可视化分析案例精讲！营销活动分析应该怎么做？

第13期BI可视化精选——“DB百货营销数据分析”活动落下帷幕，社区用户“luojian0323”的作品票数最高，获得第一名！大师兄在此表示热烈祝贺！

为了帮助更多用户提升产品使用及数据可视化分析技能，帆软社区特邀“luojian0323”同学为大家分享他的作品制作经验，一起来学习吧～

分析主题

作为一名DB百货公司的市场活动经理，在二季度你因为业绩一直平平无奇而苦恼。你期望通过一场营销活动来改变局势，你需要通过分析公司往年营销活动来制定最佳方案，实现业绩逆袭增长！

在分析过程中，你发现了3个比较严重的问题亟待通过数据分析来解决：

问题1：优惠券都去哪了？

以往发放了很多优惠券，但是部分优惠券设置不合理，店员反馈去掉销售成本亏本买货，具体是哪些门店？

新的大促活动暂定300、500、1000、2000、5000满减的优惠券，根据往期销售数据分析，哪些品类发放哪类优惠券更合适？

问题2：如何合理投放网站广告？

本次大促活动准备与某网站合作，推送会员卡广告。为了确保精细化营销，根据以往数据来看，不同年龄段和性别的人喜欢哪类商品？价位定位在多少更合适？

问题3：哪些业绩优秀的门店品牌可邀请进行经验分享？

在往年的活动中，有些门店品牌宣传做的好，营业额比平时高很多倍；也有一些门店品牌错峰举办活动，这也能让销售额大幅增加。由于此前门店都是各自经营，销售额高低全凭门店自己，能否找到不同品类中销售额高、活动做的好的品牌，邀请进行经验分享呢？

分析思路

拿到数据以后，首先研究活动中提到的三个大问题，以及大问题中的部分分支问题，然后观察官方提供的数据，找出数据之间的关联。

问题1：优惠券都去哪了？

分析这个问题，很明显要围绕优惠券这个主题来分析，问题中提到，以往很多优惠券发放不合理，导致门店亏本卖货。是哪些门店在亏本卖货？在接下来的活动中要继续发放优惠券，应该针对哪些品类发放哪些优惠券比较合适？虽然数据表中没有直接给出优惠券使用数据，但是从用券金额来看，还是能看出一些端倪。着重从门店亏本的记录中排查用券金额情况，就很容易发现是哪些门店在亏本卖货。再根据以往销售数据进行归类分析，得到不同品牌的价格区间，对不同价格区间的产品给出不同的优惠券发放方案。

问题2：如何合理投放网站广告？

分析这个问题，我的理解是找出不同年龄段不同性别的喜欢产品品类，分析这些销量好的产品在哪些价格区间，从销量最多的里面筛选前几类产品，做网站投放广告。

问题3：哪些业绩优秀的门店品牌可邀请进行经验分享？

这个问题的初衷是在元旦假期出现亏本以后，出现业绩显著回升的现象。从中找出哪些门店业绩做的最好，销量最好的是哪些品类及品牌。找出代表性的品牌以供案例经验分享

数据处理

思路分析以后接下来就是对数据进行整理，通过FineBI自助数据集将有关联的表字段进行关联合并，比如销售信息表与会员卡类型可通过会员卡类型编码，会员卡类型进行关联。

销售信息表跟会员卡信息表也有关联，可在自助数据集中对关联字段进行关联合并

以及销售信息表与门店品牌表的数据关联合并

还需要提前对客户偏好品类产品做价格区间分析，我的思路是另存为一份上面做好的自助数据集，然后过滤掉一些毛利为负的不良记录及部份数据有缺失的数据。

然后通过销售额/销售数量 得到产品的销售单价，再对这个价格做一个价格区间分析(图一)。然后按照年龄段，品类名，性别价格区间对销售数据汇总(图二)。再按照组内排名的方式得到不同性别，年龄段，和品类下销量最好的销量及所属价格区间(图三)。最后把组内销量最好的数据筛选出来，保存当前自助数据集为：不同年龄性别各品类购买偏好分析。

并关联到上面的原自助数据集中(图四).我把它命名为:销售信息合并

图一

图二

图三

图四

接下来是对品牌销售成本表和门店品牌表的关联合并

用相似的方法计算出产品的单价

和产品的价格区间 ，并保存命名自助数据集为:品牌销售成本合并

另存为一份上面的自助数据集，命名为:建议优惠券分析

首先过滤掉毛利为负的数据，然后根据价格区间，品类名 对去券销售额，销售数量数据进行汇总

然后按品类名计算出组内销量排名

筛选出组内销量最高的数据，对其价格区间做优惠券发放建议

再创建一个自助数据集，并将品牌销售成本表和门店品牌表关联合并。

此时筛选18年1月22号－18年2月4号的数据供后面业绩回升分析使用

接着对品类，品牌下的销售数据汇总

用组内排名的方法算出品类下销售额最高的品牌销售数据，并将排名为1的数据筛选出来。保存当前自助数据集，命名为: 18年1月22-18年2月4号期间不同品类下的品牌销售排名

可视化分析

先从品牌销售成本合并数据集中创建一个公司整体去券销售额及毛利率情况。并将毛利为负做闪烁标记。

从上一个图中，容易发现公司业绩下滑甚至亏本的重点时间段在18年1月1号-4号。也就是元旦期间。可能是由于活动举办不当，甚至可以说是出现失误导致。

进一步拉取门店的亏本金额及用用券次数情况发现问题门店

接下来重点观察亏本的几天内门店用券情况

发现东亭店，在元旦期间内大量使用优惠券，且因优惠券设置不合理，导致活动期间亏本严重。

了解了上述情况后，要想对后面的活动优惠券使用如何安排合理。可通过历史数据分析不同品类的产品应该发放哪些优惠券。

下面将前面做好的建议优惠券分析数据集中的数据创建一个仪表板用来展示相关信息在下图中，将各品类按销量在柱状图做展示，并将对应的价格区间及建议优惠券在图中展示出来。

这样给出的建议优惠券和当前品类下的销量最好的价格区间，一目了然。

接下来是对合理投放广告的分析将销售信息合并数据集中的数据创建一个如下图的柱状图。通过多分类多系列的方式，配合标签显示不同品类，各个年龄段和不同性别下，分析销量最好的品类，从中筛选前3个品类展示。并将不同品类，不同年龄段，不同性别下的品类价格区间在标签中展示。

这样就分析出：化妆品部，运动部，针棉纹胸部 三个类别较适合投放网站广告 ,并给出了价格定位建议。

接下来分析公司业绩提升，是哪些门店，做的哪些可推荐方案，可邀请进行经验分享呢？

通过前面第一个公司销售额及毛利分析总体图可知，公司业绩提升明显的是在18年1月22号至18年2月4号之间。抽取这个时间段的数据时行 分析

分析发现这个时间段业绩突出的是东亭店和南陵

从：18年1月22-18年2月4号期间不同品类下的品牌销售排名 这个数据集中，创建一个仪表板组件，得到下图数据，从中筛选前5个品类下的品牌展示。得到销售额最高的品牌:Burberry,和毛利最高的品牌:NIKE

最终效果图下图所示：

总结

•带着问题先观察整体数据

•发现异常数据，向明确目标钻取

•通过分析手段挖掘隐藏的有价值数据

•用分析出来的结果验证事实真相