|
一、自我介绍
1、社区用户：柒悦，数据运维及数据可视化开发人员，一个喜欢和数据打交道的茶树菇。
2、参赛初衷：通过大赛的交流同行业作品的接触，提升自己BI的可视化水平和分析水平，同时也了解BI在各行业数据业务落地上能做到什么样的地步！
二、作品介绍
1、案例背景某教育公司早年发展线下职业教育，已做到一定规模，有一定的群众基础。近年，互联网教育火热，公司积极互联网转型。而近期该公司遇到了一个问题，近期课程销量上升，但是计算出的毛利额却在下降。
（1）教育行业营收转化模型
（2）线上教育产品有互联网产品都有的特点：即一次生产，可以无限次售卖。而售卖次数越多，每份产品分摊的成本也就越少。这时，即使保持单品售价不变，也能有效提高毛利额；所以，一般来说，提升课程的销量就能有效提高毛利额。
2、数据来源
某教育机构2020年1月-8月期间的经营情况
数据数据脱敏可以参考：https://help.fanruan.com/finebi/doc-view-863.html
数据处理用到的工具：FineBI+Excel+MySQL
数据指标说明
- a.统计周期：2020年1月2日至2020年8月31日。
- b.销售额：指当日的课程销售总金额；在本项目与收入同理；
- c.支出：指渠道成本的总和，表示购买渠道推广的花费金额；
- d.毛利额：指商品销售产生的毛利总金额，毛利额 = 销售额 – 商品总成本；
- e.ROI：本项目中用的是ROAS的概念，即目标广告支出回报率，指的是每组广告花费能够带来多少收入。ROAS = 订单的价值 / 产生这些订单付出的广告费；
- f.报名人数转化率：指所有线索中转化为报名用户的比例，报名人数转化率 = 报名人数 / 线索数；
- g.线索成本：指单条线索的成本，线索成本 = 支出 / 线索数量；与平均线索成本同理；
- h.重要挽留客户：指最近一次消费较远且消费频率较低的客户；
- I.购买转化率：商品的被购买次数除以所有对商品的行为数；
- Z.线索数量：指渠道推广产生的线索的数量；
- K.线索：表示受到广告内容吸引，留下联系方式的人数；
- L.报名人数：表示该段时间内的所有线索最终报名的人数（线索成立时间之后的窗口期内产生的名）；
- M.窗口期：是指我们做一次投放后的结算周期；一般我们做项目结算不会让这个结算周期无限地大，常规的结算周期一般为两周。
3、分析思路
（1）问题确认与指标拆解（业务逻辑图）
a.确认毛利额数据异常的问题
b.提升毛利额的方案
（2）实际方法应用
数据涨跌异动分析---问题拆解（逻辑树）
a.统计各月销量与毛利额并绘制折线图
从图示中查看是否为销量上升但利润额下降
b.计算各月毛利率与毛利率环比并绘制图形
从图示中查看是否为非正常波动
c.从渠道促销开始验证，统计各类型渠道的销量与毛利率并绘制象限图
从图示找到销量高但毛利率低的类型渠道
d.从渠道类型细化到具体渠道，同样统计各渠道的销量与毛利率并绘制象限图
从图示找到销量高但毛利率低或者毛利率极地的渠道
4、数据处理
（1）毛利额数据异常下降问题定位
通过月环比数据计算得知本月的毛利额下降并非普通数据波动，下降幅度高达32% ；通过逻辑树，我们将订单数据按照渠道类型和具体渠道细拆，使用关联矩阵分析找出销量和毛利率均低于平均值的渠道类型：免费渠道；并在免费渠道中细拆出销量和毛利率都低于平均值的渠道名称：站内广告位；我们仔细观察站内广告位的8月数据，发现异常问题是由于8月17日的大课促销引起的。
（2）渠道排名---综合分析
a.对渠道4个关键指标通过优化矩阵进行权重划分
确定各指标的权重值
b.对渠道各指标进行0-1 标准化
消除量纲差异的影响
c.利用标准化后的指标与指标进行乘积求和计算各渠道的综合得分
利用综合得分对渠道进行排名
现有渠道最好的为站内广告位，最次的渠道位知乎KOL。但是由于投放广告涉及很多因素，如广告复投问题、文案更新问题、转化周期长短问题。后续的改进策略还需要进一步与营销部门商议。
（3）产品用户行为分析(漏斗分析）
a.做出漏斗分析
b.找到问题环节
c.分析问题环节原因
d.实验设计的环节
e.目标提升度的分析，改进后的结果估计可以提升多少毛利额。这部分需要写出具体的估算算法。上个分析有具体到各个渠道的分析，但是这个分析里没有渠道数据；是整体数据的分析；
漏斗分析结论：通过漏斗分析，发现转化漏斗中的留电环节转化率明显低于其他环节。之后，我们分析了预留联系方式环节的日志数据，发现用户等待时间过长问题。
a.人工客服的平均用户等待时间过长
b.需要后续ABtest得出相应结论
（4）学员价值分析---RFM建模
a.我们在日活10万的小课人群中随机抽取0.3%的用户，通过RFM区分学员的等级
b.RFM分析法结果：拓展到10万小课学员中，计划给重要价值客户推送
RFM模型分析可以参考：https://help.fanruan.com/finebi/doc-view-703.html?source=4
三、可视化报告
1、相关推荐：【可视化分析教程】如何让您的可视化作品更出色
2、可视化制作领悟：颜色总体偏深色调布局，浅色系布局一直不好拿捏，后期再进行尝试，统一调整了字体和字号，让画面看起来更整齐美观，并在结论处对应指标做颜色标识，如代表好的指标为红色系，代表差的指标为绿色系，整个优化采取局部美化，完成时整体调优的方式。
3、终结果呈现的页面布局：部分作品展示（有些模糊，原图太大，放不进来，只能压缩，将就着看了，有兴趣的可以下载PDF看）
四、参赛总结
参赛感慨：deadline果然是第一生产力。道阻且长，行则将至，行而不辍，数据分析，未来可期。
经验分享：带着目的去分析，按照分析框架，循序渐进，去享受分析的过程。感谢帆软官方组织这次比赛，给了自己一个交流和挑战的机会，特别要赞的就是fineBI的帮助文档和培训视频都很全面，非常容易上手，希望帆软活动越来越丰富精彩。让我们执着于理想，纯粹于当下，燃烧自己的数据魂，走好自己的数据之路，加油，数据人！
 在线教育机构经营分析.pdf (2.02 M)
| 
