Leo Yeh's Blog

SAS 商業分析 (6)

基本介紹

教學目標

初步了解 SAS 商業分析之 SAS Visual Analytics 解決方案的視覺化分析應用。

重點概念

首先零售商可以先透過關鍵人口的統計資料進行初步分析,像是郵遞區號、平均年齡、平均收入、平均家庭價值和平均到商店的距離。接著試想一位名為 Emma 的人物,Emma 持續透過網路和實體商店進行購物,這時我們必須透過全通路的分析才能夠更了解 Emma 學歷、工作、興趣、… 等個人資訊。再來試想一個情境 Emma 透過公司的廣告型錄看到某個特別的商品,但是遲遲無法下定決心購買,這時當 Emma 瀏覽社群網站時會出現該商品相關的部落格或網站廣告,這時若 Emma 若非常喜歡則會選擇商品的顏色和大小,並且放入購物車中,可是 Emma 卻放棄購物車進行結帳。隨後幾天後 Emma 就會收到電子郵件主要內容為提醒可能已經忘記的訂單,同時若 Emma 到實體店面時就可能會收到簡訊該實體店面有提供她所喜歡的商品,當 Emma 進入實體店面時店員就能夠根據 Emma 的個人資訊和線上操作習慣提供個人化的體驗,並且建議 Emma 透過電子商務網站進行購物,讓 Emma 享受到良好的使用者體驗。

接著零售商要如何針對 Emma 進行客戶分析呢?此時可以透過 SAS Visual Analytics 解決方案可以廣泛滿足不同的使用者需求,並且提供更多的建議,像是若我們想瀏覽客戶的體驗, SAS Visual Analytics 解決方案則可以協助我們了解客戶的喜好,同時在日常工作中應用 SAS Visual Analytics 解決方案的視覺化效果進行改善的過程中,或許能夠協助我們找出更好的問題,此時我們可以透過 SAS Visual Analytics 解決方案進行溝通和合作的方式建立一個完整的故事,像是透過 SAS Visual Analytics 解決方案了解 Emma 全通路購物歷程的故事,透過故事更全面的進行客戶分析,並且從客戶分析報告中找出更多的機會。

再來零售商要如何從客戶分析報告中找出更多的機會呢?我們主要會透過零售商的交易資料進行客戶分析,下一步分析原因嘗試優化行銷活動和個人化行銷名單,一般來說交易的屬性主要有交易時間、交易編號、交易地點、交易金額、客戶資料、人口統計、…等資訊。一開始我們會先從看不同時間點的平均交易金額,此時透過 SAS Visual Analytics 解決方案就能夠快速折線圖我們可以看出交易趨勢,同時針對後台的預測模型進行預測分析。接著透過 SAS Visual Analytics 解決方案還可以輕易的找出哪些關鍵因素會影響平均銷售金額,再來當我們找出關鍵因素之後,可以嘗試透過 SAS Visual Analytics 解決方案調整關鍵因素的百分比例套用至折線圖中查看平均金額未來是否會有所增加達到一定比例的目標。此外我們為了更細分客戶分群,還可以再透過 SAS Visual Analytics 解決方案針對行銷活動的銷售量進行決策樹分析,此時並不是進行預測分析,而是進行客戶分群嘗試找出客戶的關鍵屬性,更進一步查看決策樹中不同節點之中平均銷售金額,下一步就是透過 SAS Visual Analytics 解決方案針對平均銷售金額進行分類,像是低、中和高收入群眾,同時將分類結果產生新的維度欄位,以利與客戶編號、交易編號、產品編號、交易時間、…等欄位一起匯出資料進行客戶分析的應用。

最後當我們透過 SAS Visual Analytics 解決方案探索資料和匯出資料,搭配企業現有資料探勘的解決方案進行客戶分析的應用之後,我們還可以再透過 SAS Visual Analytics 解決方案將分析的結果產生視覺化互動儀表板,讓我們能夠隨時隨地操作視覺化互動儀表板參考客戶分析報告中找出更多的機會。總結 SAS Visual Analytics 解決方案重點在於視覺化分析的解決方案,主要應用為探索資料、匯出資料和產生視覺化互動儀表板,而非資料探勘的解決方案,若企業沒有資料探勘的解決方案,則建議導入 SAS Enterprise Miner 解決方案,將能與 SAS Visual Analytics 解決方案完善的整合應用。

相關資源

⬅️ Go back