搜索
分析目的：按照流量和销量做促销计划，增加销量和回头率，以及客户忠诚度分析数据清洗：导入表后我们发现时间哪一列是乱码，对时间重新编码—时间2，3月30，删除13344618160745170985950193.31197.181.020.82%0.83%1.对于下单金额的几个小数，做整数处理对结果影响不大2.做时间序列图，看出3.30号，有一个点畸形高，而后面的销量不高，在作图中会影响我们的精度等，我们可以做单独处理。有两可能1，数据错误，2，做了广告或促销，效果不好。转化率不高！3.可能和周末有关，并且不知道你们做的什么销售，对于产品不好把握。只是在数据层面分析，不好建议4月54月13月283月243月203月163月123月83月414000120001000080006000400020000时间2数据流量访客次数访客数变量流量,访客次数,访客数的时间序列图去掉3.30号的数据后。3.8与3.9可能因为过节的访问量比较高4月64月23月283月243月203月163月123月83月4600050004000300020001000时间2数据流量访客次数访客数变量流量,访客次数,访客数的时间序列图3.8妇女节，3.9号母亲节。访问有所上升！与促销有光回归分析:访客次数与访客数回归方程为访客次数=51.0+1.03访客数说明回头客只有3%自变量系数系数标准误TP常量51.0421.972.320.026访客数1.033990.0119286.780.000P0.05说明拟合的很好，我们做分析时可以用访客次数代替访客数S=26.7959R-Sq=99.5%R-Sq（调整）=99.5%方差分析来源自由度SSMSFP回归1540713854071387530.610.000残差误差3525131718合计365432269异常观测值拟合值标准化观测值访客数访客次数拟合值标准误残差残差26858899.00938.2012.13-39.20-1.64X3029093021.003058.9113.86-37.91-1.65X3327282817.002871.7611.83-54.76-2.28RXR表示此观测值含有大的标准化残差X表示受X值影响很大的观测值。210-1-2999050101标准化残差百分比30002500200015001000210-1-2拟合值标准化残差210-1-286420标准化残差频率35302520151051210-1-2观测值顺序标准化残差正态概率图与拟合值直方图与顺序访客次数残差图基本上的访客数=访客次数，所以他们拟合的很好访客次数=51.0+1.03访客数如果这样看的话，你们的忠实顾客与回头客很少也就是说，流量与顾客转化率，之间没有明显的线性相关关系。6000500040003000200010006.00%5.00%4.00%3.00%2.00%1.00%流量客户转化率客户转化率与流量的边际图转化率流量，没明显的关系，客单量：一个顾客购物的数量：接近1的情况下平均订单金额=客单价：由商品的价格决定你们可以增加，主要产品的周边，附属产品，增值产品，服务后面还有一些没有分析完毕，你先看看吧，，，有时间会补上………主要指标都呈一个下降趋势：363228242016128414.00%12.00%10.00%8.00%6.00%4.00%2.00%0.00%指数数据客户转化率订单转化率变量客户转化率,订单转化率的区域图分别比较4月54月13月283月243月203月163月123月83月47.00%6.00%5.00%4.00%3.00%2.00%1.00%0.00%时间2数据客户转化率订单转化率变量客户转化率,订单转化率的时间序列图回归分析:访客次数与流量回归方程为访客次数=469+0.417流量自变量系数系数标准误TP常量468.6147.83.170.003流量0.416600.0414110.060.000S=199.691R-Sq=74.3%R-Sq（调整）=73.6%可以看出，虽然流量大会带来大的访客次数方差分析来源自由度SSMSFP回归140365994036599101.230.000残差误差35139567039876合计365432269P0.027说明回归性还是表明显！异常观测值拟合值标准化观测值流量访客次数拟合值标准误残差残差955542106.02782.491.9-676.4-3.82RX261256899.0991.897.8-92.8-0.53X3047913021.02464.563.4556.52.94R3344842817.02336.652.9480.42.49RR表示此观测值含有大的标准化残差X表示受X值影响很大的观测值。宏观分析---下单金额20000160001200080004000中位数均值13000125001200011500110001050010000第一四分位数8925中位数11891第三四分位数13808最大值213331052113034102021322430654895A平方0.21P值0.858均值11778标准差3769方差14201822偏度0.370960峰度-0.065499N37最小值4999Anderson-Darling正态性检验95%均值置信区间95%中位数置信区间95%标准差置信区间95%置信区间下单金额汇总异常数据：下单金额特别大！21333平均值11778大了大概一倍。所以在节日做好促销很重要。平均值大概处于10521到13034之间。数据还是处于比较稳定的状态。3769标准差，由于饰品对于，受节日的影响比较大，还有平台提供商影响比较大。做方差分析，意义不大。3月849512540236112215721333118174.84180.791.035.00%4.80%下单金额的运行图流程控制图，我们当然想，订单的下限做一个规范，预警机制，比如少于7500销售额时，我们就是看看，什么原因：是流量广告促销不够，服务不够，产品质量出了问题，竞争对手的搅局，消费者羊群效应。提高警惕！统计质量控制因果这是比较好的因果分析，图，头脑风暴。等3530252015105122500200001750015000125001000075005000观测值下单金额LSL关于中位数的游程个数:16期望游程个数:19.5关于中位数的游程最大长度:10检验聚类性的近似p值:0.122混合的近似P值:0.878向上或向下的游程个数:24期望游程个数:24.3向上或向下的游程最大长度:3检验趋势性的近似p值:0.447检验振动性的近似p值:0.553下单金额的运行图首先排查流量的问题。--广告，促销流量*3与订单金额的比较！开始金额高于流量。后来持平，再后来低于流量！流量也有一个剧烈波动和下降趋势，流量变化滞后于金额。可以大致用现在的金额来判断以后的流量。。此话没有逻辑依据，不过，从图形上来看有一定的道理，如果数据更多，可以验证，用来指导销售。4月64月23月283月243月203月163月123月83月422500200001750015000125001000075005000时间2数据ll*3下单金额变量ll*3,下单金额的时间序列图总结：开始看的ppt，后来看了一本《六西格玛管理使用指南——黑带培训教程》觉得：和视频时，我觉得。讲的不够深，比较简单。很多doe，spc，没有讲到。再今天给网友解决几次问题问题后才，数据分析的实质是重于形式的。不一定要研究多么高深的统计理论和数学模型，只要得到答案就好指导，基本统计量，图形，过程控制等就可以了。对外：特别是平台商顾客忠诚度不高的时代，做好定价策略，你们奢侈品的价格波动很大，注意不要低估消费者智商，昨天买的500今天减到300，500买了的还不喜欢，退货障碍重重。一个差评，绝对是你很大的损失。客户价值分析，研究消费者行为，竞争对手分析很重要！对内：降低成本，提高质量，服务，增加接触程度，售前，售后，售中。做到满意100%时你们的战略。凡客的战略，主打服务设计。京东：速度。我也买过饰品银的，--当当。不贵一百多本来打算送女友，到货发现做工很差，不敢送。真的扔了！送人减低自己品味！退货又麻烦，认了。再也不会去哪里订货了，有几条。具体忘记了。只有看书才想得起。你去看看，做笔记，用来指导你们的运营。客户关怀，处理客户抱怨，投诉等，不要玩文字游戏。凡客我，买过很多次，买了，感觉不喜欢就退了。以后依然会买凡客。你看凡客的衣服评价很多都在90%以上，人家追求100%。可以了解一下--——全面质量管理！对于网站流量的分析，目前，我只有这水平，这个以天来计算的销售宏观数据。对于你们的会计销售报表以及网站统计（CNZZ，百度统计）后台的数据更加感兴趣。可以分析出更多的信息，对销售做指导。由于销售受外界的影响比较大，和工业的质量管理不同。希望你们学习一下《市场营销》《消费者行为分析》等。----以上的资料在网站的资历分享里面都有！！！：你去仔细看看（定价策略）（竞争对手分享）（市场分析）（管理培训教程）。这真心是好的资料。不要错过！我的百度博客：里面有自己度过的书，读书笔记，推荐的读书等，希望你们多看书。