当前位置:首页  >  数据分析专题  > 

电商数据分析实战讲解下篇——电商销售数据分析怎么做?

作者:FineBI

发布时间:2023.9.1

浏览次数:272 次浏览

本篇给大家带来电商数据分析系列第五篇文章:实战讲解下篇——电商销售数据分析怎么做?

许多朋友在做电商数据分析时面对密密麻麻的销售数据常常会一筹莫展,无计可施。今天就给大家带来某印度公司销售分析报告的实战讲解,帮助大家解决不知道电商销售数据分析怎么做的问题。

1. 概述

本文案例来自可视化大赛获奖作品:【2022BI数据分析大赛】某印度公司19年Q1销售分析报告,再次感谢这位选手的分享!

仪表板查看:某印度公司销售分析报告

本文仅提取作者的分析思路方便阅读。

1.1 背景

了解印度零售公司目前的销售现状是什么,如何改善问题,提升业绩。

1.2 分析思路

1)概况分析:得出整体公司经营情况概述;

2)原因分析:那些原因大致公司利润为负;

3)措施建议:哪些产品值得运营;哪些客户值得重点关注;

4)树立目标:预测 19 年上半年的目标值;

2. 具体分析步骤

2.1 概况:成本是关键因素

作者通过销售额和利润的相关数据展示,阐述公司整体经营情况。

  • 2018.10 之前皆为亏损,而在 10 月之后开始盈利。由最右方组件可知销售目标达成情况比较一般,应是由于公司战略调整,降低了成本。

2.2 那些产品影响了利润

对比各产品的年度利润,很容易帮助作者找到影响利润变化的产品。

  • 导致 2018 年负利润的产品:tables、electronic games、saree 等产品;
  • 2019 年的 printers、bookcase、accessories 等产品利润贡献有了较大的提升;

通过成本、单价、销量对比,以及月度趋势发现:

  • tables 销量并不高,但作为贵价产品,成本远高于单价,所以才会对年利润有影响;
  • saree 由于销量高,所以也能较大幅度影响年度利润。
  • Printers 由于控制住了成本+适当提高单价,因此对 19 Q1利润贡献占比达 20.4%;Bookcases 由于扩大了销量+适当提高单价,因此对 19 Q1 利润贡献占比达17.3%

2.3 措施建议

对该公司的客户进行分析:

  • 通过对客户进行 RFM 分类(RFM分析),发现公司客户基础较为薄弱,公司「一般挽留客户」「一般发展客户」就已超过50%,而「重要价值客户」「重要发展客户」占比较低;通过对客户购买时间进行分类发现,公司「一次性客户」「流失客户」占据主流;
  • 通过客户分布发现,公司的全体客户群体主要覆盖在城市「Madhya
    pradesh」「Maharashtra」,通过钻取发现「重要价值客户」「重要发展客户」「重要挽留客户」同样主要分布在这两个城市;因此这个城市可以作为后续营销重点;

对该公司的产品进行分析:

  • 通过对产品成本/销量划分 4 象限,发现产品「Hankerchief」「Stole」「Saree」2 年的单价较低而销量又较高,且头巾/披肩/纱丽服对用户的价值也较高,可以初步定位为营销商品;
  • 通过产品关联分析发现,「Hankerchief」与「Stole」支持度/置信度/提升度都最高,因此可以被确定为组合营销商品;

2.4 设定目标

整体月度趋势呈现上升趋势,因此通过二次移动平均法我们可以简单预测 2019 年 04-06 月销售收入分别为6.0,6.4,6.8万;2019 前半年的销售收入目标最低目标应设为 35.1 万,按照与 Q1 同样的销售利润率,推测 2019 前半年应该达到利润 5.7 万。

3 结语

FineBI作为一款支撑多类数据库源的大数据分析BI工具,除了上述教程之外,FineBI还拥有完备的在线学习资源,如面向业务人员的业务专题课程与BI工程师实战学习精品班课程,配备BI项目负责人在线一对一帮扶,在线上即可体验功能demo和行业场景demo的在线demo库。使用FineBI,能够帮您迅速提升电商数据分析的能力,提高个人竞争力,助力企业发展。以上仅列出了这个电商数据分析软件功能的冰山一角,要想揭开FineBI这个产品的神秘面纱,还是要自己去实践试一下的。

往期链接

电商数据分析系列(4):电商数据分析实战讲解上篇——经营商品数据分析

电商数据分析系列(3):电商数据分析软件选择,电商数据分析平台推荐

电商数据分析系列(2): 电商数据分析思路详解,看完立马通透!

电商数据分析系列(1):电商数据分析指标有哪些?体系如何构建?

商业智能BI产品更多介绍:www.finebi.com


   

商务咨询

在线咨询
专业顾问帮您解答问题

电话咨询

技术问题

投诉入口

微信咨询