如何进行营销数据分析

营销数据分析大多时候下就是销售数据分析，可以这样处理：整理好销售中需要关注的数据维度，将其做成可视化仪表盘，定期更新数据就行，销售数据主要包括这些维度：

1、销售外勤管理

作为一个小领导，每天都要看下属的客户拜访情况，团队的成员会在协同软件上详细记录自己的拜访的情况，包括客户名称、行业和具体情况 ，由我来做汇总工作。

团队拜访情况：观察折线图，发现有明显下降的趋势，询问负责人，及时做出调整。

客户拜访情况：通过下属记录的明细数据了解每个客户拜访次数，拜访三次左右的客户会督促他们重点跟进一下；拜访了五次以上却没有签单的客户，了解原因，考虑是否放弃。

客户行业分类：拜访和签单客户中，哪个行业居多也是莓菌关注的指标，根据实际情况及时调整销售策略，重点攻占成交率高的行业客户。

2、销售业绩管理

作为公司的销售，给公司带来实际的收益是老板最愿意看到的，而如何管理好每个销售，是至关重要的。对于销售业绩的管理，同样也是通过数据直观的了解并及时调整方向，这样老板能直观了解数据情况。

销售排名：优秀的销售都喜欢拼第一，所以销售龙虎榜尤为重要，每天莓菌会通过实际业绩排名对前三名员工给予相应的奖励，老板也会通过排行榜了解各部门业绩情况。

客户排行榜：客户方面也会做成交额汇总，因为大客户是需要定期维护的。对于有些大客户，成交额下降可以提醒我们及时做好补救。

库存管理：对于销售而言，了解公司库存会节约很大的成本，因为一旦缺货就会影响正常的交付时间。通过图表来了解产品销售情况，哪些产品卖的好一目了然。

这些数据都是销售比较关注的数据，可以在BDP个人版上做好可视化图表，然后直接通过“分享”直接将数据结果分享给Boss。而且每周在BDP上追加数据（要是是直连数据库或第三方平台数据，那数据都不需要追加，数据是自动更新的），省事很多很多，数据结果图表也就更新了，分析效率提高了很多！

如何精准掌握营销数据，方法如下：

1、首先必须明确产品的目标群体。

定位与产品自身相匹配的消费群体，是分析消费者购买习惯和消费需求的前提，让大数据分析有用武之地。互联网时代下，人们可接触到的事物种类众多，每个人的喜好不同，个性化程度高，极具多样性。

因此在寻找目标群体的过程中，要立足于各行业沉淀的数据，根据不同的标准来划分消费群体，建立用户信息的数据库，从中寻找到目标用户。

2、需要掌握运用大数据分析用户需求的技术。

大数据对用户使用各种应用而产生的每一条数据都加以记录，营销者可以用过分析这些数据来获取用户需求，甚至挖掘出用户也没有意识到的潜在需求。以移动游戏应用的推广为例，不同游戏玩家之间的喜好是有天差地别的，没有经过数据分析玩家喜好和使用习惯而投放的广告，往往都成为无用功。

而通过分析用户数据，获取各种信息来进行精准营销，能大大提高下载率和延长留存时间。因此，提升运用大数据分析用户需求的技术，也成为许多主流广告平台的工作重点之一。

3、注意广告创意与数据的相结合。

现代人更喜爱个性的、新颖的广告创意，对广告的审美要求也上升到了一个新的高度。而简单粗暴、缺乏创意的广告早已不适应时代的进步，这使得营销者们对广告创意越来越重视。

依照分析数据得出的消费需求与让人耳目一新的创意相结合，理性的数据加上感性的艺术，才能创造出点击率高，推广效果好的广告。在互联网时代，精准营销势在必行，这需要企业和营销者更好地定位目标人群，掌握分析大数据的技术，结合创意来进行精准营销。

续上篇，本章进行数据分析方法介绍，供参考。

1、ABC分析   

ABC分析法又称帕雷托分析法，也叫主次因素分析法。

ABC分析通过对一段时间内商品销售情况的分析，可以为商品管理提供依据。评估一个商品的销售情况好坏的指标有以下三种：销售额、销售数、毛利。单一用哪个指标进行分析都不够准确，所以对这三个指标同时进行分析，也就是给这三个指标一定的权重。

例如销售额占x%；销售数占y%；毛利占z%。则综合值=销售额*x%+销售数*y%+毛利*z%；x%+y%+z%=1；分类结果显示A\B或者C。按照所计算的综合值进行排序，观察累计综合值%的变化情况，将累计额百分数为20%以前的这些商品标记为A类，进行重点管理，采取的策略为对相关品的引进；将累计额百分数在20~90%之间的商品标记为B类，进行一般管理；将最后的累计额为10%的商品进行淘汰管理。        

根据货品管理及销售的情况，还可对ABC理论进行一定的变化，这样对零售业的商品管理来说更具有 *** 作性。     

2、比较分析 

比较分析，也称为对比分析。是将同一个指标在同一类对象的不同实体或同一实体在不同维度上进行对比，从而得出有价值的决策信息的一种方法。

同比，也叫同期比，表示和去年同一时间段的比较。 

环比，表示本月和上月的比较。

3、比率分析

同一实体、同一指标，在不同时间的比率。如销售额增长率等。

同一类实体、同一指标，在同一时间的比率。如毛利贡献度、销售额占比等。计算方法是单一实体的指标除以所有实体的指标之和。 

同一实体、不同指标，在同一时间的比率。如毛利率，周转率等。这类比率都有特定的商业含义。

4、20/80原则

20-80分析来源于“二八原则”。意思是在任何一组东西中，最重要的只占其中一小部分，约20%；其余80%尽管是多数，却是次要的。

在零售业中，可以根据同一类实体在同一指标间进行二八分析，从而选出需要重点管理的对象（20%部分）。一般应用比较广泛的分析对象包括：库存商品（按库存金额进行分析）、商品（按销售额或者毛利进行分析）、供应商（按销售额或毛利进行分析）、客户（按销售额或毛利进行分析）。 

5、排序分析 

排序分析方法是在销售数据分析中常用的一种方法，就是将某一指标或某几个指标按照从大到小或者从小到大的顺序排列，这种分析方法的好处在于，可以让分析者清晰地知道最多或最少的实体情况。排序分析一般应用在以下4种情况： 

同一实体、同一指标在不同时间的排序情况，如：某一商品在一个月内的销售额排序情况。

同一类实体、同一指标在同一时间的排序情况，如：小类中所有商品在某一天的销售额排序。 

同一实体、同一时间、多个指标的排序情况（由主次排序因素组成），如：商品先按销售额排序，再按毛利排序。

分组排序分析，如：按照供应商分组，对供应商所供应商品的销售额进行排序。

6、动态分析  

动态分析法是根据在一段时间内的数据变化，通过计算各种动态分析指标来描述现象发展变化的过程和结果，进而揭示现象发展变化的速度、趋势及规律性，并依此对现象的未来发展做出预测的统计分析方法。 

动态分析的指标按其分析应用的情况和计算方法不同可分为两大类，一类是通过将各期发展水平进行平均所形成的指标，包括平均发展水平、平均增长量、平均发展速度和平均增长速度；另一类是通过发展水平之间的对比计算形成的指标，包括增长量、发展速度和增长速度等。 

发展趋势分析方法是动态分析中的一种，它又可分为中短期趋势分析与预测方法、长期趋势分析与预测方法、季节变动分析与预测方法。

7、图形分析  

图形分析的方法是利用图形的直观效果来展现查询结果数据，分析图形包括：饼状图、 柱状图、折线图、区域图等。从图形分析的方法来说，一般有以下三种方法：

对比图示法 通过用图形表现出数据之间的比较关系。 

曲线图示法 一般用曲线图示法来表明某一实体、某个指标的数据发展趋势。

因果图示分析法 用因果图示分析法把影响分析问题的诸多因素用图形表现出来，这样就很容易看出主次要因素。 

8、相关分析  

相关分析是分析两组随机变量间线性密切程度的统计方法，是两变量间线性相关分析的拓展。其方法是通过某一变量，衡量预测另一主要变量，通过衡量这两个随机变量之间“直线关系”的方向与强弱程度来判断这两个变量间的相关性。在零售业中，相关分析可以应用于以下3种情况： 

同一实体、不同指标间进行相关分析，如：供应商的销售额与费用的关系、商品的数量与销售额的相关关系。 

同类实体的同一指标的相关关系，如：供应商相互间彼此销售额的影响关系。 

不同实体、不同指标的相关关系，如：员工数量与企业销售额的关系。 

9、回归分析

回归分析是研究一个变量Y与其它若干变量X之间相关关系的一种数学工具，它是在一组实验或观测数据的基础上，寻找被随机性掩盖了的变量之间的依存关系。通过回归分析，可以把变量间的复杂的、不确定的关系变得简单化和规律化。回归分析一般有线性回归分析、非线性回归分析、多元线形回归分析，一般最常用的就是一元线形回归分析。回归分析作为相关分析的研究方法，在零售业可以对以下情况进行分析： 

点击查看更多

相关阅读：

零售行业企业营销数据分析（篇章二：数据指标）

零售行业企业营销数据分析（篇章一：数据维度）

---