今天我們分享一個零售行業做競爭分析以及釐清會員行為時的常用分析方法：會員流入流出分析。由於篇幅有限，本文主要介紹使用者流出資料的分析思路及製作桑基圖的具體步驟，流入分析敬請期待。
來源：BI實戰；作者：Danarui
01 案例背景
某商場入駐了多家玩具品牌，導致A品牌最近的客戶數量有些許下滑，A品牌想知道自己家的客戶流失去了哪裡？
所以想請商場的資料分析師小明幫忙分析看看。
02 分析思路
那現在，我們來幫小明拆解一下這個問題：A品牌的客戶都流失去了哪裡？
站在上帝視角，我們可以這麼看：利用MECE原則把客戶分兩類（繼續在商場交易、不再在商場交易），然後每個分類再繼續往下拆分
拆分到這裡我們會發現，不再在商場繼續交易的客戶，商場是收集不到他的資料的，那麼A品牌的可分析範圍就只能框定在“繼續在商場交易”的客戶，那麼此時這樣的客戶可分為兩類：
- 第一類：A品牌的復購客戶，繼續在商場交易，且交易的是A品牌
- 第二類：A品牌的流失客戶，流失到了本商場的其它競爭品牌
分析到這裡，我們需要再從客戶行為的角度思考下第二個問題：客戶的購買行為路徑通常有哪些？
隨便舉個例子：Kitty，原本是A品牌的會員，被小紅書種草了B品牌，就想著買來試試，於是乎，就從A品牌轉到了B品牌。哪知B品牌剛用兩次，發現其質量堪憂，此時，Kitty繼續研究小紅書，發現有三個選擇：
- ①換回A品牌；
- ②繼續換其它品牌；
- ③等等再說。
這是客戶一個很常規的行為鏈路，這三個選擇中：
- ① A — B — A，消費行為路徑最簡單；
- ② A — B — C/D…，路徑其次；
- ③ A — B — 空 — A/C/D…，其路徑最為複雜；
那如何把使用者的這種“流動關係”場景展示清楚？
通常，在此時我們會選擇製作“桑基圖”來清晰展現這類“流動關係”。
在桑基圖中，線的方向代表流向，而線的粗細則代表流量的多少，且始末端的分支寬度總和相等，保持能量的平衡，非常適用於使用者流量等資料的視覺化分析。
03 分析實操
在前面我帶你完整梳理了一遍分析思路，但沒有手把手帶你實操一遍都是空，因此接下來我就會告訴你如何具體去做分析。
首先，我們需要定義好流出客戶數的統計口徑，即分析週期內，客戶最早交易A品牌，最後交易的品牌非A品牌，這類客戶，定義為A品牌的流出客戶。從顧客人數的角度，統計此類客戶的去重人數。
然後，我們再來看看FineBI是怎麼透過桑基圖實現這個需求~
1、資料處理
先來拆解一下桑基圖的組成，桑基圖想要表達的是流向問題，即從哪裡（起點）到哪裡（終點），流了多少（流量）。我用點、線、面來概括這其中的三個要素：
- 點：即流向的起點、終點（維度）；
- 線：起點、終點之間有流量（隱性約束條件）；
- 面：流量多大？流量越大，線的面寬越寬（指標）；
在桑基圖示意中，要求需要至少兩個維度、一個指標。
對應到此需求分析中的兩個維度是：最早交易品牌、最晚交易品牌。一個指標是：去重會員數。
因此需要製作兩個自助資料集來實現：
- 資料集①，含兩個欄位：會員ID、最早交易品牌；
- 資料集②，最終分析表，含三個欄位：會員ID、最早交易品牌、最晚交易品牌；
下面逐步來看：在FineBI6.0的【我的分析】中新建分析主題。
第一步：製作資料集①
1.1 資料匯入
彈出【選擇資料】框，將Excel資料匯入
資料樣例：
1.2 計算最早交易品牌後分組彙總
新增公式列：最早交易品牌：IF(交易時間=DEF(MIN_AGG(交易時間),會員id),品牌,””)
1.3 過濾，最早交易品牌非空
第二步：製作資料集②
2.1 資料匯入（同上面第一步1.1，不再贅述）
2.2 計算最晚交易品牌後分組彙總
新增公式列：最晚交易品牌：IF(交易時間=DEF(MAX_AGG(交易時間),會員id),品牌,””)
2.3 過濾，最晚交易品牌非空
2.4 左合併，將最早交易品牌合併進表內，用會員ID連線
此步需要注意多對多，此案例內資料有膨脹，因為真實的業務場景中存在這種情況且資料樣本較小，故此處未做特殊處理，資料量大的時候，不建議用多對多。
2、儀表板設計
第一步：選擇桑基圖
第二步：製作桑基圖
1.1 將 “最早交易品牌”拖入圖形屬性中的【起點】，“最晚交易品牌”拖入 【終點】；
1.2 新增計算欄位，用於計算去重會員數：
1.3 将“会员数”拖入图形属性中的【大小】
1.4 調整顏色，將“最早交易品牌”拖入【顏色】設定框，可自定義調節
1.5 顯示標籤，將“最早交易品牌”、“最晚交易品牌”、“會員數”拖入標籤框（可根據自己的需求，自行選擇想要展示的標籤）
最終效果如下：
本例的難點在理清分析邏輯 & 構建資料結構（起點、終點），但紙上得來終覺淺，還是需要自己按照分析思路和教程步驟實踐起來。
☞☞☞點選連結，免費試用FineBI，快來製作出自己的第一張桑基圖吧！
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
