Article body
正文
#
外部资料加工
个人手工文件或者外部接口文件需要参与统计分析，如业务人员对会员手工做的标记
#
各种指标运算
基于原始计算再加工的一些指标，如会员增长率、流失率
#
二次加工处理
基于筛选的数据做二次处理，比如筛选最近90天消费的会员，对其做深入的分析
#
关联分析
定义好的用户标签与消费数据做关联分析
1
// 会员人群
未消费天数：最后一次购买时间到当前时间的天数
会员生命周期：13日内有消费的为新会员，未消费天数90天以内为活跃会员，90-365为老会员，365天以上为流失会员
流失会员：生命周期中流失会员的会员 ID 计数
会员流失率：流失会员/总会员
3、能够让业务人员通过拖拽的方式搭建仪表盘
女性会员居多，占到90%，年龄集中在20—40岁
会员集中在北京、河北、山东、山西
四川、吉林这些居于第二象限的省份会员状态比较好，用户将会持续增长。居于第四象限青海、内蒙的用户流失率比较高，需要提高增长率降低流失率。
普通会员占到40%，需要提升会员体验提高会员的活跃度
流失会员人数较少，但沉默会员占比较大，可以采取措施进行转化
2
// 会员消费
3
// 会员价值
消费水平：根据每位用户近1年消费金额从高到低排序前30%的用户为高消费人群，前30%~70%的用户为中消费人群，70%~100%的为高消费人群
下单次数：按一定时间内购买频率进行分组
2、进行RFM分析
4
// 会员详情
时段偏好：会员消费频率最多的时段记为该会员的时段偏好
会员价值中点击RFM分析人群可跳转至会员偏好 查看具体人群的偏好情况
2、查看会员明细列表，列出生日月份为近期3个月的用户资料
