Wifi
Analyzer
Business Insights
Hortonworks or Cloudera Hadoop
O2O Summarize & Load
SQL Server Parallel Data Warehouse
SNS
Integrate/ Enrich
Reporting Services
半结构化/非结构化数据
Web Clickstream DOC / Media Social Media Machine / Sensor
Call Log
Log
Apps
数据采集 数据储存
数据管理 数据分析与挖掘
购物中心大数据与BI总体架构
半结构/非结构 化数据
Summarize & Load via PDW Hadoop Connector Alerts, Notifications Data & Compute Intensive App
RFM顾客区隔与相应的经营策略
购买一定金额 以上的商品时 提供有效的奖 赏
并买时提供有 效的奖赏
忠诚 顾客
客 单 价 提 高
客单价提 高 提高M值 促销 提 高 忠 诚 度 关连购买 促销 巡回购买 促销 来店次数 提高 再来店 促销
来客 数提 高
提高F值、 M值促销
关连商品，购 买促销奖赏
提高F值、 M值促销
数据源
DW 数据仓库
OLAP 多维数据集
多维分析报表
大数据战略发展的三大误区
1. 数据量越大越好
忽略了一个最古老的问题：数据要用才有价值
DataInformationKnowledge是永远不变的
2. 数据驱动 vs 需求驱动
不能为大数据而大数据，要先知道想分析什么？ 由需求著手，引导数据的收集
5. 重要挽留客户
6. 一般客户 7. 一般客户 8. 无价值客户
消费者行为分析
客户细分模型
生活场景 （品类拓展） 购物篮 购物桶 生活方式 习惯
RFM-S 模型
生活方式模型——从购物篮 商品维出发的 聚类分析
新的生活方式 模型（滚雪球 模型） ——从商品消 费属性出发的 聚类分析
消费习 惯模型 ——增 加消费 时间等 维度
Analytical Reports
微信/ 新媒体
SQL Server Analysis Server
Performance Scorecards
Cloud, Market Place
POS CRM
ETL with SSIS,
客流
餐饮 排队 冰场 系统 车牌 扫描
业务系统(结构化数据)
BI 智能分析标准化架构
模型价 值 T 公司 案例
•
更全面考虑客户消费行为， 更透彻理解客户。
第14组新生活方式分组：购物 篮内商品维度计分最显著之处 均为主流方便食品。但非典型 的”工作繁忙、贪图方便食品 的会员“。 结论：这一簇应分为两组：共 享宿舍、不做饭的年轻人，以 及口味传统，喜欢用微波炉烹 调的家庭。 方法：（1）看购物时间；（2） 频率；（3）家庭类型
物联网
非结构化数据
• Web Pages • E-mail
• Multimedia
结构化数据
• Database • Spreadsheet • File in record format
半结构化数据
• XML Docs
• Instant Messages • Documents
• Logs
• Click-stream • Equipment/ Device, RFID tag
酒店运营分 析
娱乐、 票务分 析
跨行业关连性 BI分析
客流、 车流分 析
48
东区餐饮 运营分析
跨行业关连性分析的一般应用
各行业营收关连性分析 价格关连性分析 客户流失关连性分析 广告效益关连性分析
促销关连性分析 卖场面积优化分析 品牌忠诚度分析 市场区隔分析
BI数据分析系统报价
在没有完全了解学校的具体需求之前我只能给您一个 大概的价格区间：50万-150万之间。
学历分析
26
地域分析
27
采用推叠图进行地域综合分析
28
年龄分析
29
采用推叠图进行年龄综合分析
30
性别分析
31
年收入分析
32
职业分析
33
平均消费金额分析
34
客户10分位分析
1. 第10等级和第1等级客户的客单 价相差30倍 2. 第1至第9等级的客单价呈现缓 慢上升，但第10等级的客单价 上升幅度最大。
消费习惯模型
假设
•
有规律的买同样商品组合的客户， 因进店时间不同，可能隐含着不同 生活方式，应属于不同的消费习惯 分组。
对数据管理要求高。
概念
•
•
购物时间：消费行为中购买商品以 外的一种维度。例如：每天中的哪 个时间区段，每周中的工作日或周 六日，每月初/底，每逢重要节假 日„„ 其他消费行为维度：频率、渠道、 付款方式、物流方式„„
累和分析而制作的。
魔 球 Moneyball
记录大联盟里最传奇、最颠覆 传统球队成功的故事和秘辛
Oakland A’s 奥克兰运动家队
看钱少、人少的球队如何在
4 竞争最激烈大联盟里获胜！
4
大数据(Big Data)时代来临
新量级、新处理模式、新企业智能
Mobile Internet
移动互联网
Internet of Things
37
总客户数与年龄关连性分析
客户数最多的年龄层： 30-50岁；其中4550岁的会员最多
38
Wifi 定位与车流分析
通过WiFi+微信的登入方式获取客户消费数据
① 会员分析——在商场的不同位置安装客流监控设备，并 通过Wi-Fi站点的登录情况获知客户的到店频率，通过与会员
卡关联的优惠券得知受消费者欢迎的优惠产品。
下次来店时的 有效奖赏
RFM顾客区隔与相应的经营策略 (续)
直接意见调查 （改善的提示） 提供回笼的奖 赏
一般 顾客
离反 改善 休眠 顾客 的觉 醒 新顾 客的 取得
离反理由 的探究
直接接触
离反 顾客
来客 数提 高
利用顾客 的来店促 销 目标商圈 的明确化 商圈的扩大 目标顾客 层的锁定
来店诉求
并买时提供有 效的奖赏
找出最有价值的顾客
顾客区隔
顾客类别管理 是配合顾客的属性将销货数 据分类，探索销货的特徵， 性别、年收入、职业等 将顾客的销货数据按大小顺 序分成10类，分析哪一顾 客是属於哪一分类 按顾客的销货金额分成不同 的群组管理, 80/20, ABC等
人口统计学 十分位 (Decile)
RFM
以最近购买日（R）、购买 次数（F）、购买金额（M） 等项目将顾客分类
RFM应用
年度会员 开卡数 多久未到店
到店频率
累计消费金额
RFM应用：客户离反分析
2013，Q3完全 离反客户占 21.1%
RFM应用：客户价值分析
会员数占24%， 贡献金额占比55%
加入这类，会员数 占41.3%，贡献 金额占比70%
RFM应用：客户区隔分析
1. 重要保持客户 2. 重要发展客户 3. 一般重要客户 4. 新客户
在全美和世界各地分别拥有2700万和3300万注册用户的美国网络电视台Netflix，用逻
辑和计算取代了依赖传统和直觉的做法。据悉，Netflix每天会对3000万次“播放”、
注册用户的400万次评级、300万次搜索，以及一天中用户观看视频的时间和所使用的 设备进行观测，帮助网站分析用户，针对不同用户推荐节目。比如它的网络定制剧《纸 牌屋》在美国热播，迎来赞美无数，制作方就宣称该剧是基于海量用户数据积
RFM-S模型
概念
• R：Recency, 最近一次交易日期到当 前日期的天数 • F：Frequency, 在一定周期内的交易 次数 • M：Monentary, 在一定周期内的交易 金额 •• S Life stage ，生命周期阶段 R： ：把 R分成 5个区段，分别用数字 1~5标识 • F：把F分成5个区段，分别用数字 1~5标识 • M：把M分成5个区段，分别用数字 1~5标识 • S：把S分成8个区段，分别用数字 1~8标识 • （区段分界值、分几段可以用聚类 分析法求）
5. 呈现结果
为不同客流等级分 配颜色，并将结果 图形化
2. 绘制动线
绘制消费者的可行 路径，以此作为评 估主体
4. 分层计算
依据模型，分别计 算各楼层动线与店 铺客流等级
Wifi定位动线分析
车流分析
预测模型
预测分析 – 收入金额
45
预测分析 – 销售额
46关连Biblioteka 分析跨行业关连性分析将整合不同运营分析
3. 忽略大数据的基础
Google、Facebook、Amazon、Walmart、淘宝网、腾讯 这些大数据的优秀企业本身都具备数据分析的能力。
顾客忠诚度分析
顾客是企业竟争力发展的核心
挽救老客户成本
1,000
x10
100 寻找 新客户 挽救 老客户
一个失去的老顾客重新成为顾客的成本 是寻求一个新客户成本的10倍。
• • •
• •
使用方 法
•
•
T 公司 案例
• •
使R*F*M*S，则5*5*5*8=1000 得到1000个客户细分群体 取任意一个客户，在当前时间点计 算或引用他的R/F/M/S值，例如
不需使用订单下的明细行 ，数据管理负荷轻。 适用于提供的商品/服务品 类较多、商品/服务单价相 对较低，或大件商品需要 消耗性配件/材料/服务， 买卖频率相对较高的业务 快速、简单制订差异性的 。 客户管理策略，例如：重 要保持客户、重要发展客 户、重要挽留客户、一般 重要客户、一般客户、无 价值客户等。 跟踪管理某一细分下的客 户在一段时期内价值变动 的情况。 1994 年~1996年主要使用 在合理的时间点联络客户， RFV-S 模型来细分客户。 提高交易频率、减少客户 流失率。 有时增加促销活动反馈值 来进一步细分客户。