掌握数据分析技能已变成任何岗位“标配”， 今天，网聚宝数据分析师给大家“安利”几种基本的用户数据分析法和场景，帮你轻松提升运营业绩，不再“盲人摸象”！
技能一： 新老客占比分析——你的流量还好吗？
横轴（时间维度）：付款日期 2015.12-2017.2期间
纵轴（会员量）：会员数
对比维度：
1.
红色趋势线代表老客户，即入店购买2次以上的客户
2.
蓝色趋势线代表新客户，即入店购买1次的客户
分析这些数据我们发现
2015.12-2016.1老客户数量在增长，新客数量下降。那为什么会出现这样的情况呢？
思考方向：
1. 是否是拉新引流活动没有做好？
2. 是否是双11、双12的活动透支了客户的购买力？
网聚宝全景洞察_深度可视化用户画像分析
技能二、 会员复购率分析——你的老客给力吗？
横轴维度：会员数（百分比）、付款金额 求和（百分比）
纵轴维度：总购买次数(1/2/3/4/5/6/7)
时间维度：2014.1.1-2017.2.1
从数据中可以看出，购买1次的新客的会员量占比63.79%，他们的付款金额占比86%，新客的人均贡献＞老客户。那为什么会出现这一情况？这个数据走势是好？还是坏呢？
思考方向：
1. 吸引新客的是什么？是商品？是价格？
2. 老客回购少？是商品特性问题？还是老客经验策略问题？
技能三、 各商品复购分析——运营的锅还是商品的锅？
横轴维度：会员数（百分比）
纵轴维度：总购买次数(1/2/3/4/5/6/7)
对比维度：类目
时间维度：2014.1.1-2017.2.1
洞察发现，购买商品A的新客户，二次回店购买率＞购买商品B和C的新客户。不同的类目回购率不同。但相似的类目如果有较大差异，原因是什么?是由于产品本身特性造成的？还是运营策略方面导致的？
思考方向：
1. 是商品布置的问题吗？
2. 如果给买了商品B的会员推荐组合（包含商品B和商品A），这样用户如果回来复购商品B可能就会连带着买了组合，从此成为高回购类目A的用户，这样他们的复购率也能有所提高。
技能四、 会员商品排行购买次数对比——哪些商品是常客们的心头好？
横轴维度：商品名称
纵轴维度：会员数（百分比）
对比维度：总购买次数（1次/2次/3次/4次以上）
时间维度：2016-11-11~2016-11-11
这些数据让我们能够洞察客户的商品偏好。哪些商品适合新客？哪些商品向第2次进店客户推荐转化更高？哪些商品是常客们的心头好？从而调整店铺商品陈列布局，调整对不同人群的营销及推荐策略。
思考方向：
1. 是否是商品的店铺布局问题
2. 是否需要调整营销策略
技能五、 各个生命层级的会员商品排—— 客户“死”在哪个商品上
横轴维度：商品名称
纵轴维度：会员数（百分比）
筛选条件：付款日期距今日分别为：0~30；30~60；60~90；90~120
处于不同活跃度的客户，都在买哪些商品？比如沉睡客户，他们的最后付款时间正好处于双十一前，也就是购买了这些商品后，双十一都没有唤醒他们，那是不是这些商品导致他们流失？
思考方向：
1. 调整商品的店铺布局
2. 调整对不同人群的营销策略
3. 是否放弃“死亡”商品
4. 以此类推根据各个城市的会员商品排行、各个客单价的会员商品排行等数据洞察进行精准营销
最后，再科普一个概念：全景洞察是什么？
全景洞察让企业数据资产运用下沉到中层甚至一线的业务人员，可视化操作让非技术人员也能方便、快捷的进行业务数据探索工作，并能将探索过程与业务执行相关联形成探索-执行-探索的业务闭环。协助业务人员实现业务增长。
全景洞察与BI的区别
| 全景洞察 |
BI |
| 使用高频率 |
使用低频率 |
| 执行运营层 |
高层决策 |
| 在线分析 |
T+N |
| 与业务的耦合能力 |
决策支持 |
| 便捷的可视化操作 |
需专业技术支持 |
企业BI依旧承担着重要作用为企业的高层提供战略决策支持。基于云计算的数据全景洞察将和企业BI相辅相成，协助企业挖掘数据中蕴藏的价值。
2016年开始已有很多企业将数据可视化运用到日常业务环节中。数据可视化是让企业及时了解数据资产价值的一种最有效的方式。感兴趣的同学可去研究下产品：
网聚宝全网作战大屏_可视化数据监控平台
网聚宝电商大数据精细化运营解决方案
