基于tableau從商業(yè)分析模型角度對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行多維度分析

常規(guī)商業(yè)數(shù)據(jù)分析方法：

• 財(cái)務(wù)多維指標(biāo)
• 客戶生命周期
• 客戶價(jià)值RFM
• 客戶留存分析
• 購物籃關(guān)聯(lián)分析
• 漏斗轉(zhuǎn)化ABtest

以下內(nèi)容主要從商業(yè)分析模型的搭建思路入手，具體模型落地實(shí)現(xiàn)的具體步驟及商業(yè)交互分析產(chǎn)出價(jià)值等部分請(qǐng)參考后續(xù)。

【財(cái)務(wù)多維分析模型】

場景：對(duì)超市的產(chǎn)品進(jìn)行研究，判斷產(chǎn)品近年來銷售狀況與利潤率狀況，對(duì)公司的產(chǎn)品進(jìn)行全局的把握。

首先制定KPI，指標(biāo)選取近兩年的銷售額、銷售額增長率、利潤、利潤率。

銷售額2015

銷售額2016

銷售額增長率2016

利潤2016

利潤率2016

傳統(tǒng)財(cái)物報(bào)表

傳統(tǒng)財(cái)物報(bào)表比較冗長，無法直觀地看出產(chǎn)品的具體情況，因此需要用氣泡圖進(jìn)行分析。用分層結(jié)構(gòu)進(jìn)行下鉆，產(chǎn)品分成結(jié)構(gòu)：類別－子類別－制造商－產(chǎn)品名稱；

客戶位置分層結(jié)構(gòu)：地區(qū)－省／自治區(qū)。

產(chǎn)品氣泡圖

通過產(chǎn)品氣泡圖，可以直觀看出技術(shù)的2016銷售額增長率最高，辦公用品最低；

在利潤率方面，辦公用品的利潤率是最高的，技術(shù)則最低；

通過下鉆功能判斷出子類別，制造商，產(chǎn)品名稱方面的2016銷售額增長率和利潤率的狀況。

另一個(gè)維度上是客戶位置層面上銷售額增長率和利潤率的關(guān)系。用位置氣泡圖來表達(dá)。

位置氣泡圖

那么要從產(chǎn)品和位置兩個(gè)層面看銷售額增長率和利潤率的關(guān)系，關(guān)聯(lián)兩張氣泡圖，編輯篩選器操作一般選擇。

超市財(cái)物多維分析儀表盤

會(huì)不會(huì)發(fā)現(xiàn)上述儀表盤操作不是很方便，不能將產(chǎn)品和位置包含的所有維度都篩選到。這里需要引入?yún)?shù)，起到一個(gè)按鈕的功能，和維度配合起來使用。??參數(shù)是不能作為橫縱軸。

新建參數(shù)－產(chǎn)品層級(jí)：類別，子類別，制造商，產(chǎn)品名稱。

對(duì)應(yīng)的維度，維度－產(chǎn)品層級(jí)：

新建參數(shù)－位置層級(jí)：地區(qū)，省／自治區(qū)

對(duì)應(yīng)的維度，維度－位置層級(jí)：

加入?yún)?shù)的儀表盤是這樣的，可以篩選出產(chǎn)品層級(jí)中的類別，子類別，制造商，產(chǎn)品名稱；位置層級(jí)中的地區(qū)，省／自治區(qū)。如此可以查看出家具在各個(gè)省的2016銷售額增長率和利潤率狀況，進(jìn)而幫助業(yè)務(wù)部門排憂解難。

【客戶生命周期模型】
1.計(jì)算出客戶數(shù)量

2.計(jì)算出每一個(gè)客戶的第一次購買時(shí)間FOD

3.計(jì)算出每一個(gè)客戶的最后一次購買時(shí)間LOD

4.計(jì)算出R

5.計(jì)算出L

RL模型

將R值以6為邊界，L以12為邊界?！窘Y(jié)合業(yè)務(wù)邏輯制定邊界】

客戶生命周期分類

客戶生命周期分類中根據(jù)邊界邏輯，表示出新客戶，忠誠客戶，流失的老客戶，一次性的客戶的具體邏輯。

圖1:客戶生命周期

上述表中只篩選出近兩年消費(fèi)的客戶，客戶生命周期中表示出新客戶，忠誠客戶，流失的老客戶，一次性的客戶。想要直觀看出這四類客戶的具體數(shù)目，需要用tableau的條形圖計(jì)算下，結(jié)果如圖2所示。

圖2:客戶數(shù)by生命周期分類

將生命周期分類的客戶最近4年來的銷售額趨勢(shì)走向，判斷最初定的R值和L值是否合適，結(jié)果如圖3所示。

圖3:銷售趨勢(shì)圖

要清楚得出各類客戶的近年的銷售額狀況，關(guān)聯(lián)3張氣泡圖，編輯篩選器操作一般選擇。

圖4:客戶銷售數(shù)據(jù)儀表盤

在選擇流失的客戶時(shí)，發(fā)現(xiàn)近年來的銷售數(shù)據(jù)也可以，之前買了很多，近期的頻率只是低了點(diǎn)，并沒有流失。

客戶生命周期模型的局限性

1.L不一定真實(shí)反應(yīng)客戶和我們?cè)谝黄鸬臅r(shí)間，比如一個(gè)客戶十年買了一次，昨天買了一次，L＝10年，但這顯然沒有意義

2.忽略了客戶和我們互動(dòng)的頻率和購買量的大小

可見客戶生命周期模型只是對(duì)客戶進(jìn)行粗略地劃分，沒有考慮客戶購買的頻率，每次購買的量是多少。而RFM模型可以將劃分客戶的精準(zhǔn)度提高。

選定流失的老客戶后交互儀表板的呈現(xiàn)：

【客戶RFM價(jià)值模型】

在客戶生命周期分類中表明

L＝LOD－FOD。

R＝＃今天＃－LOD。

F代表從L整段時(shí)間內(nèi)的消費(fèi)頻次。

M代表在L整段時(shí)間內(nèi)的總計(jì)消費(fèi)額。

根據(jù)RFM3個(gè)維度，可以將客戶分層8種。

關(guān)鍵字段：

訂單＃

訂單＃2016

訂單＃2016-客戶：每個(gè)客戶多少個(gè)訂單

F分類

M分類

R分類

RFM分類

[R分類]+[F分類]+[M分類]

客戶RFM價(jià)值：

[RFM分類]

WHEN '近高高'THEN'重要價(jià)值客戶'

WHEN '近低高'THEN'重要深耕客戶'

WHEN '遠(yuǎn)高高'THEN'重要喚回客戶'

WHEN '遠(yuǎn)低高'THEN'重要挽留客戶'

WHEN '近高低'THEN'潛力客戶'

WHEN '近低低'THEN'新客戶'

WHEN '遠(yuǎn)高低'THEN'一般維持客戶'

WHEN '遠(yuǎn)低低'THEN'流失客戶'

客戶RFM價(jià)值分類－銷售額&訂單數(shù)

客戶RFM價(jià)值by地區(qū)

客戶RFM價(jià)值－產(chǎn)品

【客戶留存分析模型】

客戶留存分析模型是測(cè)量我們留住新客戶的能力

1. 這個(gè)月我們發(fā)展了100名新客戶，第二個(gè)月還剩多少活躍？第三個(gè)月還剩多少活躍？第四個(gè)月，第五個(gè)月等等。

2. 下個(gè)月我們發(fā)展了100名新客戶，第二個(gè)月還剩多少活躍？第三個(gè)月，第四個(gè)月，第五個(gè)月。

3. 再下個(gè)月，又發(fā)展了100名客戶。。。

圖1:每年新客戶的數(shù)量

定義：逝去的時(shí)間

（如：2013年新增的客戶數(shù)，2014年留存率，是相對(duì)2013年的第一年，2015年相對(duì)2013年是第二年。）

圖2:每年客戶留存率

新增參數(shù)－時(shí)間間隔，就可以用按鈕的方式，篩選年，季度，月三個(gè)維度的逝去的時(shí)間。

圖3:新增參數(shù)的操作流程

在2013年新客戶數(shù)不一定是506，因?yàn)閿?shù)據(jù)源是從2013年開始采集的，所以506包括的是2013年以前的新增客戶數(shù)，2014年新增客戶數(shù)是202，2015年新增客戶數(shù)是52，2016年新增客戶數(shù)是11，有次可以直觀看出，新增客戶的能力在嚴(yán)重降低。

根據(jù)數(shù)據(jù)源可知，客戶購買的頻率不高，最多一年購買8次，最少的就1次。而數(shù)據(jù)存留模型比較適合一定頻率的購買，本身購買的頻率不高，按照月度來計(jì)算就會(huì)很差，按照年比較合適，如此時(shí)效性很差，本身不適合客戶存留模型。

圖4：每季度客戶留存率

客戶存留分析模型的應(yīng)用場景和注意事項(xiàng)

1. 購買行為可以被其他更合適的行為靈活代替，比如app中的登陸上線

2. 只適用于高頻率的場景，而去客戶行為的停止意味著客戶的流逝（比如汽車行業(yè)是低頻消費(fèi)行業(yè)，所以不適合客戶留存分析模型）

3. 所選的時(shí)間間隔（年／季／月／周／日）應(yīng)符合客戶的購買頻率，比如某類客戶一周不購買就可以當(dāng)作流逝，那么時(shí)間間隔應(yīng)為周。（比如樓下的小餐館，去過一次不去了，代表該客戶已經(jīng)流逝）

【購物籃關(guān)聯(lián)模型】
購物籃分析 Market Basket Analysis 是銷售數(shù)據(jù)研究顧客的購買行為。零售、電信、金融服務(wù)、保險(xiǎn)、醫(yī)療等多行業(yè)，可通過了解顧客的購買習(xí)慣和規(guī)則，挖掘商業(yè)利益并建立競爭優(yōu)勢(shì)。

“請(qǐng)問我如何才能在 Tableau 中算出購買了某一類產(chǎn)品，同時(shí)購買其他類產(chǎn)品的訂單數(shù)量？“很多用戶提出類似的需求。

實(shí)現(xiàn)購物籃分析的重要一環(huán)，是需要完成同現(xiàn)關(guān)系（Co-Occurrence）分析。

我們?cè)?Tableau 中可以用參數(shù)和集的功能配合來實(shí)現(xiàn)這個(gè)計(jì)算效果。

具體步驟如下：

STEP 1 : 創(chuàng)建參數(shù)

首先，連接示例-超市數(shù)據(jù)源。然后，創(chuàng)建1個(gè)參數(shù)，命名為“選擇產(chǎn)品”，數(shù)據(jù)類型選擇為“字符串”，允許的值選擇“列表”，“值列表”選擇從字段添加“子類別”字段的所有值。

創(chuàng)建完成后，顯示此參數(shù)控件。

STEP 2 : 創(chuàng)建計(jì)算字段

我們需要?jiǎng)?chuàng)建2個(gè)計(jì)算字段：

第一個(gè)計(jì)算字段，命名為“同時(shí)也購買了”（公式如下），用于標(biāo)識(shí)訂單（除了用戶通過參數(shù)選擇的產(chǎn)品外）同時(shí)包含的其他產(chǎn)品。

第二個(gè)計(jì)算字段，命名為“產(chǎn)品計(jì)數(shù)”（公式如下），用于計(jì)數(shù)匹配的產(chǎn)品。

STEP 3 : 創(chuàng)建集

接著，我們創(chuàng)建一個(gè)集來確定某個(gè)訂單是否具有在參數(shù)控件中選擇的項(xiàng)：右鍵維度里的“訂單Id”字段，選擇“創(chuàng)建”-“集”。

然后，在彈出的創(chuàng)建集對(duì)話框中，輸入集的名稱“是否包含選定產(chǎn)品”，轉(zhuǎn)到“條件”選項(xiàng)卡，選擇“按字段”-“產(chǎn)品計(jì)數(shù)”-“總和”-“>=”-“1”。

該集用于確定某個(gè)訂單是否具有在參數(shù)控件中選擇的項(xiàng)。

STEP 4 : 創(chuàng)建視圖

最后，我們來創(chuàng)建所需要的視圖：

• 將“同時(shí)也購買了”拖到“行”功能區(qū)；
• 將“訂單Id”拖到“列”功能區(qū)，在警告對(duì)話框中，單擊“添加所有成員”；
• 在“列”上單擊“訂單Id”字段，并選擇“度量”-“計(jì)數(shù)(不重復(fù))”以更改聚合；
• 在圖形中右鍵單擊 “Null”條形，并選擇“排除”；
• 將“是否包含選定產(chǎn)品”集拖到“篩選器”功能區(qū)。

這樣，我們就能計(jì)算出：同時(shí)購買包含多種子類別產(chǎn)品的訂單量。

通過右側(cè)的篩選器，我們選擇不同的產(chǎn)品類別，很容易查看”與此類別商品同時(shí)購買“的其他商品類別的訂單量.

購物籃分析 Market Basket Analysis 之關(guān)聯(lián)購買

NO.1 同時(shí)購買的訂單數(shù)

第一個(gè)示例，呈現(xiàn)同時(shí)購買多個(gè)子類別產(chǎn)品的訂單數(shù)。

將維度“子類別”拖放至篩選器。右擊篩選器上的“子類別”膠囊，在下拉菜單中單擊“編輯篩選器”。在彈出的“篩選器[子類別]”對(duì)話框中，選擇“全部”。

2 右擊篩選器上的“子類別”膠囊，在下拉菜單中單擊“顯示篩選器”。然后，在工作表視圖右側(cè)的篩選器中，單擊“子類別”右側(cè)小三角，勾選“多值（下拉列表）”。

3 將維度“訂單ID”拖放至標(biāo)記卡的“文本”中，然后單擊文本“訂單ID”右側(cè)小三角，在下拉菜單中選擇“度量”—“計(jì)數(shù)（不同）”。

此時(shí)，圖表顯示的是所有子類別的去重訂單數(shù)量（如下圖）。

當(dāng)在篩選器中，同時(shí)勾選“標(biāo)簽-電話-復(fù)印機(jī)”時(shí)，圖表會(huì)顯示三種子類別產(chǎn)品的累計(jì)訂單數(shù)量。

這顯然不是我們想要的，我們要的是同時(shí)購買這三種子類別的訂單數(shù)量。如何實(shí)現(xiàn)呢？

4 接下來，創(chuàng)建一個(gè)計(jì)算字段命名為：判斷真假。

鍵入函數(shù)：

5 再右擊篩選器上的“子類別”膠囊，在下拉菜單中選擇“添加到上下文”。然后，把剛剛創(chuàng)建的計(jì)算字段“判斷真假”拖放至篩選器。右擊篩選器上的“判斷真假”膠囊，在下拉菜單中選擇“編輯篩選器”，在彈出的對(duì)話框中勾選“真”。

Tips：這里設(shè)置成上下文，是要讓判斷真假的公式依照子類別篩選后的結(jié)果進(jìn)行選擇計(jì)算，如果不添加上下文直接拖拽判斷真假字段，會(huì)顯示‘偽’。

這樣，我們就得出同時(shí)購買多個(gè)子類別的訂單數(shù)了。

NO.2 同時(shí)購買的客戶數(shù)占比

如何呈現(xiàn)同時(shí)購買多個(gè)子類別的人數(shù)占總?cè)藬?shù)的比例。

1 創(chuàng)建新的計(jì)算字段：if 和 總客戶數(shù)。計(jì)算字段 if 的目的是求出同時(shí)購買多個(gè)子類別的客戶數(shù)。

2 將維度“子類別”拖放至篩選器，右擊篩選器上的“子類別”膠囊，在下拉菜單中選擇“添加到上下文”。將新創(chuàng)建的計(jì)算字段“if”和“總客戶數(shù)”拖放至標(biāo)記卡的“文本”中，按需調(diào)整文本的顯示格式。如此，就完成咯！

你可以根據(jù)需要，在工作表視圖右側(cè)的篩選器中勾選不同子類別，來分別查看同時(shí)購買它們的客戶數(shù)占比。

以上關(guān)于購物籃分析我們實(shí)現(xiàn)了【購物籃分析】 和 【購物籃分析之關(guān)聯(lián)購買】，用來分析“購買了某一類產(chǎn)品，同時(shí)購買其他類產(chǎn)品的訂單情況”。如果希望快速查看任意兩種產(chǎn)品之間的購買關(guān)聯(lián)性，可以考慮如何突出顯示表購物籃分析。零售企業(yè)可通過產(chǎn)品購買關(guān)聯(lián)分析，來制定產(chǎn)品套餐，獲取更多銷售額。

具體步驟如下：

1、創(chuàng)建視圖

打開 Tableau Desktop，連接“示例-超市”數(shù)據(jù)源，新建工作表。維度“訂單ID”就可以看作是購物籃，“子類別”看作是購物籃中的各個(gè)產(chǎn)品。

將維度“子類別”拖放至列，然后復(fù)制一個(gè)子類別，并將“子類別（復(fù)制）”拖放至行。。

2、創(chuàng)建計(jì)算字段

為實(shí)現(xiàn)產(chǎn)品的關(guān)聯(lián)性，需要?jiǎng)?chuàng)建幾個(gè)計(jì)算字段。右鍵單擊“數(shù)據(jù)”窗格空白處，在下拉菜單中，選擇：創(chuàng)建計(jì)算字段。分別創(chuàng)建如下計(jì)算字段：

? Total訂單數(shù)，用于計(jì)算該產(chǎn)品所有的訂單數(shù)。

?size，用于計(jì)算其它產(chǎn)品在該產(chǎn)品訂單中出現(xiàn)的訂單數(shù)。

? 產(chǎn)品關(guān)聯(lián)性，產(chǎn)品關(guān)聯(lián)性=其它產(chǎn)品在該產(chǎn)品訂單中出現(xiàn)的訂單數(shù)/該產(chǎn)品所有的訂單數(shù)。

3、將計(jì)算字段放入視圖

將剛剛創(chuàng)建的計(jì)算字段“產(chǎn)品關(guān)聯(lián)性”拖放至“標(biāo)記”卡的顏色中，將計(jì)算字段“size”、“Total訂單數(shù)”和維度“訂單ID”拖放至“標(biāo)記”卡詳細(xì)信息中。

可以看到：此時(shí)工作表中有很多小方塊，每一個(gè)小方塊就代表一個(gè)“訂單ID”。

接著，再創(chuàng)建一個(gè)計(jì)算字段：篩選器。右擊“數(shù)據(jù)”窗格空白處，在下拉菜單中選擇“創(chuàng)建”-“計(jì)算字段”。在彈出的對(duì)話框中，將計(jì)算命名為：篩選器，鍵入函數(shù)：

FIRST()=0

將計(jì)算字段“篩選器”拖放至“篩選器”卡，在彈出的對(duì)話框中，勾選：真。右鍵單擊“篩選器”卡中的“篩選器”膠囊，在下拉菜單中選擇“計(jì)算依據(jù)”-“訂單ID”，在彈出的對(duì)話框中，再次勾選：真。

單擊“標(biāo)記”卡的標(biāo)簽，在彈窗中勾選：顯示標(biāo)記標(biāo)簽。此時(shí)，會(huì)發(fā)現(xiàn)圖表上的數(shù)據(jù)是不對(duì)的。

4、修改計(jì)算依據(jù)

? 右鍵單擊“標(biāo)記”卡中的“Total訂單數(shù)”膠囊，在下拉菜單中選擇“計(jì)算依據(jù)”-“表橫穿”。這一步是對(duì)每個(gè)行上的子類別計(jì)算該子類別所有的訂單數(shù)。

? 右側(cè)單擊“標(biāo)記”卡中的“size”膠囊，在下拉菜單中選擇“計(jì)算依據(jù)”-“訂單ID”。這一步是計(jì)算行和列交叉處的訂單數(shù)，也就是同時(shí)包含兩種對(duì)應(yīng)子類別的訂單數(shù)。

? 右鍵單擊“標(biāo)記”卡中的“產(chǎn)品關(guān)聯(lián)性”膠囊，在下拉菜單中選擇：編輯表計(jì)算。

在彈出的對(duì)話框中，

- 將嵌套計(jì)算選為：Total訂單數(shù)，計(jì)算依據(jù)選為：表橫穿；

- 再將嵌套計(jì)算選為：size，計(jì)算依據(jù)選為：特定維度，勾選“訂單ID”；

- 再將嵌套計(jì)算選為：產(chǎn)品關(guān)聯(lián)性， 計(jì)算依據(jù)選為：表橫穿。

最后，在“數(shù)據(jù)”窗格，右鍵單擊度量“產(chǎn)品關(guān)聯(lián)性”，在下拉菜單中選擇“默認(rèn)屬性”-“數(shù)字格式”，在彈出的對(duì)話框中，選擇：百分比。再將工作表設(shè)置為：整個(gè)視圖，就得到我們需要的突出顯示表購物籃分析了。

從這個(gè)表中的工具提示中，可以看到：電話總共有 503 個(gè)訂單，同時(shí)包含電話和標(biāo)簽的訂單有 113 個(gè)，可以得知購買電話的 503個(gè)訂單中，有 113 個(gè)訂單同時(shí)購買了標(biāo)簽，算出兩者的相關(guān)性為 113/503=22.5%。

【漏斗轉(zhuǎn)化率模型AB測(cè)試】

AB測(cè)試應(yīng)用場景很適合互聯(lián)網(wǎng)，不適合實(shí)業(yè)，只要符合樣本選取的原則，符合相關(guān)性。

漏斗轉(zhuǎn)化率是運(yùn)營模型，強(qiáng)大之處是不用客戶真正發(fā)生購買就可以進(jìn)行分析。

渠道策略：流量＊轉(zhuǎn)化率＊客單價(jià)＊復(fù)購率。

場景：某線上購物app，路徑：app主頁－用戶注冊(cè)－產(chǎn)品頁面－付款頁面－成交頁面，成交率只有20%。案例中給出當(dāng)前和改進(jìn)后的兩個(gè)版本。

思考：如何使得從主頁到成交頁面的用戶提高。拆分下去，保持變量與定量的關(guān)系，開始頁面到成交頁面的每個(gè)節(jié)點(diǎn)都要進(jìn)行優(yōu)化。

圖1:頁面用戶數(shù)表

圖2:頁面用戶直方圖

圖3:當(dāng)前版本頁面與用戶直方圖（含轉(zhuǎn)化率）

圖4:改進(jìn)前后頁面與用戶直方圖（含轉(zhuǎn)化率）

紅色代表客戶流失率高，綠色代表客戶流失率低。付款頁面優(yōu)化后，可明顯看出客戶流失率降低了58.9%，最后成交量比原來提高205%。通過漏斗轉(zhuǎn)化率模型可以清晰了解產(chǎn)品有效優(yōu)化的節(jié)點(diǎn)。

總結(jié)

以上是生活随笔為你收集整理的判断用户是否存在再进行新增_基于tableau从商业分析模型角度对业务数据进行多维度分析--【商业分析类】...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。