美国超市年度总结表

美国超市年度总结表 第一篇

有效订单共计四九七七单，笔单价为美元，连带数为件，说明以单价高的订单为主。订单商品数和订单总金额的分布比较均匀，而在获利方面交易总金额在四零零零以下的订单基本收支平衡甚至可能出现亏损，而交易总金额在一零零零零以上的订单基本都能盈利。

客户人均消费为一二四二三美元，客户的购买力分布比较均匀，从客户中获利的程度也较为平均，但也存在极少数购买力极强的客户。客户群体比较健康，而且规律性比订单更强。

出该店卖出去的主要商品单价在五~一五美元之间，主要还是价格较低的商品市场，销售量也主要集中在低价商品。销售总额和销售单价呈正比，单价高的商品能带来更高的销售额，也能带来更高的利润。因此建议商店多选一些单价高的商品来获取更高的利润。

​​​​​​​四年的销售状况每年都有类似的循环，在一月，七月，一零月，一一月，一二月的销售状况最好，但是以为没有数据支撑，无法确定是什么原因造成的。

纽约、洛杉矶是销售额和客户量最高的两个城市，费城、旧金山、西雅图、休斯顿、芝加哥的销售额和客户量比起其他城市高出了许多，应重点关注这些城市做销售计划。平均消费额上底特律和凤凰城都达到了两万美金以上，说明这些城市的客户虽不多但消费水平高，应当去开发出这些城市更多的客户。交易额高的城市主要都是一些沿海城市，可以考虑在运输上找到更优惠的策略。

一次性客户占比很少，大部分客户的生命周期都有六五零天以上，其中一零零零天以上的用户超过了其中的一半。证明该超市的主要客户是忠实客户，超市在他们眼中是消费的首选。超市的重点应该是为这些客户制定更好的消费策略来促进他们继续消费。

美国超市年度总结表 第二篇

一.修正日期

打开从kaggle上下载的文件后发现日期中的“日”变为“年”，“年”变为“日”，应将日期修改为正确的数据。

先将数据按照符号“/”分成三列，用“right”函数提取“日”，用“二零&”生成年，再用“date（年，月，日）”函数生成日期，得到结果如表二所示。

图 一修改前日期

图 二 修改后日期

二、去除重复值

操作：全选/删除重复项

发现该数据集没有重复项

三、查找缺失值

在列尾输入函数“=COUNTBLANK(区域)”

发现该结果集没有空值

四、查找异常数据

（一）利用筛选功能发现sales和Quantity中存在非数值型数据，删除后剩下数据九八九七条。

（二）在Quantity、Discount、Profit列尾输入公式“=countif(区域，“<零”)”

发现Quantity、Discount没有异常数据，Profit有一八七一个数据小于零，说明有一部分业务发生亏损。

五、新增一列数据总交易额

函数为“=sales*quantity*(一-discount)”

美国超市年度总结表 第三篇

超市销售情况由销售额和销售的利润进行分析，本文希望通过几个部分进行分析：首先分析超市的整体经营情况，通过销售额、利润和促销活动的方面进行简单分析，其次是通过拆分销售额的公式，通过商品维度和用户维度对进行经营情况的深入分析，最后由于分析可知销售数据为明显的季节性时间序列数据，因此进行销售额的时间序列分析可以预测新一年的销售额，从而可以作为超市销售的基础，本文所进行分析的超市的业务逻辑如图一所示：

本文的主要研究对象是美国某超市二零一五-二零一八的销售情况信息，希望通过分析超市四年的历史销售数据，从不同维度出发分析超市经营状况，挖掘提高销售额、销量的销售策略，查看数据时发现销售额和利润的增长率在下降，本文希望以此数据作为基础找到新的增长点，为未来提升销售额提出一些建议。

本小节首先通过描述性统计的方式进行超市目前销售情况进行分析，描述性统计[三]主要通过对变量相关的数据进行统计性的描述，包括频数、集中趋势、分布及基本的统计图形等方式来有组织的汇总数据。描述性统计方式是进行数据分析中的至关重要的一步，需要在进行数据分析前进行描述性统计分析研究。

运用MySQL将数据按照订单编号（Order ID）分组，并统计其订单数量、订单总价和利润进行描述性统计分析，查看订单维度的整体销售情况统计。

由图二可知，数据订单共有五零零九单，订单平均单价为一九七五美元，订单平均商品数为八件，说明超市订单的商品以单价高的商品为主；此外，订单商品数的均值在中位数和第三分位数之间，订单总金额的均值大于第三分位数，说明超市购买的用户之间购买水平差距较大。

由图三可知，销售情况在九月和一一、一二月的订单数最多，由于本文数据为美国超市，美国新年为每年的一月一日，万圣节为一一月一日，黑色星期五是一一月第四个星期四，圣诞节为一二月二五日，因此一一、一二月订单数多的原因多是由于节日以及新年原因购买所需的物品。

从年度销售额及其增长率来看，超市二零一五年销售额为二零六七万，到二零一八年GMV达到了三零八八万，提升了超过一零零零万，因此由增长率和利润增长率来看，该超市应该处于快速成长期。从增长率来看一六-一七年销售额增长率超过三零%，而每年利润的增长率均超过了一四%，可见该超市的增长潜力非常大。

但是一七-一八年该超市的销售额和利润的增长率均出现了下降，且增长率降低了五零%，一方面可能是因为经过一年的增长超市的增长幅度变缓是正常现象，但另一方面可能是超市经营原因导致，需要进一步改善经营措施。

通过查看二零一五-二零一八年每一年的月度销售额和利润可以看出销售额同比上一年都是上升的，同时销售的季节性比较明显，总体看来下半年销售情况比上半年销售情况更好，下半年是旺季。

此外在上半年六月销售额比较高，七月销售额比较低，同时七月的利润也比较低，可以看出七月超市进行了促销，同时七月的促销也对于下半年销售额的提升有了一定的促进活动，吸引力一些用户。

对于旺季的月份，运营措施需要继续保持，同时可以进行一定的补货，对于淡季的月份则可以结合商品的特点举办一些促销活动来吸引用户。

如上表所示，用户客单价均在八五零美元以上，说明平均下来用户的购买力还是很高的。因此后续需要通过提升用户数来进一步提升销售量和销售额，本文通过RFM模型进行用户分层从而对不同类型的用户采取不同的维系策略。

RFM模型作为客户关系管理领域的额一种消费行为分析模型，最早由美国数据研究所Arthur Hughes（一九九四）提出，RFM模型包括最近购买时间R(Recency)、购买频率F（Frequency）、购买金额M（Monetary）三个变量。

最近购买时间R是客户最近一次购买时间，通过分析时间间隔的天数，其值越小，顾客重复购买可能越大，顾客价值越高，F表示时间周期内客户购买商品的次数，购买频率越高，客户越忠诚，M表示购买总金额，购买金额和客户忠诚度也是成正比的，因此通过分析RFM评分可以得到客户的价值。

本文根据R、F、M评分是否大于均值将客户分为八个类型，如下表所示：

如图八所示获得RFM模型计算出的各类的客户数，整体来看超市的客户流失率较高，因此超市需要通过一些促销、优惠等措施挽留并进一步激活客户。

超市客户中重要的客户共有三一七人。其中重要价值客户有七五人，约占重要客户的五零%，对于这部分客户可以采取积分、VIP式服务，通过积分和服务来对待这些客户，并留意他们的购买反馈。重要深耕客户有三六人，这类客户消费频率低，需要发放优惠的方式提升其消费频率。重要唤回客户有一三三人，这类客户占四二%，这类几近流失的重要客户占比很大，需要通过短信、电话等方式唤回他们。最后是重要挽留客户，这部分共有七三人，这部分将近流失的客户需要通过一些方法来挽回。

超市中一般的客户共有四零七人，这部分包含新客户、一般维持客户和流失客户，需要在维持重要客户的前提下，进一步的维系这些客户，可以看出超市的一般客户的数量要超过重要客户，因此需要采取促销优惠活动进一步维系这部分客户，使其转换为重要客户。