寫在前面：我不是這篇文章的生產者，我只是把交流的內容進行了整理，並寫了下來。
開始做數據報表bi系統的時候大家肯定都看過書，那麼一定也看過一個經典的案例，就是沃爾瑪的啤酒和尿布的案例。這個案例確實很經典，但是一個經典的失敗的案例，為什麼這麼說呢，非常明顯，我們跑到沃爾瑪去看，卻沒有發現沒有一個沃爾瑪真的把啤酒和尿布放到一起的，為什麼當時被奉行為很經典的案例，卻沒有超市去使用。
這個案例是做技術的人想出來的，認為發現了一個重大發現，但是拿到做業務的人的手裡，卻發現很可笑，做零售行銷的會知道，商品的連帶銷售是非常多的，當我走近超市大門，原本並沒有想買什麼東西，但是等我們走出超市的時候，手裡卻帶了一堆的東西。因為人的隨機消費行為是很多的，如果數據分析出來買尿布的人一定會去買啤酒，那是不是應該把這兩件商品放的越遠越好，這樣他買了尿布之後再去買啤酒的路上，還會增加的他其他的消費。
從技術角度來考慮用戶分析、行為分析，結果往往是沒什麼用，原本老闆和業務對你的期望還是很高的，可是你拿個東西給他,他卻覺得沒什麼用。不知道大家之前有沒有遇到過，拿著覺得很了不起的東西送給業務或老闆卻被否下來。
所以，現在需要做一個數據分析的時候，我會去看業務人員是怎麼去做這件事情，了解到這件事情之後，我再去看我能怎麼幫助他們。bi翻譯成中文是決策支援，所以他重點是支援。如果你期望報表bi系統直接來提高你的收入、提高你的轉化率，你給他不應該有的期望，你就一定會很失望。所以基於這個想法，在做客戶數據分析之前，收集業務現在他做客戶分析，採用了哪些手段，他們現在是怎麼去做的。
收集了之後，我分成了三個類：
1.返券/積分
2.精準行銷
對不同的客戶做不同的行為，對不同的客戶來針對不同的活動，推不同的券，來達到轉化率提高，針對性越強轉化率越高，互聯網行業的流量成本很高，如何能抓住用戶的精準度來提高轉化率，這是我們都非常關注的一個話題，是互聯網企業都關注的一個問題；
3.客戶關懷
分成幾塊，一個是售後、一個是節日關懷、一個是特殊關懷，例如孕婦寶寶滿月，需要哪些關懷等等。
在了解到業務做客戶數據分析有哪些手段之後，我就要考慮怎麼做能夠幫助到他們，來達到我說的一個支援的作用。
1.從返券的角度來說
他很關心的角度是什麼，復購。他是在一個月內產生復購還是兩個月內產生復購，比如說用戶買了隱形眼鏡，是30片裝，那麼在15天之後應該就用完了，但是如果15天之後還沒有產生復購，這時候就該做些事情，比如發個簡訊啊，來問下現在用的情況怎麼樣，為什麼沒有在正確的時間產生復購，這是很有針對性的數據。
2.針對精準行銷
我們用的是用戶畫像，用戶畫像應該是在用戶數據分析這塊用的最多的。
比如說最常用的畫像：一些用戶的基本資料，基本資料的畫像，這部分畫像基本是每個人都會做，包括他的性別、年齡、職業、地區，還有些針對性比較強的；
比如他的忠誠度：忠誠度我們用什麼來衡量啊，比如他購買的頻次、最後一次購買的時間；
比如他的價格的敏感度：什麼叫價格敏感度，就是有些客戶，你不打折他肯定不買，這樣的人一定是有的；
還有他質量的敏感度：通過售後發現有些客戶，快過期了就不滿意要退貨，有些客戶外包裝破損了就不滿意要退貨，但是也有些客戶容忍度高一點，他覺得在過期之前也能吃完，就不會來投訴你，有些外包裝破損，他也無所謂，不影響使用嘛；
還有一個用戶畫像就是用戶的購買力：用戶的年消費的金額、最大消費單價。
當我們做好這樣的用戶畫像之後，我們的運營人員就可以根據不同的人群使用不同的方式來行銷，比如對價格敏感度高的，就會隔三差五的給他發個優惠券，做精準的投放。針對質量敏感度比較高的人，給他發貨就要選擇新的貨，或者效期比較長的貨，來降低換貨率，節約物流成本，這是非常有針對性的營銷行為。
3.對於客戶關懷
現在做的比較多的是用戶行為數據分析。不同的客戶有不同的行為，我之前聽過這樣一個案例，是做酒店的，他是怎麼做客戶行為數據分析管理的呢。當一個老客戶走到餐廳里呢，他的服務員會把他引導到第一排靠窗的位置，因為在他的客戶關係資料庫里，告訴這個服務員，他連續幾次來都坐在那個位置，他對那個位置比較喜歡，這是比較有針對性的行為數據分析，對業務行銷行為具有一定的指導性。
總的來說我的觀點是，你抓住用戶行銷行為的重點，業務真正的分析行為，這樣做出來的報表bi系統才是真正的有人要的，才是有需求的，是能起到真正作用的。現在往回看那些問題，如果能夠從這個角度去考慮，不能說是有答案了，但是能夠提供一定思路來找到這個答案的。
最後再分享兩個東西，我常用的分析方法：
一個是杜邦分析法，當我拿到一個課題，我怎樣理清我的分析思路，該怎樣去做一個報表bi系統的工作，這個方法我用的比較多。
二是做零售業的很多分析方法有個三要素，人、物、場。用這個理論來做零售業數據分析，人對應我的客戶、物對應商品、場對應商家，從這幾個角度來展開數據分析，就會形成一個思維導圖的分析。
本文經內容演講者－易恆陸彥文授權，我進行整理髮布出來，未經授權，禁止轉載
喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！
