商业数据分析案例：星巴克是如何优化促销活动的.docx

商业数据分析案例：星巴克是如何优化促 销活动的
01
分析的目标是确定优惠信息和受众之间的重要关系。共有10个
优惠;如下所示:
ctemtH MBcuity OimMoaid oder.type rtwerd
!• I 三 111 ;
Z二三 I 二
107560cs218M0090
W 5ZmMHOOM 1 f0090
043Q0767W.3cm6316(MMGtomebOMl
$79t>Mtec h尔
20100M35AQ84507bM3d
7722Md6O6eM4M4«)97e9706dit>«c2
10WtMc0M8«374XtOM6111iecMc2>4Mcoi^t
0iMtbc^MM0245eMY )M4kOM(M)7vdomMMi
S5HM2lCld4M40978e0069c«1»0«20dbOQO
2▲促销优惠
W7M06Mi0cT044H?Mcee3aMcMMaS
为了细分哪些受众与哪些促销有关，我们将对这10个优惠进行 启发式分析和回归分析。
具体来说，我们要：
1, 确定每个细分市场对哪些促销活动最为敏感根据预期收入确定要发送给每个细分市场的促销信息
02第0局部：预处理和探究
任何数据分析的第一步都是检查数据集的质量并进行预处理，以 解决那些可能导致分析混乱的问题。
观察数据可以发现十分奇怪的一点，有一大批用户的年龄显示为 〃118〃，这些用户也碰巧没有指明收入的值。我的猜想是，因为缺少相关的年龄和收入数据，所以只有在考虑性别对购买行为 的影响时才用得上这些数据。

又因为我们只考虑年龄和收入，不包括性别，所以我将这些数据 排除在分析之外。在仔细观察数据集的大小和分布之后，我认为
最合适的细分方法是按年龄组和性别进行划分。尽管从技术上讲
我们可以进一步细分(例如按收入、加入日期)，但分到这一步
就已经能很好地理解两者的关系。
Definitions
1
Millennials (19-38)
M
2
Millennial (19-38)
F
3
Millennials (19*38)
0
4
Gen X (39-54)
M
5
Gen X (39-54)
F
6
Gen X (39-54)
O
7
Baby Boomer (55-73)
M
8
Baby Boomer (55-73)
F
9
84by Boomer (55-73)
0
10
Silent Gen (74*)
M
11
Silent Gen (74*)
F
12
Gen (744
O
除此之外，还可以执行一些其他的数据预处理方法，确保数据集 便于分析，包括：
将分类变量转为虚拟变量(dummy variable )统一日期格式
从数据中提取特征进行特征工程以确定细分条件
03第1局部：促销敏感程度为了确定每个细分市场对io个优惠的敏感程度，我们需要观察 优惠被查看后的购买情况，这其中不包括用户没看到优惠但依然 购买的情况，也就是说他们总得花那么多钱。
▲不同人群的购

买情况
综上所述，有几个关键点:
1 . 一般情况
在所有细分市场中，优惠5-8响应率很高，这些也都碰巧 是通过社交渠道（以及网络、电子邮件、移动设备）提供的优惠。 可以把社交渠道单拎出来验证它是不是会对反响率造成影响。
优惠7的整体响应率特别高，而且它就是一个优惠的通知 信息。但是和同类的优惠2相比，响应率存在明显差异——这 进一步强调了社交渠道的有效性。
难度最高（10天之内最低消费为20美元）且奖励最高（5 美元折扣）的优惠4的整体响应率最低，这很可能是由于只通过 网络和移动设备发送的关系。
2 .细分市场
女性细分受众群（2、5、8、11）的平均响应率比男性细 分受众群的更高，尤其是那些通过移动设备和社交渠道传播的优 惠。
细分1 （千植一代，男性）的响应率特别低（40%左右, 而其他大多数都＞50% ）。
其他性别的细分（3、6、9、12 ）的响应率分布情况大为 不同，这很可能与样本量极低有关。
总结来说，高响应率与通过社交渠道（尤其是女性群体）提供的优惠有关。
04第2局部：哪种促销？
由于促销响应程度只是整个分析的一局部，因此我们需要更好地 了解每个细分市场的财务情况所造成的影响。为了评估财务指 标,需要进行回归分析。
从考虑的候选模型中，2阶多项式最为合适，因为它的训练和测 试得分相对较高。
CandkUte Regression Models通过使用2阶多项式回归，我确定了每个细分受众群对优惠最多 肯花多少钱：

Training R2 Score Testing R2 Score I
Linear
0.331
0.288
Lasso
0.329
0.286
roiynomni
0.354
0.291
Polyncxnlal (3rd)
0.393
0.242
Potyncxnial (4th)
0.360
0.232

最后我针对每个细分市场得出了热门优惠:

w9mB NKOMtC4IV1

4.g .
46

U
fooooo

*
怆
$
1>1

100000

»
2
5

n
fOOOOO

10
1
w

tooooo

M
>
i*
U

t00000
8W3gcc4aMlPSQMV9

*
9
t
120

40000

M
r
.
IfT
*

V 90000
8WSAQCC4a

20
M
3
If?
1S

,00900
»U1SNQcc49»7Wi7c27MU«1tf7

20
to
3
m
12

20
2
S
IM
11

fOOOOO
0，34*204%加，3刈2«1。

“
10
9
IM
•

fOOOOO
4d5cS?MMM0Mt1 DCttOrt

s
.
IM

40000

10
?
2
1U
从这些结果中我们可以认识到：
优惠4 （ 5美元折扣、10天内花20美元）对大多数细 分市场最为有效。
一般来说，优惠0、1和9效果也很好，紧随优惠4之后。
前十种优惠的优惠类型不是〃折扣〃就是〃买一送一〃 几乎均等。
frequency
off«f_typ«
bo«o2S
discount32收入与支出金额为正相关关系，与直觉相符。

收入与支出金额为正相关关系，与直觉相符。

〃沉默的一代〃细分市场预期收益最高，其次是〃婴儿 潮”和〃千禧T弋〃。（〃沉默的T弋〃：二十世纪二十年代中 期至四十年代早期出生的人，〃婴儿潮〃 ：1946-1964年出生 的人，〃千禧TV ：八十年代早期至九十年代中期出生的人）Maximum Predicted Spend (by Segment)

Maximum Predicted Spend (by Segment)
总的来说，高潜力的优惠（优惠4）可能由于其传播渠道和目标 人群的选择而表现不佳。
05结论该分析提供了一些重要的看法，有助于缩小未来的分析范围和制 定总体促销策略。
根据目前的优惠组合，最好的促销策略是向高收入女性（尤其是 “千禧一代"和“沉默的一代“）提供优惠0和优惠1,因为她
们的优惠购买率高，而且预期支出也相对较高。
但是，在制定强有力的促销策略之前，还得做一些其他实验和分 析，其中包括：
1. 验证购买率和传播渠道之间的关系。
2. 具体来说，如果通过社交渠道提供优惠4 （最高回报，最
低购买率）会发生什么？
3. 对于每个细分市场，要发送的优惠的最正确组合是什么？
4. 探究〃意外购买〃（没查看优惠，但依然购买）的价值—— 它是否会导致未来的支出行为发生变化吗？
5. 进行类别分析（例如K-Means聚类）来验证、确认识别出
的细分市场。
6. 有什么方法可以提高男性的购买率（因为他们的预期支出
很高）？
7. 用更大的样本数据对其他性别（3、6、9、12 ）进行细分。