Инновационные услуги в сфере больших данных

——Фокус на данных·Меняющийся бизнес

В эпоху стремительно развивающейся цифровой экономики BI стал незаменимым инструментом в процессе принятия решений предприятиями. Эффективно собирая, обрабатывая и анализируя огромные объемы данных, технология BI дает предприятиям возможность получить представление о динамике рынка, оптимизировать операционные стратегии и улучшить качество обслуживания клиентов. Благодаря дальнейшей интеграции искусственного интеллекта, больших данных и облачных вычислений объем и глубина приложений BI также постоянно расширяются, что помогает предприятиям оставаться впереди на жестко конкурентном рынке.

Итак, в реальных бизнес-сценариях, как BI помогает предприятиям осуществлять цифровые операции? Для ответа на этот вопрос уместнее всего использовать типовые случаи применения. С этой целью Dataman в сотрудничестве с Fanruan запланировал серию статей с углубленным анализом вариантов применения, в которых анализируется, как BI может расширить возможности бизнес-персонала и помочь им выполнить самостоятельный анализ данных с использованием различных бизнес-сценариев и точек зрения.

Luckin Coffee — новый розничный кофейный бренд, который быстро растет и сталкивается с серьезными проблемами. Траектория развития и операционная стратегия Luckin Coffee предоставляют отрасли богатый исследовательский материал. В качестве первого вопроса из серии случаев мы выбираем для анализа стратегию работы пользователей Luckin Coffee.

Конкуренция на рынке кофе жесткая, что требует более совершенных действий пользователей.

За последние несколько десятилетий кофейная индустрия претерпела значительные изменения и рост. Являясь важной частью мирового рынка напитков, кофейная индустрия не только стала свидетелем изменений в привычках потребления, но и отразила ускорение глобализации и урбанизации. В последние годы, особенно на азиатском рынке, рост числа профессиональных кофеен и популярность культуры потребления кофе привели к быстрому росту отрасли. Однако развитие рынка также сопровождается усилением конкуренции, причем конкуренция между развивающимися брендами и традиционными сетевыми магазинами возрастает с каждым днем.

На этом фоне Luckin Coffee, новый розничный бренд кофе в Китае, созданный в 2017 году, быстро вырос и за короткий период времени завоевал значительную долю рынка. Благодаря масштабному проникновению на рынок и агрессивной маркетинговой стратегии Luckin успешно привлекла большое количество клиентов, особенно молодых групп потребителей. Однако Luckin также сталкивается со многими проблемами, включая вопросы устойчивости своей модели, споры о финансовой прозрачности и жесткую конкуренцию с отечественными и зарубежными конкурентами. Эти факторы не только влияют на положение компании на рынке, но и увеличивают сложность ее эксплуатации.

В такой рыночной среде анализ данных особенно важен в кофейной индустрии. Точный анализ данных может помочь кофейным брендам лучше понять потребности потребителей, оптимизировать продукты и услуги, тем самым улучшая пользовательский опыт и лояльность к бренду. Что касается пользовательских операций, использование анализа данных может выявить модели поведения потребителей, тенденции предпочтений и потенциальные рыночные возможности, помогая компаниям формулировать более эффективные рыночные стратегии и операционные планы. Углубленный анализ данных, особенно для новых розничных компаний, таких как Luckin Coffee, не только помогает повысить операционную эффективность, но и найти особые преимущества в условиях жесткой рыночной конкуренции.

Для Luckin Coffee эффективный анализ данных и стратегии работы пользователей являются ключом к дальнейшему росту и конкурентоспособности на рынке. Собирая и анализируя пользовательские данные, Luckin может более точно определять целевые группы потребителей, выявлять потребности пользователей и корректировать свои продукты и услуги на основе этой информации. Использование анализа данных для сегментации пользователей и персонализированного маркетинга может не только повысить удовлетворенность пользователей, но и эффективно улучшить удержание пользователей и лояльность к бренду. Поэтому для Luckin Coffee углубленный анализ данных и интеллектуальные стратегии работы пользователей являются не только важным оружием в рыночной конкуренции, но и ключевыми факторами устойчивого развития и долгосрочного успеха.

Итак, как нам следует провести анализ данных о стратегии работы пользователей Luckin Coffee? Требуются ли для этого профессиональные аналитики или даже техническая команда? Анализ данных самообслуживания на основе Fanruan BI дает нам еще один ответ.

Подготовьте данные и создайте модели анализа данных.

Недавно Fanruan провела 4-й конкурс по анализу данных FineBI, позволив бизнес-персоналу из различных областей использовать продукты Fanruan BI для самостоятельного анализа данных. Среди них есть участвующая команда под названием «Эврика», которая проанализировала стратегию работы пользователей Luckin Coffee.

Команда Eureka состоит из участников с разным опытом и опытом. Инструктор команды Ли Линь, а также члены команды Hangzhou Boss Electrical Data Analyst EVEN, Hangzhou KFC Data Analyst Skye и менеджер по продукту iFlytek Рандо соответственно занимаются анализом BI-данных. Он имеет обширный опыт в цифровой трансформации, работе с пользователями частных доменов и других областях. EVEN занимается анализом данных BI в отрасли бытовой техники, Скай имеет опыт углубленного анализа данных в сферах продаж и электронной коммерции, а Рэндо, будучи менеджером по продукту в компании, занимающейся искусственным интеллектом, обладает сильным мышлением и пониманием данных. Разнообразный опыт членов команды предоставил ценные точки зрения и опыт для анализа этого случая.

Задача, стоящая перед командой Eureka, — провести углубленный анализ стратегии работы пользователей Luckin Coffee, основная цель — дать целевые оперативные рекомендации на основе анализа данных. Это требует от команды не только понимания рыночного позиционирования и проблем Luckin Coffee, но и проведения углубленного анализа пользовательских данных, чтобы составить точные портреты пользователей и модели поведения.

Прежде чем проводить конкретный анализ данных, решающее значение имеют две подготовки: подготовить данные и разработать разумный план анализа данных.

Данные для этого случая взяты из набора данных с открытым исходным кодом сообщества Hejing, Luckin Coffee Marketing Strategy Research, Национального конкурса исследований рынка студентов колледжей и Luckin Coffee National Distribution. В процессе использования Fanruan FineBI для обработки и анализа данных команда сначала тщательно очистила и систематизировала исходные данные, включая преобразование данных анкеты в Word в таблицы измерений и анализ данных ответов пользователей в Excel. более пригодны для последующего анализа.

С этой целью команда выполнила многоэтапные операции обработки данных в FineBI, такие как: преобразование строк и столбцов для более удобного сопоставления данных, обработка вопросов с одним выбором и данных других типов вопросов по отдельности и объединение обработанных данных в комплексные данные; таблица и подготовка к предварительной обработке RFM-анализа;

После подготовки данных необходимо построить обоснованную модель анализа. При построении аналитических моделей и методов команда Eureka использует различные передовые методы анализа данных.

Среди них модель RFM (давность недавних покупок, частота покупок, частота и сумма покупки в денежном выражении) используется для анализа покупательского поведения и лояльности пользователей, тем самым помогая команде лучше понять характеристики групп пользователей Luckin Coffee. С помощью модели RFM команда может идентифицировать группы пользователей с разными ценностями и поведенческими характеристиками, обеспечивая основу для формулирования дифференцированных маркетинговых стратегий. Кроме того, анализ NPS (Net Promoter Score) также используется для оценки удовлетворенности пользователей и лояльности к бренду Luckin Coffee. Анализ NPS помогает команде измерить общее отношение потребителей к бренду, исследуя готовность пользователей рекомендовать.

Комплексно применив эти модели и методы анализа данных, команда Eureka не только успешно нарисовала портрет пользователя Luckin Coffee, но также получила глубокое понимание поведения и предпочтений пользователей, а также предоставила основанные на данных рекомендации по операционной стратегии Luckin Coffee.

Далее давайте посмотрим, какие интересные выводы сделала команда.

Проведите исследование данных, чтобы обнаружить ценность для бизнеса

В этом случае аналитическая группа проанализировала портреты пользователей Luckin Coffee, существующие операции пользователей (факторы со стороны продукта, факторы со стороны маркетинга, факторы конкурентного продукта) и дополнительные операции пользователей (потребительские предпочтения пользователей, не являющихся пользователями Luckin, регионы пользователей, не принадлежащие Luckin). Распространение) несколько частей для углубленного анализа.

1. Портрет пользователя — основная группа аудитории — молодые пользователи (в основном те, кто родился в 90-х и 00-х), и уровень проникновения пользователей высок.

По данным опроса пользователей, 84,3% респондентов пили кофе, а целых 91% любителей кофе пробовали Luckin Coffee. Эти данные отражают популярность Luckin среди молодых групп потребителей (особенно среди людей в возрасте 19-35 лет, их доля составляет 70,2). %) высокая степень проникновения. Однако это также показывает, что рынок, возможно, постепенно приближается к насыщению, и необходимо уделять больше внимания увеличению ставок выкупа и изучению рынков, не связанных с кофе.

Затем группа аналитиков рассматривала тех, кто пил Luckin Coffee, как существующих пользователей, а тех, кто не пил Luckin Coffee, как дополнительных пользователей, и провела отдельный анализ действий пользователей этих двух групп.

2. Анализ существующих пользователей - частота и объем потребления, как правило, низкие, расположение магазина хорошее, соотношение цена/качество высокое, но качество продукта необходимо улучшить.

Анализ существующих портретов пользователей и RFM показывает, что частота потребления и количество пользователей Luckin, как правило, невелики. Например, доля пользователей, покупающих более 5 чашек, составляет всего 20,46%, а доля пользователей, покупающих 1-2 чашки, достигает 46,2%. Эти данные подразумевают, что приверженность и лояльность пользователей низки и требуют срочного улучшения. Чтобы найти причины, аналитическая группа провела более углубленный анализ по трем аспектам: сторона продукта, факторы маркетинга и факторы конкурентоспособности продукта.

При анализе факторов, связанных с продуктом, ключевым выводом является то, что только 25,7% пользователей покупают Luckin Coffee из-за вкусовых предпочтений, а 36,8% пользователей покупают Luckin Coffee для социальных нужд. Это показывает, что, хотя Ruixing показал хорошие результаты с точки зрения местоположения и экономической эффективности (53,8% пользователей дали высокие оценки расположению магазина), все еще есть возможности для улучшения качества продукции (73,1% пользователей дали низкие оценки качеству магазина). кофейные зерна).

С маркетинговой точки зрения основные каналы закупок Luckin занимают собственные каналы, такие как офлайн-покупки (46,9%) и заказы мини-программ/приложений (43,3%). Это показывает, что, хотя Ruixing лучше справляется с поддержанием трафика частных доменов, ему также необходимы диверсифицированные маркетинговые стратегии для поддержания интереса и лояльности клиентов.

При анализе факторов конкуренции ключевые данные заключаются в том, что 78,9% пользователей Luckin Coffee также являются пользователями других брендов, из которых на Tims, Costa и Starbucks приходится 15,8%, 15,1% и 15,1% соответственно. В комплексных рейтингах пользователей каждого бренда Luckin набрал в среднем 3,41 балла, заняв 8-е место среди 10 сравниваемых брендов. Каналы закупок, качество продукции и упаковка — это три области, в которых Luckin Coffee имеет наименьшее преимущество.

3. Поэтапный анализ пользователей. Клиенты, не являющиеся клиентами Luckin, имеют большой потенциал, и ключом к успеху является достижение конверсии потенциальных пользователей за счет оптимизации маркетинга и планировки магазина.

В ходе поэтапного анализа пользователей Luckin Coffee группа аналитиков сосредоточилась на изучении характеристик пользователей, не являющихся пользователями Luckin Coffee, и их влияния на рыночные стратегии. Анализ показывает, что группа пользователей, не принадлежащих Luckin, имеет важную характеристику: у большинства из них нет привычек к потреблению кофе, но их способность к потреблению одного продукта попадает в ценовой диапазон Luckin Coffee. В частности, у 39,7% пользователей, не принадлежащих к Ruixing, диапазон потребления составляет 10–20 юаней, 17,8% — 20–30 юаней, а 13,7% — более 30 юаней. Эти данные подразумевают, что, хотя эта группа пользователей в настоящее время не является потребителями кофе, они в финансовом отношении способны стать потенциальными клиентами.

С этой целью Luckin может использовать влияние своего бренда для привлечения этих потенциальных клиентов, запуская недорогие продукты, не относящиеся к кофе, такие как мороженое, сокосодержащие напитки и Reina Ice. Это не только расширит охват рынка, но и подтолкнет потребителей постепенно пробовать кофе через эти некофейные продукты, тем самым расширяя базу пользователей.

Кроме того, основываясь на потребительских предпочтениях пользователей, не являющихся пользователями Luckin, аналитическая группа обнаружила, что экономическая эффективность, удобство и расположение магазина являются основными факторами, которые они учитывают при выборе напитков. Таким образом, с точки зрения маркетинговой стратегии Luckin может устанавливать купоны и рекламные акции на таких платформах, как Dianping и Douyin, чтобы привлечь этих пользователей попробовать ее продукты. В то же время, учитывая ограниченный эффект трансграничного маркетинга и поддержки знаменитостей, более доступные и прямые методы продвижения могут оказаться более эффективными.

Кроме того, анализируя региональное распределение пользователей, не являющихся пользователями Luckin, аналитическая группа предоставляет Luckin более целенаправленные предложения по расширению рынка. Например, в таких регионах, как Хэнань, Цзянси и Аньхой, где меньше магазинов, но больше пользователей, не пользующихся Luckin, Luckin может рассмотреть возможность открытия большего количества магазинов, чтобы увеличить свое проникновение на рынок. Напротив, в таких регионах, как Сычуань, Тяньцзинь, Хубэй и Фуцзянь, где количество магазинов больше, но уровень проникновения низкий, может быть более эффективным усилить рекламную и маркетинговую деятельность.

В случае анализа стратегии работы пользователей Luckin Coffee Fanruan BI продемонстрировал свою комплексную ценность в анализе и исследовании данных. Интуитивно понятный и дружественный пользовательский интерфейс Fanruan BI позволяет группе аналитиков быстро освоить использование инструмента. Например, при обработке данных анкет команда может эффективно преобразовывать сложные данные в формат, который легко анализировать.

Команда Eureka сообщила Data Monkey: «FineBI имеет множество функций обработки данных. На этот раз нашим источником данных является анкета. Очистка данных в Excel может потребовать много усилий, особенно строка в столбец, столбец в строку и т. д. Операция очень сложна. удобно с FineBI, а различные функции можно реализовать путем перетаскивания».

Кроме того, богатые визуальные компоненты и параметры диаграмм делают команду Luckin более привлекательной при представлении портретов пользователей и потребительских предпочтений Luckin, делая историю данных более яркой и интуитивно понятной. Кроме того, мощные возможности подключения и обработки данных Fanruan BI сыграли ключевую роль в обработке большого объема данных магазинов и потребителей Luckin, обеспечив прочную основу для углубленного анализа.

Благодаря RFM-анализу Ruixing и анализу конкурентной продукции расширенные возможности анализа и расчета данных Fanruan BI позволили команде определить ключевые бизнес-модели и потребительские тенденции. Эти функции помогли команде выявить основные характеристики групп пользователей Luckin Coffee и их положение на рынке, обеспечив надежную поддержку для формулирования точных операционных стратегий. Например, при анализе конкурентных преимуществ Luckin Coffee возможности анализа данных Fanruan BI позволили команде глубоко изучить эффективность продукта и маркетинговые стратегии, тем самым предоставив конкретные предложения по оптимизации для Luckin.

Можно обнаружить, что Fanruan BI продемонстрировал свою всестороннюю ценность в снижении порога анализа данных и повышении эффективности и глубины анализа на примере Luckin Coffee, эффективно поддерживая принятие решений командой в сложных средах данных.

Содействие включению данных с помощью BI-анализа самообслуживания

Как показано в приведенных выше случаях, с постоянным развитием технологий и изменением рыночного спроса анализ данных самообслуживания стал важным инструментом принятия корпоративных решений. Этот тип анализа значительно повышает эффективность и точность принятия решений, облегчая нетехническому персоналу доступ к данным и их интерпретацию. Преимущество анализа данных самообслуживания заключается в удобном интерфейсе и интуитивно понятном процессе работы, благодаря чему анализ данных больше не является исключительной прерогативой профессиональных аналитиков данных, а становится ежедневным инструментом для сотрудников на всех уровнях предприятия. Этот демократизированный метод доступа к данным и их анализа способствует общению и сотрудничеству между отделами, ускоряет процесс преобразования данных в идеи и действия, а также значительно повышает скорость реагирования компании и ее адаптируемость к рынку.

Кроме того, включение данных играет жизненно важную роль в современном управлении предприятием. Демократизация данных означает, что сотрудники всех уровней могут легко получить доступ к данным и понять их, тем самым более активно участвуя в процессе принятия корпоративных решений. В этом процессе данные не только передаются как ресурс, но и эффективно используются как актив. Включение данных не только повышает общую грамотность предприятий в отношении данных, но также помогает развивать корпоративную культуру, ориентированную на данные, что имеет решающее значение для повышения качества принятия решений, оптимизации бизнес-процессов и повышения конкурентоспособности.

Как заявила команда Eureka: «Анализ данных — это навык, и бизнес-персонал может продолжать практиковать этот навык в процессе использования инструментов платформы самообслуживания для анализа данных. И этот навык, я думаю, является самым важным для людей в текущая рабочая среда». Каждый должен освоить это. Наша компания также приобрела FineBI. По сравнению с тем, что было до ее использования, я обнаружил, что бизнес-персонал более охотно изучает данные самостоятельно, анализирует их и делает выводы из них, а также применяет их в бизнес."

С точки зрения будущего развития отрасли, перспективы применения анализа данных в кофейной индустрии и даже в более широкой сфере розничной торговли очень широки. Мы можем предвидеть, что BI и анализ данных будут более глубоко интегрированы во все аспекты розничной торговли. В будущем анализ данных будет использоваться не только для традиционных продаж и анализа рынка, но также будет расширен для управления цепочками поставок, оптимизации качества обслуживания клиентов, разработки новых продуктов и других областей. Особенно в кофейной индустрии, благодаря более точному пониманию потребителей и анализу рыночных тенденций, компании могут более эффективно позиционировать целевой рынок, разрабатывать новые продукты, отвечающие вкусам и потребностям потребителей, а также предоставлять более персонализированные услуги, тем самым выделяясь в условиях жесткой конкуренции. на рынке.

Команда Eureka считает, что «оцифровка — это тенденция не только потому, что полезно использовать данные для выступления в условиях сегодняшней жесткой конкуренции, но также потому, что предприятия и общество обнаружили, что активы данных — это огромное богатство. Создание Национального бюро данных. Это также показывает, что это увеличивает внимание страны к этому, а анализ самообслуживания позволяет каждому пользователю использовать данные и эффективно их использовать, что неизбежно ускорит построение цифровой экономики».

Короче говоря, с развитием анализа данных самообслуживания и повышением инклюзивности данных применение BI и анализа данных станет более обширным и глубоким. Предприятиям необходимо постоянно адаптироваться к этим изменениям и активно использовать методы управления на основе данных, чтобы поддерживать конкурентные преимущества и достигать устойчивого развития.

Текст: Юэманьсилоу / информационная обезьяна Ответственный редактор: Ифэн Яньюй / информационная обезьяна