从数据化管理的角度来看,市场营销通常是一个比较难量化的手段。但营销作为一个连接用户和优化市场定位的有效方式,需要通过数据分析去调整,帮助制定正确的营销战略。
营销的数据分析流程主要是:根据分析主题建立数据库,收集数据,收集到的数据处理之后做分析与呈现。
在操作之前需要思考分析什么内容,如何分析。
问题1:分析什么内容?
营销分析的内容太宽泛,通常会分为以下几个主题:
- 销售量预测
- 竞争分析
- 客户满意度分析
- 客户流失分析
- 渠道分析
- 促销分析
问题2:以什么指标衡量?
一张图表很难描述所有的数据信息。比如你需要分析客户满意度,要思考哪些指标能描述客户的满意度。所以营销主题的分析通常会涉及到这样几个重要的指标。
宏观市场指标:市场占有率/相对市场占有率(销售网络、客户和销售区域、产品组合);市场增长率(同比、环比、行业对比)
公司经营状况指标:收入毛利净利润;利润率(销售利润率、成本利润率、产值利润率);成本(销货成本、促销成本)
客户相关指标:细分市场盈利能力、忠诚度、客户满意度、新产品购买率、客户获取成本、客户盈亏平衡分析
广告评估指标:到达率和接触频率;总收视点=到达率*接触频率;点击率;转化率;广告销售比=广告支出/销售额;扣除广告成本每笔新增销售获取利润
零售营销评估指标:周转率=年销售额平均每月库存量;库存投资毛利回报率=毛利平均存货成本;每平方销售额;每员工利润;平均交易额=销售总额交易次数;零售商利润率=(销售价格-批发价格)销售价格
这两个问题明确后,就要开始处理数据数,这过程中又要考虑采集哪些数据,数据从哪里来,用什么工具处理,数据如何展现。
如何确定采集内容?
有一定信息化基础的企业可以从内部的业务系统调出数据,比如CRM、ERP、CRR,以及市场调研得来的数据,这些都是一手数据。除去一手数据,还有很多关于市场环境的数据可以从行业协会、政府统计机构甚至第三方收费数据获取。
市场分析
营销组合与资源配置
如何处理和展示数据?
数据的展示无外乎报表和图表。
因为维护和运营成本的问题,大多企业都不会建立专门的数据库,所需要的数据通常分散在各个系统中。所以可以从各个系统抽取这些数据放到某个库,做主题展示分析。为了避免后续的数据维护,可以尝试集中管理数据,建立一个类似数据仓库的东西,最好还能实时更新,满足这几点,后期的分析工作会轻松许多,比如可以利用带cube的商业智能数据分析工具FineBI制作分析,以几个例子说明。
案例1:销售预测
做销售预测的分析,主要从市场占有率、按区域和流通渠道划分的销售预测以及回归模型。此时我们需要手机销量数据、竞争对手的销量数据、以及外部的一些社会经济环境统计数据。
如下图利用FineBI制作全国销售额分布图,查看各地区完成进度,确定主攻市场。
案例2:渠道分析
如果要研究不同渠道的销售情况,优化渠道就要分析渠道与购买行为的关联性,收集客户的购买过程与销量。
相关的数据分析和挖掘工具
指标分析的主要方法
指标分解、对比分析、时间序列分析、因果分析、数据分布分析
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。