數據挖掘之促銷分析

how-to-set-discount-pricing-right.jpg

量價分析的數據挖掘我想做很久了堂污,商品促銷策略的制定好像都是運營憑經驗粗略的拍定方案,其實只要數據樣本足夠是有機會針對不同的商品/品類發(fā)現不同的促銷規(guī)律的机断,從而實現數據驅動的及精細化運營,下面開始探索幾個促銷關鍵問題的答案绣夺,前兩個問題簡單帶過吏奸,最后一個問題重點分析。

  1. 促銷如何選品陶耍?
  2. 促銷延續(xù)多久奋蔚?
  3. 促銷多大力度?

促銷如何選品

這個功能已經基本實現烈钞,簡單說明邏輯: 對于標品來說可以直接計算SKU的年化周轉次數泊碑,分別統(tǒng)計本周,近一個月和近三個月的年化周轉毯欣,將全國周轉三個指標均排名末尾的商品自動納入清單作為第一層篩選, 然后挑選庫存量足夠深的商品作為第二層篩選馒过。

如果要精細運營還可以有第三層針對地區(qū)/單店的篩選,取全國促銷清單和區(qū)域/門店排名末尾商品的交集作為區(qū)域/門店的促銷清單酗钞,每周計算一次實現自動化監(jiān)控腹忽。對于季節(jié)品,關鍵在于兩個參數的設置要系統(tǒng)化: 生命周期與售罄目標砚作,在商品上市一個月后開始在生命周期內持續(xù)預測售罄率窘奏,將售罄率預期與目標差異過大的商品納入促銷清單。

促銷延續(xù)多久

把[銷量/平均折扣]與[實收金額/平均折扣]的數據拉出來就能看到不管是第幾波降價打折不宜超過兩周葫录,尤其是第二波的低折扣區(qū)間打折超過兩周后有可能實收金額還不如不打折蔼夜,如果再考慮毛利就更不劃算了,這個數據也可以分品類看出各品類的部分差異压昼。


image.png

促銷多大力度

這個問題相對復雜一些求冷,先把它進一步拆解
3.1 商品的價格彈性如何?
3.2 量價曲線的毛利平衡點在哪里?

價格彈性(PED)

Price Elasticity of Demand 表示當價格發(fā)生1%變化時所帶來的需求的百分比變化,公式如下:
E = %△Demand / %△Price

如果 |E| > 1, 意味著需求變化大于價格變化, 則此產品是彈性的
If |E| < 1, 意味著需求變化帶來的價格變化較小窍霞,則此產品是非彈性的

容易被替代的非必需的商品通常是彈性的, 如水果店某種水果打折銷量一定會有顯著變化匠题。


image.png

剛需商品通常是非彈性的, 如豬肉價格飛漲,但是日常該吃肉還是得吃但金。


image.png

數據準備

數據準備會遇到很多挑戰(zhàn)韭山,需要考慮的因素太多,比如打折的衰減效應,非標準折扣的計算與處理钱磅,周末與節(jié)假日的銷量波動梦裂,尾部商品庫存不足帶來的銷售變化,低銷量商品的置信度等盖淡,翻來覆去討論方案差不多花了兩周時間年柠。但是數據團隊很厲害最終還是把這個艱巨任務完成了,抽取出了比較靠譜的數據褪迟。

計算首先從單品緯度開始冗恨,再往上聚合到不同的品類層級,所以最終的呈現可以從大類一直下鉆到單品味赃。抽取兩個品類的銷量與折扣趨勢觀察掀抹,銷量與折扣呈明顯的背離趨勢,但是彈性有所不同心俗,整體感覺還是挺靠譜的傲武。


image.png

image.png

線性回歸

有了原始數據就可以開始計算價格彈性了,將折扣分組對應的銷量指數提取出來城榛,現在抽取文具和玩具兩個類目來看會發(fā)現什么?

  1. 文具和玩具的彈性差異很大谱轨,文具是非彈性品類,而玩具的銷量對價格比較敏感吠谢。
  2. 文具最多打到8折就可以了土童,再深的折扣也無法帶來銷量的提升,就是白白送錢工坊。


    image.png

對于玩具來說8折這一檔是空缺的献汗,如果打8折會對銷量會帶來什么變化呢?
簡單的做法可以對散點數據作一個線形擬合得出公式y(tǒng)=-3.0186*x+3.8798, 將x=0.8代入得到1.465

image.png

但實際上量價散點應該是非線性的王污,用線性方程擬合度貼切度欠佳罢吃,因此可以引入下面的雙對數模型。

雙對數模型(log-log model)

對于價格和銷量兩邊都取對數成為雙對數模型昭齐,通過對數轉化可以將非線性模型變成線性模型
Q=αP^β

兩邊取對數
lnQ_i = ln(α) + βlnP_i
lnQ_i = β_0 + β_1lnP_i

因變量和自變量的雙對數模型數學推導如下:

Ln(y1)=βLn(x)          [1式]

Ln(y2)=βLn(x+Δx)       [2式]

兩式相減
Ln(y1)-Ln(y2) = β[Ln(x+Δx)- Ln(x)]
Ln(y1/y2) = βLn[(x+Δx)/x)]

根據泰勒一階展開約等于
(y1/y2-1)= β[(x+Δx)/x)-1]
(y1-y2)/y2=β(Δx/x)
當Δx為%1*x時尿招,(y1-y2)/y2=0.01*β,
也就是y平均變動0.01*β*100%個單位阱驾,即β%

對雙對數做線性擬合
image.png

β1=-1.3342就是這個品類的彈性系數, 代入彈性系數對上文公式兩邊求冪
Q_i = exp(β_0 + β_1lnP_i)=exp(-1.3342*ln(P_i)-0.0119)
當折扣為0.8折時, 銷量指數為exp(-1.3342*ln(0.8)-0.0119)=1.33, 銷量提升33%

毛利平衡點

對于加倍率不高的商品來說其實基本沒什么分析必要就谜,只要打折了毛利總額肯定下降,如果以毛利額為目標里覆,彈性最高的商品最多也就打個九折還有點機會丧荐。


image.png

References:
Econometrics and the Log-Log Model
因變量和自變量取對數后的彈性/半彈性解釋

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市喧枷,隨后出現的幾起案子虹统,更是在濱河造成了極大的恐慌弓坞,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,214評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件车荔,死亡現場離奇詭異渡冻,居然都是意外死亡,警方通過查閱死者的電腦和手機忧便,發(fā)現死者居然都...
    沈念sama閱讀 88,307評論 2 382
  • 文/潘曉璐 我一進店門族吻,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人茬腿,你說我怎么就攤上這事∫巳福” “怎么了切平?”我有些...
    開封第一講書人閱讀 152,543評論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長辐董。 經常有香客問我悴品,道長,這世上最難降的妖魔是什么简烘? 我笑而不...
    開封第一講書人閱讀 55,221評論 1 279
  • 正文 為了忘掉前任苔严,我火速辦了婚禮,結果婚禮上孤澎,老公的妹妹穿的比我還像新娘届氢。我一直安慰自己,他們只是感情好覆旭,可當我...
    茶點故事閱讀 64,224評論 5 371
  • 文/花漫 我一把揭開白布退子。 她就那樣靜靜地躺著,像睡著了一般型将。 火紅的嫁衣襯著肌膚如雪寂祥。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,007評論 1 284
  • 那天七兜,我揣著相機與錄音丸凭,去河邊找鬼。 笑死腕铸,一個胖子當著我的面吹牛惜犀,可吹牛的內容都是我干的。 我是一名探鬼主播狠裹,決...
    沈念sama閱讀 38,313評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼向拆,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了酪耳?” 一聲冷哼從身側響起浓恳,我...
    開封第一講書人閱讀 36,956評論 0 259
  • 序言:老撾萬榮一對情侶失蹤刹缝,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后颈将,有當地人在樹林里發(fā)現了一具尸體梢夯,經...
    沈念sama閱讀 43,441評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 35,925評論 2 323
  • 正文 我和宋清朗相戀三年晴圾,在試婚紗的時候發(fā)現自己被綠了颂砸。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,018評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡死姚,死狀恐怖人乓,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情都毒,我是刑警寧澤色罚,帶...
    沈念sama閱讀 33,685評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站账劲,受9級特大地震影響戳护,放射性物質發(fā)生泄漏。R本人自食惡果不足惜瀑焦,卻給世界環(huán)境...
    茶點故事閱讀 39,234評論 3 307
  • 文/蒙蒙 一腌且、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧榛瓮,春花似錦铺董、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,240評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至匆绣,卻和暖如春驻右,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背崎淳。 一陣腳步聲響...
    開封第一講書人閱讀 31,464評論 1 261
  • 我被黑心中介騙來泰國打工堪夭, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人拣凹。 一個月前我還...
    沈念sama閱讀 45,467評論 2 352
  • 正文 我出身青樓森爽,卻偏偏與公主長得像,于是被迫代替她去往敵國和親嚣镜。 傳聞我的和親對象是個殘疾皇子爬迟,可洞房花燭夜當晚...
    茶點故事閱讀 42,762評論 2 345

推薦閱讀更多精彩內容