01 電商數據分析10 所有文章

[數據分析] 初心者入門, 電商數據分析指標

電商重要指標_Max行銷誌

快速了解初心者看電商最重要的指標:留存率(User retention)、回購率(Repurchase rate)、購買週期(Repurchase cycle)、終身價值LTV(Life time value)、消費分佈和客戶分群RFM模型。

大綱:

指標一:客戶終身價值(LTV)
指標二:客戶分群(RFM模型)
指標三:回購率 & 留存率 & 購買週期 & 消費分佈

指標一:客戶終身價值 (LTV)

1. 名詞解釋:

LTV (客戶終身價值) 是指一位客戶長期回購的總價值。舉例:一件衣服賣 500 元,你的客人一個月會買一次,假設連續買三年,那麼最後客戶終身價值就是 500 x 12 x 3 = 18,000 元!
延伸閱讀:網路創業最重要的公式:LTV > CPA

2. 實際應用:

可以從下面這張圖看出,這一年來平均每位客戶帶來價值是2,334元,所以如果扣掉成本人事物流和利潤(預估7成),如果能取得每位新客戶成本都能遠低於700元 (2,334*0.3=700),代表長期看下來LTV > CPA,都會是很划算的交易。

Cohorts Analysis ( LTV )
Cohorts Analysis ( LTV )

指標二:客戶分群 (RFM模型 x K-means)

1. 名詞解釋:

RFM模型是由喬治·卡利南(George Cullinan)於1961年所提出,他發現資料庫分析中,有三項重要的指標:最近一次消費(Recency)、消費頻率(Frequency)、與消費金額(Monetary),這三項指標的英文字母的分別為R、F、M,所以就稱為「RFM模型」。

RFM模型能協助企業區分顧客,並預測每種顧客類型的消費者行為。當企業對顧客進行分群後,再進一步從公司的顧客資料庫中,分析各群顧客背後的消費者行為,進而發展預測模式。讓公司的顧客關係管理(CRM)系統在應用上,能夠提升到策略性的層級。
延伸閱讀:常貴客?新客? 讓RFM模型簡簡單單解釋一切!

2. 實際應用:

首先利用Elbow Method來判斷分群數目,可看出在Number of clusters第4群之後,WCSS明顯下降並趨近0,所以決定將這筆資料分成4群。
延伸閱讀:機器學習K-Means分群演算法

elbow_method
elbow method

利用K-means分群後,可將資料整理出低價值族群(low value Customers)、高消費族群(Big Spenders)、中間族群(Middle Customers)和忠誠客戶(Loyal Customers),並再針對不同的族群投遞不同的產品組合進行銷售。

kmens_plot

整體資料

共有2,447筆、Monetary Value平均消費2,026元、Frequency頻率1.4次、Recency 185天

k_maens
整體Data數據

K-means分群(1)

Monetary Value平均消費低於平均、Frequency頻率平均僅有1.07次、Recency 195天,RFM三項指標都低於平均值,故判定為low value Customers。

k_maens1
k_means1

K-means分群(2)

Monetary Value平均消費是平均的10倍、Frequency頻率6次、Recency 145天,RFM三項指標中M和F特別突出,故判定為Big Spenders。

k_maens2
k_means2

K-means分群(3)

Monetary Value平均消費是平均的兩倍、Frequency頻率2次以上、Recency 152天,基本上這群可以算都是回頭客,消費金額也有到3,500左右,故判定為Middle Customers。

k_maens3
k_means3

K-means分群(4)

Monetary Value平均消費是平均的四倍、Frequency頻率是平均的四倍、Recency 127天,可看出這批平均來過4次以上,並且擁有高消費能力是忠實老顧客,故判定為Loyal Customers。

k_maens4
k_means4

指標三:留存率 & 回購率& 購買週期&消費分佈

1. 留存率

  • 長久的成長需要靠留存率
  • 流失的使用者比未接觸的使用者更難拉回來
user_retention
user_retention

2. 回購率

Repurchase rate
Repurchase rate

3. 購買週期

Repurchase cycle
Repurchase cycle

4. 消費分佈

Basket Price
Basket Price

延伸閱讀:

那 [數據分析] 初心者 電商數據分析指標  就到這邊感謝收看,如文章內容有誤請不吝指正!

有關Max行銷誌的最新文章,都會發佈在Max的Facebook粉絲專頁,如果想看最新更新,還請您按讚或是追蹤唷!
Max行銷誌:https://www.facebook.com/maxlist25/

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *