Excel電商數(shù)據(jù)分析與應(yīng)用 課件 第 11章　消費(fèi)者運(yùn)營分析

消費(fèi)者運(yùn)營分析11.1.1消費(fèi)者地域分析&11.2.2消費(fèi)者行為習(xí)慣分析1消費(fèi)者地域分析2CONTENTS消費(fèi)者行為習(xí)慣分析消費(fèi)者地域分析PARTONE消費(fèi)者地域分析消費(fèi)者分布是消費(fèi)者的基本屬性，了解消費(fèi)者的分布有助于經(jīng)營者制訂運(yùn)營策略。消費(fèi)者地域分布數(shù)據(jù)可基于訂單報(bào)表進(jìn)行整理，可以指導(dǎo)品牌商或者大型電商企業(yè)進(jìn)行線下門店的布局。例：下載商家后臺(tái)訂單報(bào)表數(shù)據(jù)，分析消費(fèi)者的地域分布情況。解：下載的文件是CSV格式，將文件導(dǎo)入PowerQuery編輯器進(jìn)行清洗，如圖11-1所示，在Excel【數(shù)據(jù)】選項(xiàng)卡中單擊【從文本/CSV】選項(xiàng)。如圖11-2所示，設(shè)置對(duì)應(yīng)的文件路徑后單擊【編輯】按鈕。消費(fèi)者地域分析進(jìn)入PowerQuery編輯器后，如圖11-3所示，對(duì)訂單狀態(tài)進(jìn)行篩選，將【交易關(guān)閉】和【等待買家付款】過濾掉。如圖11-4所示，選中“收貨地址”，可以提取出每筆訂單的收貨省份，在【添加列】選項(xiàng)卡中單擊【提取】-【分隔符之前的文本】選項(xiàng)。圖11-3圖11-4庫存績效分析如圖11-5所示，在彈出的分隔符設(shè)置界面中，在【分隔符】處鍵入一個(gè)英文輸入法下的空格符號(hào)。如圖11-6所示，提取后可以獲得省份信息，修改字段名稱為“省份”。接下來基于省份統(tǒng)計(jì)匯總數(shù)據(jù)，如圖11-7所示，在【開始】選項(xiàng)卡中單擊【分組依據(jù)】選項(xiàng)。圖11-5圖11-6圖11-7庫存績效分析如圖11-8所示，進(jìn)行分組依據(jù)設(shè)置，基于“買家會(huì)員名”和“省份”分組。如圖11-9所示，由于訂單信息中會(huì)有消費(fèi)者多次下單，因此將會(huì)員合并，減少重復(fù)計(jì)數(shù)，但此時(shí)還會(huì)有重復(fù)，因?yàn)橛行〔糠窒M(fèi)者多次下單時(shí)收貨地址不一致，可能會(huì)有跨省份的訂單，此時(shí)可以忽略此情況，默認(rèn)一個(gè)消費(fèi)者存在多個(gè)省份，因?yàn)檫@種比例會(huì)很少。如果要精準(zhǔn)判斷，需要根據(jù)下單地址的頻次選擇頻次高的，但如果出現(xiàn)部分地址的頻次相同的情況，就無法判斷了。圖11-8圖11-9庫存績效分析再一次進(jìn)行分組，按照?qǐng)D11-10所示內(nèi)容進(jìn)行設(shè)置，分組結(jié)果如圖11-11所示。如圖11-12所示，單擊【開始】選項(xiàng)卡中【關(guān)閉并上載】選項(xiàng)，將數(shù)據(jù)導(dǎo)入Excel的工作表。圖11-11圖11-12圖11-10庫存績效分析在Excel中，如圖11-13所示，選中數(shù)據(jù)并單擊【插入】選項(xiàng)卡中的【數(shù)據(jù)透視表】選項(xiàng)。如圖11-14所示，在數(shù)據(jù)透視表字段設(shè)置中，將【行】設(shè)置字段為“省份”，【值】設(shè)置字段為“求和項(xiàng)：計(jì)數(shù)”。圖11-13圖11-14庫存績效分析如圖11-15所示，在“點(diǎn)擊量”上單擊鼠標(biāo)右鍵，在彈出的菜單中選擇【降序】排序。如圖11-16所示，插入柱形圖后可以更直觀地分析消費(fèi)者的地域分布，河南省、廣東省和浙江省是主要的消費(fèi)者集中地，推廣時(shí)可以偏向這三個(gè)省份。圖11-15圖11-16消費(fèi)者行為習(xí)慣分析PARTTWO消費(fèi)者行為習(xí)慣分析消費(fèi)者行為習(xí)慣可基于下單的時(shí)間特征進(jìn)行分析，可以研究消費(fèi)者下單日期為星期幾，也可以研究消費(fèi)者下單時(shí)間為幾點(diǎn)。例：下載商家后臺(tái)訂單報(bào)表數(shù)據(jù)，分析消費(fèi)者下單的行為習(xí)慣。解：下載的文件是CSV格式，將文件導(dǎo)入PowerQuery編輯器進(jìn)行清洗，如圖11-17所示，在Excel【數(shù)據(jù)】選項(xiàng)卡中單擊【從文本/CSV】選項(xiàng)。如圖11-18所示，設(shè)置對(duì)應(yīng)的文件路徑后單擊【編輯】按鈕。消費(fèi)者行為習(xí)慣分析進(jìn)入PowerQuery編輯器后，如圖11-19所示，對(duì)訂單狀態(tài)進(jìn)行篩選，將【交易關(guān)閉】和【等待買家付款】過濾掉。如圖11-20所示，選中【訂單付款時(shí)間】，在【添加列】選項(xiàng)卡單擊【日期-天-星期幾】創(chuàng)建新列。圖11-19圖11-20消費(fèi)者行為習(xí)慣分析如圖11-21所示，選中“訂單付款時(shí)間”，在【添加列】選項(xiàng)卡單擊【時(shí)間】-【小時(shí)】-【小時(shí)】選項(xiàng)，創(chuàng)建新列。修改對(duì)應(yīng)的字段名稱，如圖11-22所示。如圖11-23所示，單擊【開始】選項(xiàng)卡中【關(guān)閉并上載】選項(xiàng)，將數(shù)據(jù)導(dǎo)入Excel的工作表中。圖11-21圖11-22圖11-23消費(fèi)者行為習(xí)慣分析在Excel中，如圖11-24所示，選中數(shù)據(jù)并單擊【插入】選項(xiàng)卡中的【數(shù)據(jù)透視表】選項(xiàng)。如圖11-25所示，在數(shù)據(jù)透視表字段設(shè)置中，將【行】設(shè)置字段為“星期幾”，【值】設(shè)置字段為“計(jì)數(shù)項(xiàng)：買家會(huì)員名”和“求和項(xiàng)：買家實(shí)際支付金額”。設(shè)置后的數(shù)據(jù)透視表如圖11-26所示，從圖中可以看出星期日的支付金額最高，星期六最低，星期一到星期五差別不大。圖11-24圖11-25圖11-26消費(fèi)者行為習(xí)慣分析圖11-27圖11-28再創(chuàng)建一個(gè)數(shù)據(jù)透視表，如圖11-27所示，在數(shù)據(jù)透視表字段設(shè)置中，將【行】設(shè)置字段為“小時(shí)”，【值】設(shè)置字段為“計(jì)數(shù)項(xiàng)：買家會(huì)員名”和“求和項(xiàng)：買家實(shí)際支付金額”。如圖11-28所示，早上7:00消費(fèi)者開始購物，16:00～18:00點(diǎn)是購物高峰期，23:00開始陸續(xù)休息。基于這個(gè)數(shù)據(jù)可調(diào)整客服排班和輪崗交接時(shí)間。消費(fèi)者行為習(xí)慣分析圖11-29圖11-30如圖11-29和圖11-30所示，插入組合圖展示更加直觀，可用于制作消費(fèi)者報(bào)告。感謝觀看消費(fèi)者運(yùn)營分析11.2RFM模型1RFM模型理論及計(jì)算方法CONTENTS2RFM計(jì)算實(shí)例PARTONERFM模型理論及計(jì)算方法1．RFM模型理論RFM模型是消費(fèi)者管理領(lǐng)域里的一種消費(fèi)者消費(fèi)行為分析模型。R為近度（Recency）代表最近購買時(shí)間，指上次購買至現(xiàn)在的時(shí)間間隔。R值越大表示網(wǎng)店與消費(fèi)者發(fā)生交易的時(shí)間越久，反之與網(wǎng)店發(fā)生交易的時(shí)間越近。理論上R值越?。醋罱匈徺I行為）的消費(fèi)者是復(fù)購可能性越高的有價(jià)值消費(fèi)者。F為頻度（Frequency）代表購買頻率，指的是某一期間內(nèi)購買的次數(shù)。F越大代表該段時(shí)間內(nèi)消費(fèi)者的購買頻率越高，存在極大的復(fù)購可能性；反之F值越小，則消費(fèi)者活躍度越低，相應(yīng)的價(jià)值越低。M為額度（Monetary）代表總購買金額，指的是某一期間內(nèi)購買商品的金額。M越大表示該類消費(fèi)者對(duì)本網(wǎng)店（產(chǎn)品）的購買意愿轉(zhuǎn)化為購買行為可能性越大，該類消費(fèi)者的價(jià)值越應(yīng)受到關(guān)注，反之亦然。RFM模型動(dòng)態(tài)展示了現(xiàn)有消費(fèi)者在網(wǎng)店的購物特征，為網(wǎng)店制訂營銷決策提供了依據(jù)，便于網(wǎng)店對(duì)于現(xiàn)有消費(fèi)者分類與管理。2．RFM計(jì)算（1）計(jì)算RR的計(jì)算方法是計(jì)算現(xiàn)在與最近一次購買日期之間的間隔天數(shù)。（2）計(jì)算FF的計(jì)算方法是對(duì)消費(fèi)者下單的訂單數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。（3）計(jì)算MM的計(jì)算方法是將消費(fèi)者的消費(fèi)金額進(jìn)行匯總。3．基于RFM模型的消費(fèi)者分組為消費(fèi)者分組，即將三個(gè)指標(biāo)分別分為“高”和“低”兩種，高于均值的為“高”，低于均值的為“低”。R值“高”“低”判定步驟：①分別求取每位消費(fèi)者的購買商品日期與現(xiàn)今時(shí)間的最小時(shí)間間隔R。②求取時(shí)間間隔R均值。③將每位消費(fèi)者的最小時(shí)間間隔與R均值比較，小于均值為低，大于均值為高。F值“高”“低”判定步驟：①求取每位消費(fèi)者某時(shí)間段內(nèi)的購買次數(shù)和（即購買頻率F）。②求取頻率F均值。③將每位消費(fèi)者的F值與F均值比較，小于均值為低，大于均值為高。M值“高”“低”判定步驟：①求取每位消費(fèi)者某時(shí)間段內(nèi)的購買金額和M。②求取購買金額和M均值。③將每位消費(fèi)者的M值與M均值比較，小于均值為低，大于均值為高。以此為標(biāo)準(zhǔn)將消費(fèi)者歸為八大類，如表11-1所示。R值F值M值消費(fèi)者類型低高高高價(jià)值消費(fèi)者高高高重點(diǎn)保持消費(fèi)者低低高重點(diǎn)發(fā)展消費(fèi)者高低高重點(diǎn)挽留消費(fèi)者低高低一般價(jià)值消費(fèi)者高高低一般保持消費(fèi)者低低低一般發(fā)展消費(fèi)者高低低潛在消費(fèi)者表11-1 RFM分類表PARTTWORFM計(jì)算實(shí)例例11-3：現(xiàn)有某淘寶網(wǎng)店2022年8月至2022年10月消費(fèi)者購買數(shù)據(jù)，數(shù)據(jù)采集自商家后臺(tái)的訂單報(bào)表和寶貝報(bào)表。如圖11-31所示，為了精準(zhǔn)化消費(fèi)者營銷，降低推廣成本，現(xiàn)需要使用PowerQuery將5794位消費(fèi)者分類。圖11-31消費(fèi)者信息表解：（1）將Excel數(shù)據(jù)加載至PowerQuery。如圖11-32所示，在【數(shù)據(jù)】選項(xiàng)卡中，單擊【從表格】選項(xiàng)，即可將數(shù)據(jù)加載至PowerQuery。圖11-32將數(shù)據(jù)從表格導(dǎo)入PowerQuery編輯器操作界面成功加載至PowerQuery的數(shù)據(jù)如圖11-33所示。圖11-33加載到PowerQuery中的數(shù)據(jù)（2）計(jì)算時(shí)間間隔R。創(chuàng)建當(dāng)下時(shí)間字段：如圖11-34所示，在【添加列】選項(xiàng)卡中，單擊【自定義列】選項(xiàng)。圖11-34創(chuàng)建自定義列操作界面進(jìn)入“自定義列”頁面，如圖11-35所示，【新列名】設(shè)置為“今天日期”，【自定義列公式】設(shè)置為“DateTime.Date(#datetime(2022,11,1,0,0,0))”，單擊“確定”按鈕，成功后如圖11-36所示。圖11-35創(chuàng)建今天日期圖11-36成功創(chuàng)建今日日期將“今天日期”列的類型與訂單付款時(shí)間統(tǒng)一：選中“今日日期”列，在【開始】選項(xiàng)卡中，單擊【數(shù)據(jù)類型】選項(xiàng)，選中合適的類型，此處選擇“日期/時(shí)間”。格式統(tǒng)一后的數(shù)據(jù)如圖11-37所示。圖11-37格式統(tǒng)一后的數(shù)據(jù)

新建一列為“今天日期”減去“訂單付款日期”。如圖11-38所示，在【添加列】選項(xiàng)卡中，單擊【自定義列】選項(xiàng)，【新列名】設(shè)為“R”，【自定義列公式】設(shè)為“[今天日期]-[訂單付款時(shí)間]”，單擊【確定】按鈕，計(jì)算結(jié)果如圖11-39所示。圖11-38計(jì)算R圖11-39R的計(jì)算結(jié)果刪除“訂單付款時(shí)間”與“今天日期”列，并將“R”列類型改為整數(shù)，結(jié)果如圖11-40所示。圖11-40修整后的數(shù)據(jù)（3）進(jìn)行數(shù)據(jù)分組，得到每位消費(fèi)者的RFM數(shù)據(jù)。將數(shù)據(jù)分組：在【開始】選項(xiàng)卡中，單擊【分組依據(jù)】選項(xiàng)，填入圖11-41所示信息，運(yùn)行結(jié)果如圖11-42所示。圖11-41分組依據(jù)設(shè)置界面圖11-42數(shù)據(jù)分組結(jié)果（4）消費(fèi)者歸類。通過自己寫函數(shù)建立邏輯判斷，歸類消費(fèi)者等級(jí)。在【開始】選項(xiàng)卡中，單擊【高級(jí)編輯器】選項(xiàng)，進(jìn)入函數(shù)編輯頁面，如圖11-43所示。在上表代碼in前補(bǔ)上以下關(guān)于消費(fèi)者等級(jí)判斷的條件語句。AR=List.Average(分組的行[R])，AM=List.Average(分組的行[M])，AF=List.Average(分組的行[F])，已添加條件列=Table.AddColumn(分組的行,"消費(fèi)者等級(jí)",eachif([R]<AR)and([M]>AM)and([F]>AF)then"高價(jià)值消費(fèi)者"elseif([R]>AR)and([M]>AM)and([F]>AF)then"重點(diǎn)保持消費(fèi)者"elseif([R]<AR)and([M]>AM)and([F]<AF)then"重點(diǎn)發(fā)展消費(fèi)者"elseif([R]>AR)and([M]>AM)and([F]<AF)then"重點(diǎn)挽留消費(fèi)者"elseif([R]<AR)and([M]<AM)and([F]>AF)then"一般價(jià)值消費(fèi)者"elseif([R]>AR)and([M]<AM)and([F]>AF)then"一般保持消費(fèi)者"elseif([R]<AR)and([M]<AM)and([F]<AF)then"一般發(fā)展消費(fèi)者"else"潛在消費(fèi)者"圖11-43函數(shù)編輯界面

并將最后一行將“分組的行”改為“已添加條件列”。（注：AR為R的平均值，AF為F的平均值，AM為M的平均值）

改完后代碼如圖11-44所示。圖11-44修改高級(jí)編輯器代碼成功運(yùn)行即可得到完整的消費(fèi)者歸類，如圖11-45所示。圖11-45RFM消費(fèi)者分組感謝觀看消費(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(duì)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(duì)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(duì)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(duì)產(chǎn)品復(fù)購情況進(jìn)行分析，對(duì)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”右邊的雙向箭頭。運(yùn)行結(jié)果如圖11-76所示。復(fù)購產(chǎn)品歸因分析圖11-77將PowerQuery編輯器處理后的數(shù)據(jù)加載至sheet表，如圖11-77所示。創(chuàng)建數(shù)據(jù)透視表并加入切片器，單擊各分類查看統(tǒng)計(jì)結(jié)果，可從統(tǒng)計(jì)結(jié)果中發(fā)現(xiàn)以下內(nèi)容。2022年7月—2023年2月數(shù)據(jù)集中總買家數(shù)為5805人，發(fā)生一次復(fù)購行為的買家共66人，發(fā)生兩次復(fù)購行為的買家共3人，發(fā)生7次復(fù)購行為的買家共1人，可見該網(wǎng)店的復(fù)購率極低。在發(fā)生復(fù)購行為的買家中，兩次購買相同物品的復(fù)購行為是最多的。復(fù)購產(chǎn)品歸因分析感謝觀看消費(fèi)者運(yùn)營分析11.4.1評(píng)價(jià)詞頻分析&11.4.2評(píng)價(jià)情感分析1評(píng)價(jià)詞頻分析2CONTENTS評(píng)價(jià)情感分析評(píng)價(jià)詞頻分析PARTONE評(píng)價(jià)詞頻分析詞頻分析是文本分析的基礎(chǔ)，基于詞頻可以了解大量文本信息的內(nèi)容，既可以分析自己的商品也可以分析競(jìng)品。接口說明如下。通過基于機(jī)器學(xué)習(xí)算法分詞的開源接口，可查閱接口的相關(guān)說明。接口：/get.php?source=¶m1=¶m2=。接口參數(shù)如下?！癝ource=”：要分詞的文本?！癙aram1=”：返回分詞結(jié)果的概率，最小為0，最大為1?！癙aram2=”：是否為調(diào)試模式，調(diào)試模式可以看到分詞結(jié)果的概率。0為非調(diào)試模式，1為調(diào)試模式。例1：/get.php?source=清華大學(xué)是好學(xué)校¶m1=0¶m2=1。返回：清華:0.604942清華大學(xué):1華大:0.068537大學(xué):0.937618好學(xué):0.730473好學(xué)校:0.699564學(xué)校:0.833307例2：/get.php?source=清華大學(xué)是好學(xué)校¶m1=0.8¶m2=1。返回：清華大學(xué):1大學(xué):0.949906學(xué)校:0.936925例3：/get.php?source=清華大學(xué)是好學(xué)校¶m1=0¶m2=0返回：清華清華大學(xué)華大大學(xué)好學(xué)學(xué)校評(píng)價(jià)詞頻分析圖11-78評(píng)價(jià)詞頻分析例4：圖11-78所示為采集某競(jìng)品的消費(fèi)者評(píng)價(jià)數(shù)據(jù)，分析評(píng)價(jià)的詞頻。數(shù)據(jù)采集路徑：【淘寶商品】-【評(píng)價(jià)詳情頁】。解：選中數(shù)據(jù)，如圖11-79所示，在【數(shù)據(jù)】選項(xiàng)卡中單擊【自表格/區(qū)域】選項(xiàng)，將評(píng)價(jià)導(dǎo)入PowerQuery編輯器。圖11-79圖11-80圖11-81如圖11-80所示，在PowerQuery編輯器中篩選數(shù)據(jù)，搜索“此用戶”，將無效的評(píng)價(jià)“此用戶沒有填寫評(píng)價(jià)?！边^濾掉。如圖11-81所示，在【添加列】選項(xiàng)卡中，單擊【自定義列】功能鍵。評(píng)價(jià)詞頻分析圖11-82圖11-83評(píng)價(jià)詞頻分析如圖11-83所示，鍵入公式“Csv.Document(Web.Contents("/get.php?source="&Uri.EscapeDataString([評(píng)價(jià)])&"¶m1=0.8¶m2=0"))”。M函數(shù)說明：Web.Contents：是以二進(jìn)制文件的格式下載網(wǎng)頁。Csv.Document：是將二進(jìn)制文件轉(zhuǎn)換成Csv格式的表格。由于是訪問互聯(lián)網(wǎng)數(shù)據(jù)需要設(shè)置隱私級(jí)別，為了方便練習(xí)，如圖11-82所示，可直接勾選【忽略此文件的隱私級(jí)別檢查……】，老版本沒有這個(gè)選項(xiàng)，選擇公共權(quán)限。獲取數(shù)據(jù)后，如圖11-84所示，勾選【展開】和【Column1】字段，展開后將字段“Column1”重命名為“分詞”。展開后，按照?qǐng)D11-85所示內(nèi)容，篩選掉空白行。圖11-84圖11-85消費(fèi)者復(fù)購率計(jì)算與分析圖11-86圖11-87消費(fèi)者復(fù)購率計(jì)算與分析如圖11-86所示，在【開始】選項(xiàng)卡中單擊【分組依據(jù)】選項(xiàng)。如圖11-87所示，基于分詞進(jìn)行分組。圖11-88圖11-89消費(fèi)者復(fù)購率計(jì)算與分析如圖11-88所示，單擊【開始】選項(xiàng)卡中【關(guān)閉并上載】選項(xiàng)，將數(shù)據(jù)關(guān)閉并上載到Excel工作表中。如圖11-89所示，對(duì)“計(jì)數(shù)”進(jìn)行排序，可以觀察到買家對(duì)這款產(chǎn)品的評(píng)價(jià)關(guān)鍵詞，通過觀察可以發(fā)現(xiàn)買家對(duì)這款產(chǎn)品滿意的占比較大，因此這款產(chǎn)品的效果不錯(cuò)。評(píng)價(jià)情感分析PARTTWO評(píng)價(jià)情感分析評(píng)價(jià)情感分析是判斷文本的情感得分，正面得分越高表示買家對(duì)產(chǎn)品或服務(wù)越滿意，負(fù)面得分越高表示消費(fèi)者對(duì)產(chǎn)品或服務(wù)越不滿意。情感分析同樣需要使用API接口實(shí)現(xiàn)，沒有純免費(fèi)的接口，可使用商業(yè)接口的免費(fèi)調(diào)用次數(shù)。商業(yè)接口可以在API集市申請(qǐng)，本例使用/的接口，每天可調(diào)用500次。接口地址：/sentiment/analysis。調(diào)用方式：Post。圖11-90圖11-91例5：圖11-90所示是評(píng)價(jià)數(shù)據(jù)，使用接口分析評(píng)價(jià)情感得分。數(shù)據(jù)采集路徑：【淘寶商品】-【評(píng)價(jià)詳情頁】。選中數(shù)據(jù)，如圖11-91所示，在【數(shù)據(jù)】選項(xiàng)卡中單擊【自表格/區(qū)域】選項(xiàng)，將評(píng)價(jià)導(dǎo)入PowerQuery編輯器。評(píng)價(jià)情感分析圖11-92圖11-93由于接口的次數(shù)限制，在PowerQuery編輯器中進(jìn)行數(shù)據(jù)篩選，只保留前5條，每次只消耗5次API調(diào)用次數(shù)。如圖11-92所示，在PowerQuery編輯器【開始】選項(xiàng)卡中，單擊【保