聊聊有限数据下如何做运营？

绝地灬酷狼 2023-06-18 10:56 5阅读 0赞

如果有朋友做过电商项目，我们经常面临甲方爸爸的challenge，基于目前的数据你告诉我结论是什么？finding在哪里？如何证明活动是有效的？为何我的会员增长这么慢？ATV怎么还降低了？balabala。。。。

每每听到这些是否觉得很无奈！为何无奈？运营小伙伴心里有无数模型和参数可以佐证，可是数据数据呢？没有收到足够的数据，没法产生实质性的报告呀。总不能自己编吧，今天小编跟大家聊聊有限的数据下我们怎么运营？

**今天我们以小A同学在XX公司的项目来探讨一下，有限数据如何运营？**

## **背景** ##

小A是一家咨询公司的运营负责人，他们为XX公司做了一个京东会员通项目【普及一下，京东会员通是京东开放平台下面的一个产品，允许ISV、品牌自研等方式开发，开发后将京东店铺原先的店铺会员入口替换为品牌会员入口，而后支持粉丝入会、订单数据收集、自定义页面开发等】。

**XX公司定位与主营业务：**

主要卖的是各种玩具，玩具可以自行组装深受小孩和成人的喜欢；

**项目收录的数据范围：**

1、会员基本信息【手机号（被加密）、入会时间、生日、性别、京东账号（被加密）】

2、订单信息【订单号、订单金额、SKU、数量、订单时间、京东账号（未加密）、且自营店订单只有会员订单，旗舰店有会员和非会员订单】

**数据收录时间：**19年3月上线截止到目前为止收录了8个月左右的数据

**会员体量：**20万

**运营要求：**分析上了会员通之后会员表现？用户购买偏好？后续选品怎么做？后续活动如何策划？

## **运营痛点** ##

（1）数据量小，仅有半年多的数据，很难做出同期同比的情况；

（2）数据维度少，仅有会员、订单数据；

（3）订单数据维度不一致，旗舰店有shopper和member的数据，自营店只有member的订单；

（4）没有产品线等主数据作为基础数据；

（5）可分析的点不足，也就会员、订单可以分析；

## **常规数据分析** ##

基于目前已有的数据，小A着实有些不值所措，按照CRM的套路先给了一波常规运营，具体分析维度如下：

### **1、YTD维度数据** ###

本数据报表主要对比的信息是截止到目前为止，在POP、自营店下，**会员、非会员、POP-total、自营会员人群在不同维度的情况：**

**Consumers：**购买人数，通过此指数来看POP、自营中会员与非会员的购买人数占比，初步判断购买能力：

**REV%：**贡献百分比，通过分析订单金额在总GMV中的占比情况，更进一步反应会员与非会员的购买能力情况；

**ATV：**ATV=营业额/客单数  ，反馈的是会员与非会员在客单价上的表现，用于分析会员与非会员在购买价值上的区分；当然这里计算的是平均客单价，反应的是整体水平，并非个例；

**IPT：**总件数/总订单数

**REPEAT%:**一年内，购买两次及以上的人数/总订单人数,通过此参数查看三种人群里复购强度；

**FREQ：**交易次数/交易人数，通过此参数判断三个人群平均的购买频次

![format_png][]

### 2、overall-Performance ###

本报表是小A基于现有的数据做一个全方面的统计，相关能够拉取的数据维度均拉取出来了

![format_png 1][]

其他类似的报表数据，小编就不再一一列举，从图中的案例可以看出，小A同学在已有的数据上能够分析的基本已经覆盖了。但是客户相当不满意，理由是找不到finding，且没有实质性的结论，无法为后续的活动或者选品提供实质性的建议，当然小A也很委屈，回去之后找到他的老大小B，小B听完，给出了一些建议，而后小A茅塞顿开，我们来看看他是怎么做的；

## **解决运营痛点-无数据** ##

### 1、会员数据 ###

目前会员数据比较单一，为了丰富数据小A同学根据以往经验，增加了member的Tier属性，虽然默认的用户没有tier属性，但是联想到会员和订单的关系，小A决定和客户沟通，确定一个价格区间，将客户划分为四个Tier，如下图所示：

![format_png 2][]

以上图示纯粹为了隐私考虑，大家理解一下等级的概念即可，小A同学将会员与订单的数据进行mapping，将所有的会员分成了四个等级；后续针对Tier的数据可以进一步的进行分析。

### 2、订单数据 ###

目前订单数据格式不一致，比较难分析，且POP店的订单和CRM的订单格式不一致，数据分开，不易分析。小A同学做了两点改造。

（1）跟技术沟通将POP的会员订单和自营的会员订单数据按照共同的格式合并到一张新表，会员订单表，保留关键字段订单号、订单金额、SKU、数量、交易时间接口；同事由于自营没有Shopper的数据，通过与TP沟通可以把shopper的订单通过excel定时导入后台数据库。这样会员订单、shopper订单全部都有了；

（2）针对订单的数据，我们小A发现订单明细中存在sku的唯一编码，于是分别找POP、自营的TP要了一份产品线数据。后面针对产品线、产品小A进行了详细的分析；正好TP给的产品主数据和订单的sku可以匹配。

### 3、会员划分问题 ###

会员入会后没有任何渠道划分，因此POP店、自营店没办法进行渠道划分，如果我们可以区分不同渠道的会员，那么在分析的时候又多了一个维度，于是乎通过和XX公司沟通，后面确定一个解决方案，通过首购的订单来进行划分，首购在哪个店发生的购买会员就隶属于哪个门店。每天T+1批量的根据购买订单给会员打上标签；

## **新的分析报表** ##

### 1、复购产品线对比分析 ###

![format_png 3][]

**解释：**如上图所示，反映的是首购用户在不同产品线的时候，对复购产品线的影响，其中绿色标注的且在对角线位置的，为首购复购一致的产品线；

**finding：**对角线位置为绿色的产品线相对来说属于忠实产品线，忠诚度较高，非对角线位置的产品线为易出轨产品。且可以反馈首购产品受欢迎的产品线中，产品线A最为火热；

### 2、首购产品线、产品热度排名分析 ###

![format_png 4][]

**解释：**按照首购的产品线购买人数绘制气泡图，通过气泡图可以发现那些品类是受欢迎的；同时对产品线进行细化，细分到SKU

**![format_png 5][]**![format_png 6][]

### 3、复购周期与原因探讨 ###

![format_png 7][]

小A同学将所有会员的订单进行了分析，按照首单与第二单之间的间隔时间进行分组统计，并统计占比，占比分布如下所示：

![format_png 8][]

**finding：**通过复购周期的占比可以看到竟然有36%的情况复购周期为0，也就是当天买了两单，小A一眼就看出来不对劲**，**经过查询复购周期为0的会员订单明细发现，当天复购的用户购买的SKU基本相同，由此小A得出了一个结论，那就是很多用户为了优惠进行了**拆单操作，**这为后面策划优惠活动提供了很好的依据；

## **基于分析，给出的活动策划** ##

### 1、积分活动 ###

经过小A的分析，会员通目前积分的渠道很少，用户在应用上的停留时间很短，没有粘性，同时通过数据发现，会员入会后并没有产生太多的消费，ATV、GMV没有明显的拉开，针对此现象，小A建议后续可以策划如下活动；

1）针对黄金玩家【没有发生购买的玩家】,推出首购有礼活动，首购享受88折，给予首购用户大的优惠力度，刺激潜客发生消费，带动会员ATV‘

2）针对所有会员玩家，推出购买指定品类送积分【解决新品销售问题】

3）针对所有会员玩家，设置组套销售85折【利用爆品带动冷门产品】

4）开发大转盘活动，消耗用户积分，增加用户粘性，通过大转盘派发实物、优惠券、积分等，刺激用户二次消费

5）开发生日月领取大额优惠券，刺激用户产生消费

6）推出完善会员资料送积分活动，由于应用收取的资料不够完善，可以通过有奖补充资料的方式让会员主动完善资料；

7）通过手机号利用京东的CRM平台对用户进行个性化沟通，根据平均复购周期，提前沟通，进而缩短用户的复购周期，带动消费；

**总结**：经过小A的努力，可以分析的数据明显变宽了，可以寻找的Finding也变多了，相关的活动经过实际的数据验证，取得了很好的成效，通过本案例可以看到，一个系统往往原有的数据非常有限，但是作为运营者可以设计相关的场景，通过其他办法完善可分析的数据，从而为甲方爸爸提供更为有价值的运营建议，以上适合初次接入运营的小伙伴参考；

[format_png]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvYUtIWENaZFZCWWphcER6UXJxVVMucG5n?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvTVN5aUFvdjY0MG4zSml6ZHRQNWwucG5n?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvT1dQWmRvZWY0MERCS242cndUVGQucG5n?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvaEVwNXlDY3FPNk9jOWpvbW1aOEoucG5n?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvUUFVcXF3M25LWWRweFk3bmtqUnAucG5n?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvR1BKUXRMNmEyTGxiMUdXc0tUM0gucG5n?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvbVd4RWZ1NVhlMnV0aGF5c3h5NzQucG5n?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvQlloaDZJbUxzMWs1dFhvdnBOU3cucG5n?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltYWdlLndvc2hpcG0uY29tL3dwLWZpbGVzLzIwMTkvMTEvd0dPdHFxbUpkcFJ1RXdhc1dHaEsucG5n?x-oss-process=image/format,png