金融订单数据分析

数据源:某金融公司系统真实订单数据,敏感信息已做处理

采集日期:2019/8/15

我们将按照以下流程来完成本次的分析目标:

确定分析目的——大致把握现状——锁定问题关键——制定实施策略

分析框架

确定分析目的:目前影响业绩(或者下滑)关键因素,并制定相应改进策略

为此找到了一份2018年11月-2019年7月的数据,由于很多其他维度的数据缺失,所以本次只分析订单数据。

大致把握现状: 了解下目前的业绩状况,坐席工作指标情况以及客户的购买行为习惯。

利用power pivot 建模

一.业绩情况

近9个月成交金额走势
购买产品分布情况

目前的状况:

1.在1月,2月和5月三个月份,分别低于平均值;

2.客户更多购买的是低风险保守型的养老保障产品和定期理财(占总体93%)

二.坐席工作指标

作为一个以电话营销引导客户购买相关指定产品为主的作业模式,业内有一个通用的指标来衡量业绩,那就是通话时间和通话次数。(外呼系统数据缺失,这里就暂时忽略,只讲方法)

每月外呼量和业绩走势对比

所以成交额和外呼工作量基本正相关,这也就是为什么一定要追求营销人员通时通次这个硬性工作指标的原因。

营销人员外呼次数和成交金额关系
外呼次数与订单金额(或订单数)相关系数

相关系数几乎为0,说明订单数、成交额和通话次数相关性很低,并不是外呼次数越多,客户购买金额和数量的就越多,那么是否有一个客户的最佳通话次数标准呢?

从外呼专题分析https://www.jianshu.com/p/502908b0a672可以看出,单个客户的外呼次数控制在5次(含)以内,是比较好的,超过5次后,边际效用越来越低。

三.客户购买行为习惯

订单金额描述统计

中位数10000,平均值20644,极值影响较大,标准差很大,订单金额大小及分布非常不均匀 ,超过半数为单笔小于10000的订单,存在极大值。

按订单数降序排列
单笔金额占比

客户最喜欢购买的单笔金额是1万,订单数占到了总数的将近24%

各周期产品占比

用户偏向购买期限为1年期的固定利率产品。

区间金额占比情况

客户购买行为习惯:

1.在产品周期的选择上偏向1-5年(占总体将近70%)

2.将近64%订单数分布在1万以内;超过97%总金额的订单都分布在20万以内

3.对总成交金额贡献最大的是单笔50000的订单占近16%

锁定问题关键:找出问题的关键影响因素

各业务线成交额走势

从各业务线的成交额可以看出主推业务“小金保”从3月份上线以来,还是有一个比较明显的增长趋势的,“定期理财”的大幅下滑和“养老保障”的波动变化是成交额波动比较大的影响因素。

可以明显看出,定期理财类型每月成交额呈现一个明显下降的趋势,而养老保障类型则波动增长

对比趋势

从趋势图可以比较明显的看出,6月份非主动营销产品同比增长了将近4倍,而主动营销产品却连续3个月同比下滑,是造成目前业绩大幅波动的关键因数,通过进一步的处理5-7月份的数据找出了短期大幅增长的三款“平安系列”的产品

降序排列

所以下一步的重点是及时跟进短期产品即将到期的客户。

制定实施策略:进一步挖掘短期产品即将到期的用户

RFM模型筛选客户

过滤出价值用户后,结合用户购买行为习惯,协同过滤,推荐相应的产品,并按照重要价值客户——重要保持客户——重要发展客户——重要挽留客户的顺序依次优先跟进,一般类别客户视情况处理

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容