商业分析师如何做销售预测分析

商业分析师如何做销售预测分析

今天我们一起来学习商业分析师如何做销售预测分析。如果你想了解更多关于商业分析的相关内容,可以阅读以下这些文章:
商业分析师如何通过AB测试提高用户参与度及转化率?
如何转行Business Analyst 商业分析师?
Retail Analysis的力量——商业分析在零售业的应用
Tableau数据可视化,学完就掌握商业分析必备技能了!

什么是销售预测分析?

销售预测分析是商业分析师的一个重要的工作内容,对于企业来讲,是一个非常有用的技能,可以用来预估未来市场对于企业产品或服务的需求。

为什么需要销售预测?

销售预测对企业来讲,是一个非常重要的商业分析手段,如果预测准确的话,可以帮助企业更好的做预算、还可以有效的管理库存、根据现金流情况做更好的商业计划,还可以在提前进行销售渠道的优化,以及可以帮助公司进行人力资源方面的部署。

作为商业分析师,常用的方法有哪些?

销售漏斗分析、市场推广分析、客户生命周期价值、时间序列分析。

什么销售漏斗?

销售漏斗是一个商业过程,它定义这几个商业工程中重要的阶段或者步骤,用户通过一步一步的销售步骤进行转换,通过分析用户在这几个重要阶段的转换,去获取用户的一些数据。

所谓漏斗呢就是入口相对大一些,出口小一些,说明不一定我们接触到的每一个用户都会变成客户,用户接触到我们的产品和服务—产生兴趣—选择我们的产品—最终购买。其他就是我们可以采取的一些Marketing手段。

怎样预估未来的市场需求?

这里我们就需要提到Attribution Model的分析,Attribution Model是根据历史上所获得的广告推广数据所做的不同渠道的漏斗分析,分析每一个渠道所获得的的广告收益。怎么样定义每个渠道的收益呢?

这里有几个Model,首先来看Last Touch,比如在公司YouTube上投资了20w,在Email方面投资了10w美金,通过历史数据可以看到每个渠道带来的收益。

根据模型计算出收益后,接下来广告投入将会分离到不同的渠道上,可以用同样的模型计算未来市场的销售预测。这是Last Touch模型,比如7月1日的订单,恰好在6月中旬Facebook上有一个优惠,那我们就简单地认为这笔订单来自于Facebook优惠。

Last Touch改进的模型有Last Non-Direct Click,First Interaction和Last Touch正相反,哪个广告先进来就归功于谁,Linear attribution是线性的,Position Based把功劳取决于第一个和最后一个。随着数据模型的复杂和不同行业的特点,可以选择不同的归因模型预估未来销售情况。

还有什么别的方法?用户终身价值分析是什么方法呢?

Shopify对用户终身价值的定义:预估用户在产品或服务生命周期内的花销。比如你订阅了数据应用学院读书会的会员,在未来12月之内学习数据科学书籍,如果之后没有续订,那么会员就结束了。

如果使用用户终身价值预估销售,需要一个计算模型,可以根据现有活跃用户计算用户终身价值,未来价值,通过预估新用户的加入预估第一年带来的价值。这也是预估未来销售的方法,问题就变成怎样建立用户终身价值模型。

用户终身价值模型是一个通过分析历史数据预估用户在未来对我们的贡献,如果在历史数据中消费比较活跃的用户,预测将来也是一个消费活跃的用户。

如何计算用户终身价值?

消费周期,分析用户消费行为是以一天,一周还是一月为周期,比如过去用户每周消费两次,每次消费10美金,可以预估下周10*2美金的消费。留存率,上周消费后,这周是否还会继续消费?每个用户的平均消费,过去是否有数据可以计算出该数值。

总利润是计算收益的,留存成本是让用户能够重复消费的广告、奖励、返点等的成本,折扣率也会影响用户终身价值。

计算用户终身价值的两个简单方法。

方法1:

一个用户的终身价值=用户在每个消费周期的消费总和 – 获客成本。以信用卡为例,信用卡的推广需要300-600美金,最近疫情结束,信用卡公司都在做出门旅行双倍积分的广告。什么是Sum of CLV for each period? 比如一个用户每月消费5000美金,收费3个点,150美金,用户使用信用卡的平均周期是两年,150*24=3600美金。这就是用户带来的终身价值,通过这种方法可以预估到未来在这方面的收入。

方法二和方法一类似,只是比方法一更精细了一点。

Life Time Value可以说是一种数据驱动的用户行为分析的结果,最后再来看一个纯统计的方法——Time Serial Analysis。时间序列分析是非常有用的数据分析方法,它可以做:

  • Sales target
  • Financial planning
  • Inventory management
  • Logistics management
  • Dynamic pricing
  • Marketing

它的应用场景也有很多,比如:

  • Economy and finance: GDP, financial indexes
  • Web: clicks, logs
  • Marketing: activity of business, sales
  • Industry: electric load, power consumption, voltage,anomaly detection
  • Biomedicine: heart-rate,patient

时间序列的具体方法一般分为两大类,一类是Moving Average,一类是ARIMA。

下面再回头看一下销售预估和方法。今天主要是介绍了下面四种方法:

  • Sales funnel
  • Promotion and Ads analysis
  • User life time value
  • Time serial analysis

当然也可以用一些传统的统计方法,比如Regression。但是Regression的方法对于销售预估的挑战在于是否能拿到影响未来销售市场需求的Features。

这就是给大家介绍的商业分析师的一些主要的方法。感谢阅读。你还可以订阅我们的YouTube频道,观看大量大数据行业相关公开课:https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ;在LinkedIn上关注我们,扩展你的人际网络!https://www.linkedin.com/company/dataapplab/

Recap 作者:数据应用学院
美工编辑:过儿
校对审稿:Miya
公开课回放链接:https://www.youtube.com/watch?v=yDr6vY7EU3Q