征，Y轴表示M价值指标。8.2.3使用RFM模型对订单数据进行客户价值分析

客户是企业发展的重要战略资源，应对企业客户进行有效的评价归类和管理。企业针对不同价值客户进行分类，采取与之相适应的客户管理方式，深入挖掘客户价值，实现企业利润最大化。

下面我们选取电商平台店铺销售数据中的订单创建时间、订单号和支付金额，从中提取最近购买时间、购买频率和购买金额3个指标进行RFM分析。价值客户分类占比情况分析

从商业角度来分析，能够给企业带来较为稳定的营收和利润最大化的客户主要是“重要价值客户”、“重要发展客户”和“重要保持客户”。“重要挽留客户”由于存在诸多不确定因素，因此不考虑在内。而“一般客户”类型虽然整体占比数量较大，但由于消费金额较小，很难拉动整个企业的营收。从本例电商订单的价值客户分类占比饼图来看，发现能为企业带来稳定营收和利润最大化的这三种客户共占23.56%，符合由意大利经济学家维尔弗雷多·帕累托在1906年提出的帕累托法则，又称二八法则或二八定律。即20%的人口掌握了80%的社会财富。而放在本例则为大约20%的客户为企业创造了80%的效益。本章小结

本章结合电商订单客户价值分析的案例，介绍了RFM模型和客户价值的概念，以及客户价值分类的方法。详细介绍了电商平台数据处理与分析的步骤和流程，