会员用户增长分析案例
前段时间我受邀参与了帆软可视化大赛的评审，发现了不少优秀的作品，今天给大家分享一份我认为比较优秀的作品——会员增长分析，来自于参赛团队“颜高手不低”，并在《2021帆软BI可视化夏季挑战赛》中荣获全场最佳作品奖！恭喜他们！
这篇案例有非常详细的业务背景、分析思路和分析过程，推荐大家学习。
业务背景
分析思路
数据来源
①数据已经过脱敏处理
②为达到数据分析过程中可视化的直观性，已将源数据各门店的地理位置虚拟为中国的地理位置
③由于顾客别的销售数据量庞大，本次分析选取了10个门店在202001月-202105月份的数据进行分析
④为了尽量排除干扰因素，该10家门店选择在同一大区且面积相近，年间销售规模相近，周围商业竞争环境相似的门店
3-2、用到的原始数据表含义简述
(具体数据表的内容可参考5-2)
①日别门店别顾客别的购买商品别的购买金额、数量等的详细数据
②日别门店别顾客别的支付方式及支付金额数据
③商品的各分类的维度表
指标定义
②忠实会员：包含对象月在内的最近3个月间来店的会员
③流失会员：包含对象月在内最近3个月间无购买记录并且在过去的第四个月有来店购买记录的
示例：
4-2、忠实会员的等级定义
4-3、购买频度、客单价
②客单价=购买金额/购买回数
数据处理
会员购买商品的原始数据的数据量非常庞大，根据整理的分析思路，将原始数据在linux下(书写shell脚本)加工处理成需要的事实表和维度表。原始数据加工过程中，用到linux的kuniq、selrow等命令进行去重、异常值处理(去除购买金额<=0的部分)等操作
②数据脱敏
将会员卡号进行加密处理，购买金额乘以特定系数等进行数据脱敏处理后，导入到CSV及Excel文件中
③整理各表之间的关联
整理事实表和维度表之间的关联图
④建立自助数据集
将事实表和维度表的CSV、Excel文件导入到FineBI中，通过建立各表之间关联图，添加公式等做成所需的自助数据集。
5-2-1 事实表和维度表的数据表及内容
5-2-3建立各个视点用到的自助数据集
自助数据集也是根据实际分析需求自助创建，此处不再一一赘述。
可视化报告
6-2、图表选择
6-3、颜色选择及设置
②背景色：选取了深色背景图
③图表的配色：以深蓝、浅蓝色为主色调，配有同色系的淡紫色。其中为使有些图表看起来更清晰直观，有些选用
了淡橙色等
④图表设置：图表的背景网格线都去掉了，且给各个图表添加了统一的边框（使用背景图片）
⑤文字标签设置：想要突出的重点内容用绿色或者红色的文字表示，通过分析得出的建议用黄棕色文字表示
6-4、报告的内容
6-4-2 会员整体状况确认
为了直观的展示选取的10家门店的的状况、使用了以下形式：
数字文本：使用大号数字以及亮色，以便于一目了然会员数现在的状况、目标值、以及跟目标值还有多少差距；
地图：表示各店在地理位置上分布状况，也从侧面体现出不同区域受顾客信赖的状况；
折线推移图：时间线上会员数的变化情况以及与目标值的差距；
分区柱形图：确认不同类别的会员(新增、忠实、流失)的月别会员数变化情况
②数字确认结果及结论
6-4-3新增会员分析
在3个门店试验了新的入会方式：自助机入会，和一直都有的导购台入会、Web入会、APP入会进行比较，看哪个入会方式更加受顾客的青睐。其中10个门店中3个门店是实验店，数据确认是以实验店VS非实验店的形式来进行的。
6-4-4忠实会员分析
根据最初分析思路的梳理，先确认了会员等级别的会员人数及购买状况、进而确认了优质会员（白金&黄金）喜好的商品品类；对于优质会员的购买习惯，从购买频度和客单价的角度进行了分析。从而期待从商品品类的强化和会员购买习惯的支持方面留住忠实会员。另外，对会员各个等级别的购物结算方式进行了分析，具体请参考结论部分。
如报告中所述，导致会员流失的因素非常多。本次分析我们着眼于自身门店的商品品类，以及对门店满意度调查的问卷数据的分析来进行。
①-2数字确认结果及结论
②-1简述
对门店满意度的调查问卷信息进行了统计，以期待能获取导致会员流失的可能原因
②-2数字确认结果及结论
完整作品
想自己动手做一做的，可以点击阅读原文，我为大家准备好了FineBI的免费下载链接。
评论