【2023BI数据分析大赛】基于客户群体画像的运营策略推荐
作品选题
基于客户群体画像的运营策略推荐
一、选手简介
1、选手介绍
（1）团队选手版
团队名称：deadline是最后的生产力
队长介绍：
张培明 ，目前就职于某物业有限公司,FCRP,FCAP,FCBP认证，资深BI开发工程师
成员介绍：
张辰姊：目前就职于某物业有限公司，曾就职于埃森哲等公司，担任数据分析师的工作
吕阳：目前就职于某物业有限公司，曾就职于火花思维，联想，担任数据分析师的工作
团队组成：在工作中是互相支援的战友，在日常生活中是志同道合的好友
2、参赛初衷
希望通过比赛了解FineBI工具的可用性和易用性,为后续公司推广该产品打下基础
熟悉和了解FineBI6的提升和改进点
二、作品介绍
1、业务背景
企业积累了大量的用户数据，且为用户提供了多种多样的服务产品，如何为对的用户提供对的服务产品，有针对性的推出不同的运营活动是为客户创造价值同时为企业创造价值的双赢之举。
需求点：对用户进行分群，研究不同用户群体对服务产品的需求，将合适的活动在合适的时机推荐给合适的用户，输出运营策略。
用户&渠道+产品+运营策略 = win&win
2、数据来源
①埋点表来源于公司本身使用的字节的埋点平台（火山引擎），根据预制的埋点记录用户的操作
②客户信息部分来源数据中台+FR搭建的客户画像系统
③订单表，产品表，服务单等表来源为业务系统
3、分析思路
客户分群模型：筛选与客户的购买行为较相关的12个标签作为客户分群的变量，使用K均值聚类，将客户划分为6类不同群体。
客户群体画像：基于客户分群标记，对不同群体客户的差异较大的属性进行表述分析，作为不同群体客户的画像，为客户理解提供支持。
基于客户行为分析的运营策略：针对不同群体用户的下单时间、成交品类分布、在APP上的浏览路径、关键页面的转化率等数据进行展示分析，支持运营小伙伴快速定位不同群体用户感兴趣的品类及下单时易流失的页面，从而制定运营策略有针对性的在关键页面推荐给合适的客户，从而促进成交。
4、数据处理
数据脱敏：
金额，件数条数都已进行脱敏，数据无实际意义，只做参考
数据预处理：
1)对客户的标签数据进行预处理，首先排除客户的部分属性标签，如姓名、民族等。由于客户数据量大，所选取关键指标缺失比例低，因此在缺失值处理方面直接将关键标签的空值记录进行排除。
2)将各类标签进行处理：非数值型标签处理为数值型数据；
①有序变量，如学历，按从低到高赋整形数值，
②名义变量，为防止导致聚类距离增加，将关键的标签进行拆解，比如将沟通渠道标签拆分为flag_wechat \ flag_tele等均为0-1变量，保障各类沟通渠道距离相等为1。
Spss处理部分
①对标签进行数据标准化时的描述性分析结果
②聚类分析
2.对于埋点数据量比较大的表，预先通过数据中台进行处理，T+1时效计算
ods->ads
3.FineBI中数据处理
因为部分指标的口径不同，有的是筛选预约服务日期，有的是筛选订单完成日期，做两个日期筛选框不太美观，所以通过传参加判定来处理
用户希望能看到各个指标的变化趋势，通过下拉框动态进行指标的筛选判断，节省了看板的空间
关联后进行的数据处理
用户分析部分数据处理
5、可视化报告
5.1、最终呈现：
作品链接：https://bisolutions.fanruan.com/webroot/decision/link/f3nl
chapter1说明：根据日期和组织范围，查询不同期间不同大区的服务产品整体销售情况，重点关注不同大区客户的服务产品喜好及各类产品的销售趋势，针对不同产品对企业的价值制定不同的运营推荐策略。
chapter2说明：
1、观测目前客户总量及新用户增长情况，并通过每月新老用户下单占比，评估客户增长健康程度。
2、在全量客户的基础上根据关键客户标价签进行客户分群，针对分群结果对不同群体客户进行画像，便于了解服务的客户群体，从而有针对性的运营已有产品及开发新产品。
chapter3说明：
1、了解当前客户群体的占比，关注重点群体客户。
2、通过不同客户群体的下单时间段，了解客户使用习惯，支持消息等推送的发送时间点的制定。
3、关注不同群体在小程序上的关键页面访问转化情况，定位客户可能的流失页面，从而有针对性的实施营销动作促进客户转化。
4、通过APP上客户浏览流向，了解不同群体客户的感兴趣的产品。
整体效果
5.2基于看板进行分析得出运营策略：
基于Chapter3 客户群体行为分析中，观察“分时段下单情况“柱状图可知：
1.所有人群，下单时候呈现出正态分布，有3个高峰点。分别为：上午11点，下午18点，晚上21点。可以考虑在这三个点进行优惠卷push增加消费
2.基于上述分析，业务将人群分为：中年自由人，全职太太，奋斗青年，独立女性，资产拥有者，银发家族。
经过下图关联查询，得知不同人群的下单高峰点符合所有人群正太分布。则对不同人群的push策略可以统一进行。
3.基于“品类成交情况“和”一级品类成交额情况“关联查询得知，重点业务集中在：日常清洁，电器清理，安全服务三大类；
4.根据上述结论，同时基于物业属性，比较难形成关联消费，故可尝试以下业务策略：
针对11点push策略：在10点，11点，12点push三大品类优惠卷，拉动消费
针对18点push策略：在17点，18点，19点push三大品类优惠卷，拉动消费
针对21点push策略：在20点，21点，22点push三大品类优惠卷，拉动消费
5.3、运营策略补充分析：
基于“客群分析占比”和“用户动作转化率”两图进行分析，查看各人群各个环节转化率
1、奋斗青年人群在各环节流失率不高（与独居男性客观印象相似，男性购物的目标性强烈），故对于奋斗青年在进行环节跳转时，保持优惠券提醒，并简化跳转逻辑，保持各环节转化率。
2、独立女性环节流失率主要集中在预览服务-立即预约，立即预约-订单支付两个环节。故可以增加优惠卷失效，以及提醒功能，保证用户两个环节的转化率。
3、经过对于其他人群的关联分析，得出其他人流失率与独立女性高度类型，主要集中在预览服务-立即预约，立即预约-订单支付两个环节。其策略可沿用独立女性策略进行A/B test。
三、参赛总结
1、FineBI工具
之前只使用过FINEBI5.0，FCBP也是考的5.0的版本，初次使用6给我的感觉是无论从界面还是功能上都有所进步。DEF函数更是让取数更加灵活。协作的功能在未来实际使用中也更加适用。在整体上都有了一个质的飞越。比起FR,FineBI更加适合业务人员的使用。目前公司也在考虑FineBI产品未来的推广和使用
2、参赛总结
组内的小伙伴们，在正式工作之余抽时间研究、制作参赛作品，从最初的激情澎湃的方案设计，到中间实现过程的取数、数据处理、BI制作过程中忙的焦头烂额，再到最终呈现出作品，大家都克服了很多时间、精力上的困难。其实在制作过程中，尝试fineBI的各种功能，逐渐萌生出更多的想法和创意，由于时间有限，未能全部实现，但已经充分体验到FineBI带来的多样的分析视角和丰富的可视化工具，相信在未来的工作中会派上大用场。
