《基于o2o优惠券的客户价值分析》

《基于o2o优惠券的客户价值分析》

此次分析的目的：区分不同价值客户的群体，针对每个群体做不同的营销策略。
此次分析的步骤：一、用RFM模型和传统的方法划分用户群体；二、用RFM模型和聚类的方法划分用户群体；三、评价两种方法并提出建议。
一、用RFM模型和传统的方法划分用户群体
结论：
用户统计分为八组，成正太状分布，客户划分比较正确，客户价值状态良好。

首先，和上一篇分析报告《基于020 优惠券的客户行为分析》考虑的一样，线下用户更优质，所以，这篇报告也是用线下用户作为被分析的群体。由于，业务的目的和用户没有用券消费的金额没有，所以，本文消费群体是3个月以内用券消费的用户。由上图可以明显看出：一般发展客户，和一般挽留客户最多；一般发展客户的划分依据是：用户的最近一次消费时间比平均最近消费时间近，但是这些用户的消费频率和消费的钱数都低于平均水平，这种情况很可能是公司在扩张业务，新用户流入，总体对公司是有益的。一般挽留客户的发展依据是：最近一次用券消费的时间远于平均最近消费时间，并且消费的钱数和次数都低于平均水平。这样的用户很可能是以前体验过优惠券，但是体验感受不太好的用户，如果放任发展很有可能会成为流失客户，所以采取相应的措施改善这个局面。总体观察柱状图，被留下的客户是比较多的，产品有一定的粘性。
接下来，用第二种方法分析——聚类分析。
二、用RFM模型和聚类的方法划分用户群体
结论：
用户普遍消费频率偏低，公司有定期开展营销活动，营销啊活动确实可以有效这增加用户单次消费。
2.1.聚类三维点状图
2.1.结论：本分析方法的用户群体和上一个分析方法的用户群体是一样的。但是此分类方法不同的是，分类依据有三个分别是：R，F，M并且不再设置与各个依据的平均数比较，而是直接用聚类方法，用以上的分类依据，将用户分为三类。具体分类结果如下图：

根据上图很容易看到：用户被分为了三类，第一类就是最底层的紫色用户最多，消费金额也比较少；第二类，用户数量比第一类少些，但是消费金额明显更多些。在R划分依据上，有明显的两次高峰；第三类，用户最少，但是消费金额最多，明显在R上有两级分化。
上面的分类只能看出每类用户的大概价值模样，不能具体精确到数字，所以要做如下步骤——对每个类别的用户画散点图。

2.2.不同类别用户的散点图
2.2.结论：三类用户都是，随着频率的上升，用户数量减少，其中第一类用户最明显，第二类的情况比第一类要好，第三类用户数量本身就很少，但是出现高频率消费的的人数最多。总体来说，第三类用户是最有价值的客户。

上图的第一类用户：消费金额上限在150，消费次数集中在12次以内，客户粘性较差。第二类用户：消费金额在141到1080，消费次数集中在25次以内，明显可以看出在R=120的时候（大概在4月30日左右），产生了消费高峰，推测是公司开展了营销活动，对应到第一类用户上，也有这样的痕迹，对应到第三类用户也有这样的痕迹。第三类用户：消费金额是1080到10700，消费次数集中在40次以内，同样在4月30日左右出现了消费高峰，这类用户是重点优质用户，应该重点维护。