《表6 大悦城数据分析的标签体系Tab.6 Tagging system for data analysis of Joy City》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《大数据转化为零售营销决策的路径——基于北京朝阳大悦城的案例研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

其次，数据分析。由拓展数据规模转向对数据的深入分析，核心工作是通过标签体系标定聚类信息后，对品牌或消费者进行统计分析，获取品牌和客群的全方位画像。另外，该阶段拓展了更多模型工具的使用，关注顾客消费和购买行为的深入和细化。一是建立标签体系。大悦城根据未来潜在用途、分析模型细化、消费者个性化营销等应用场景，进一步完善了数据分析的标签，形成了相对完整的体系（参见表6）。二是RFM模型的深化。该模型基于顾客对购物中心的综合价值贡献（包括最新的贡献、光顾频次贡献和总金额贡献）进行分类，将会员价值进行了量化处理，管理者可以了解每一类甚至每一位会员顾客对购物中心贡献的销售额或利润，这为精准营销带来了重要依据。三是NESS模型的应用。该模型通过界定会员在一定生命周期内的活跃状态来划分客群，共包括新增会员（New）、活跃会员（Existing）、沉默会员（Silence）和睡眠会员（Sleeping）四种类型。通过对四种状态会员总数在连续月份中的变化，可以直接观察出各类会员的积累过程，识别出活动带动或商户经营中的问题节点；描绘会员的活跃度变化，观察新增会员客群对大悦城的理解和接受程度、活跃会员客群的忠诚度变化、沉默会员客群的沉默和唤醒情况、睡眠会员客群显著增加对会员流失现象的警示作用。四是购物篮分析的应用。主要分析某一类顾客的后项、前项、支持度和置信度等四项指标。顾客购买信息中的每一个物品被称作一个项，支持度是指购买某一项物品的会员顾客数量占全部会员数量的比例，置信度是指同时购买了前项、后项物品的会员顾客数量占购买前项会员顾客的比例。