【干货】4个数据分析实战案例，预测用户流失及热销产品超有效，建议收藏

法国电信-Orange集团旗下的波兰电信公司Telekomunikacja Polska是波兰最大的语音和宽带固网供应商，通过大数据更精确地预测了用户流失。

Telekomunikacja Polska是如何运用大数据精确预测用户流失的呢？

首先，构建 “社交图谱”： 分析用户数百万个电话的数据记录，其中特别关注 “谁给谁打了电话” “打电话的频率”两个方面。

其次，进行客户类型细分。构建“社交图谱”的目的是进行客户细分，通过社交图谱他们把用户分成几大类：“联网型”、“桥梁型”、“领导型”以及“跟随型”等。

然后，分析不同类型用户的影响，并针对不同类型用户制订不同的策略。对用户细分后，再针对不同用户采取不同的策略。如：哪些用户可能流失?流失的用户中，哪些用户会造成更大的影响（造成更多用户流失）？挽留最有价值用户的难度有多大，如何挽留？通过分析这些问题，分别制订策略，最大限度地降低用户流失率。

Telekomunikacja Polska运用大数据进行用户细分的方法，使公司用户流失预测模型的准确率提升了47%。

1.天气变冷与葡式蛋挞

一家美国零售商发现，两种看似不相关的事物之间存在着某种有趣的联系。当天气变冷时，肉桂葡式蛋挞的销量上升500%，但其他葡式蛋挞与天气变冷之间并没有这种关联。

根据这种关系，零售商决定自己的进货策略：每当预测天气即将转冷时，储存更多肉桂葡式蛋挞。

2. 羊奶干酪与红酒

还有一家零售商发现，羊奶干酪打折能促进红酒的销售。于是在希望减小红酒库存的时候，进行羊奶干酪打折。

3. 啤酒与尿不湿

沃尔玛啤酒与尿不湿之间的关联关系也是数据分析中的经典案例。在一个大型超市中，数据分析人员整理了一整年的购物篮数据，来分析大家都买过什么样的东西。就在对购物篮的数据进行分析的时候，分析人员惊奇地发现，与“尿不湿”出现在一个购物小票上最频繁的商品竟然是啤酒。

这个结果背后的原因，是女人嘱托丈夫去超市给孩子买尿不湿，而丈夫通常会顺便买上一些自己喜欢的啤酒。超市发现了这个神奇的组合，于是毫不犹豫地把尿布和啤酒摆在了一起进行销售，以起到互相促进的作用。

沃尔玛美国连锁店发现男性客户在购买啤酒的时候会顺便购买尿不湿。将啤酒与尿不湿这两种不相关的商品放在相邻的位置，其实就是在方便客户的同时可以提高二者的销量。

1. 淘宝文胸数据

曾经，淘宝数据显示：

文胸大小方面：中国女性购买最多的文胸尺码为B罩杯。B罩杯占比达41.45%，其中又以75B的销量最好，其次是A罩杯，购买占比达25.26%，而C罩杯只有8.96%。省市排名方面：罩杯最大的是新疆女性。

文胸颜色方面：黑色最为畅销。

以上数据可以为文胸店铺的库存、定价、款式选择等策略提供基础。

2. 百思买的数据营销策略

北美零售商百思买的产品总数达到3万多种，产品的价格因地区和市场条件而异。由于产品种类繁多，成本变化比较频繁（一年之中，变化可达四次），每年的调价次数高达12万次。

最让高管头疼的是定价促销策略，于是公司组成了一个11人的分析团队，通过分析消费者的购买记录和相关信息，提高定价的准确度和响应速度。

分析团队分析的数据非常多样化，既有内部结构化数据，又有第三方数据：

（1） 内部数据

团队收集了上千万消费者的购买记录，从不同维度分析，了解客户对每种产品价格的最高接受能力，从而为产品定出最佳价位。

（2） 外部数据

团队除了分析购买记录这种结构化的数据外，还分析社交媒体发帖、地理位置等非结构化数据。

由于消费者需要在零售商专页上点赞或留言以获得优惠券，团队利用情感分析公式来分析专页上消费者的情绪，从而判断消费者对公司的促销活动是否满意，从而优化促销策略。

团队甚至根据用户地理位置信息，推送促销信息，如根据一个消费者既往的麦片购买记录，为身处超市麦片专柜的用户即时发送优惠券。

透过这一系列的活动，团队提高了定价的准确度和响应速度，为零售商新增利润数千万美元。

“魔镜”是苏州国云数据科技公司的一款牛逼的大数据可视化产品，而且是国内首款。

“魔镜”可以通过数据的整合分析可视化不仅可以得出谁是世界上最美的女人，还能通过价量关系得出市场的走向。

在不久前，“魔镜”帮助中石等企业分析数据，将数据可视化，使企业科学的判断、决策，节约成本，合理配置资源，提高了收益。其主要流程方式为：

‌数据收集‌：魔镜收集大量的石油市场数据，包括供应、需求、库存、价格等。

‌数据分析‌：通过对这些数据进行处理和挖掘，魔镜能够发现数据中的模式和趋势，从而预测石油市场的未来走向。

‌预测结果‌：最终，魔镜会生成预测报告，帮助企业做出决策。