/carrie1/ecommerce-data

数据集大小：4198764*8

数据集字段含义： InvoiceNo(发票号码)， StockCode(货物代码)，Description(货物描述)， Quantity(数量)， InvoiceDate(发票日期)， UnitePrice(单价)， CustomerID(客户账号)，Country(客户所在国家)

通过下面步骤来分析该数据集：

二. 提出问题

根据对数据的初步了解发现数据主要包括用户类数据和产品类数据。

用户类数据包括用户ID ，用户的所在国家，用户的购买次数（订单数），用户的购买时间，用户购买量。

产品类数据主要包括产品ID， 产品的描述， 产品的单价。

分析思路如下：

根据思维导图提出以下问题：

1.客户可以进行那些分类？哪些客户最具价值？ 哪些客户最值得挽留？

2.客户分布在哪些国家？客户最多的国家？客户主要分布区域？

3.客户在哪时间段比较活跃？

10 畅销产品有哪些？ 季节的变化是否对产品的销售有影响？那个季度或者月份的销售额最好？

5.最畅销产品单价分布区域？

三.清洗数据

1.选择子集

只选择对数据分析有意义的字段，无意义的字段进行暂时隐藏。通过观察发现每一个产品都有独特的StockCode(货物代码)， 可以将该列进行隐藏。

2.列名重命名

下载的数据列名是英文，为了方便分析，将列名更改成大众所熟悉的中文名称。

3.删除重复值

根据唯一的列来删除重复值，5226个重复值被删除

4.缺失值处理和异常值处理

零值和负值：在单价列中，我发现存在15879 行0值和负值，不符合数据销售逻辑。 通过对货物描述的查看， 发现大部分的单价为0的记录是对有缺陷货物的处理或者是礼品。 此类数据对所提出问题的分析无用，所以进行删除。

在数量列中， 发现有9288 个记录是负值， 发票号由首字母和数字组成，推测此类记录为退货记录. 决定此类数据进行单独存储。

空值： 通过filter 功能发现客户销售数据分析， 客户ID缺失的客户主要集中在UK，France, HongKong , Israel, Bahrain, Portugal, Swithzerland, Eire 和不确定国家。查看数据集发现，客户缺失数集的同一商品的单位价格高于有客户账号的价格， 在这里推测无账户进行的交易为零售交易。所以我将这一部分的数据移除出另外的表中。

5.一致化处理

1）货号

通过过滤货号发现， 总共由三个列别组成， 纯数字类， 数字加字母类别，纯字母类。

通过查看描述发现：纯数字类为不同的商品，数字加字母类为同种类商品的不同颜色或者形状，纯字母类为邮寄费或者银行费用等。所以，纯字母类别的数据与我们研究的问题无关，可以删除。并将数字类货号转化成文本形式。

2）发票号

发票号不需要进行计算直接转换成文本格式。选中发票号全列，右击编辑格式，选择文本格式。

6.补充必要数列

计算公司的季度以及月度销售额，所以需要增加每张发票每个商品的合计额。 通过插入函数，计算数量和单价的合计。并双击单元格右下角，运用到全列。

三.构建模型

数据清洗完以后，就可以根据前面提出的问题和分析思路来分析了。

1、客户可以进行那些分类？哪些客户最具价值？ 哪些客户最值得挽留？

回答这个问题需要使用RFM模型对所有的客户进行客户价值分类。RFM模型：

R（Recency）：是指最近一次消费

F（Frequency）：是指消费频率

M（Monetary）：是指消费金额

首先计算出R值，F值和M值。 客户最近一次购买产品距离2011 年12月9号的天数，此时间段购买的次数 ， 以及单个客户的购买总额。 其次，再对各个值进行标准化。

其次，再设置R、F、M值的参考值。 在此次分析中我选择了平均值为参考值。 然后， 将标准化的的R、F、M值与其参考值进行比较， 大于为1，小于为0. 最后，对客户价值进行分类。

客户价值分类，模型按 (2*2*2) 分为以下标准的8类。

通过对数据按照上面所说方式建模得出以下模型：

【作业点评】

选择哪个图表的判断标准是能不能一眼看的懂这张图形的含义。这里图表选择条形图不对，因为很难一下子区别出来。

因为这里图表是对RFM模型可视化，像这种存在前后转换关系的，如果用条形图不排序，就很难区分出来。但是如果排序的话，就会打乱前后转换关系前后顺序。

单一对比，用条形图和柱形图都没事，如果涉及前后转化关系，条形图就不合适了。这里更适合的是三维象限图，如果你会做的，是更好的。如果不会坐，也可以选择用柱形图。

通过上面图表可以看出，该电商缺乏有价值的客人。重要价值客户， 交易金额大， 交易频繁且最近交易的客人只占27位， 占比0.62%。

重要唤回，挽留和深耕客户占比很低，总占比不到1%； 而一般维持客户却占比百分之30.41%，此类客人虽然交易次数较多但是贡献不大。

由此说明该电商缺乏交易累积金额较高的客户。但值得庆幸的是， 该电商吸引新客户的能力较强且具备比较大的潜力客户的基础。新客户占总比百分之38.55%， 潜力客户占总比百分之15.38%。

通过对模型的分析，我建议该电商可以针对不同的客户群体进行针对性市场调研，根据调研结果的市场营销活动。

例如：对重要价值，唤回，挽留和深耕客户，需要提升公司的服务质量和产品质量 以及价格优势等，刺激其购买冲动，增加客户忠诚度。对于一般维持客户和潜力客户， 通过市场促销手段提升客户的交易额度，让其转化为重要客户。 对于流失的客户，需要进行回访，找到其流失原因。

【作业点评】

这块的建议数据支撑在哪里？你提到了市场营销活动，但是没从数据上看到哪里体现出了市场营销活动出问题了。

客户占比，是怎么得出他们的占比是不好的？是和谁对比得出的结果？

2.客户分布在哪些国家？客户最多的国家？客户主要分布区域？

通过对客户的分布创建地图，得出以下分布图：

从图表中可以看出，该电商的客户主要分布在西欧和北美等发达国家。 其中客户主要以英国客户为主， 客户数为3943，占比90.37%。

为了分析除了本土（英国）以外，其他国家客户的占比，我把英国的客户除去，得到其他国家客户占比：

由上图看出该电商的大部分客户除了在英国本土外， 其余大部分集主要集中在西欧。

所以，我建议，在维持好英国本土市场的同时，可以适当开发欧洲市场，特别是西欧市场。

通过对各国销售的对比发现，该电商的主要客户位于英国本土，国际客人占比很少。 但是欧洲市场是一个很大的市场，目标客户群体更大。且 英国的地理位置也方便该电商在欧洲的推广。

欧洲市场与英国市场基本由相同的消费习惯， 开发阻力较小，比较容易成。 例如，通过市场推广搜索，参加小礼品的交易展览，专业推广平台，提升该公司的国外市场特别的知名度。

【作业点评】

这两个占比那么高的原因是为什么呢？需要进一步拉取数据来进行分析背后的原因。

3.客户在哪时间段比较活跃？

将客户的的发票个数根据不同时间段分析用户的活跃度

假定该问题以订单数的多少了衡量成交量。以小时为单位对时间进行分组，发现客户的成交时间主要位于英国的06到20 点 。 订单量从九点这个时间开始大量增加，一直到12点的时间段达到顶峰。成交量最多的是十点到下午两点期间。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！