从一名销售工作者眼中看数据产生的价值。此部分报告是笔者曾经在新人班中,给新人做过的培训内容(产生一定的成效)。在此,作详细记录。
一、背景分析及问题提出
1.背景分析
随着市场竞争的加剧,传统销售行业员工面临着巨大的压力。为此,需要采取不同的营销策略，将有限的资源集中在"高价值"的客户上，从而提高公司新人留存率,实现员工绩效,团队产能,企业利润的最大化。
2.问题提出
通过分析客户购买数据,建立合适的评估模型，对客户进行分群，从而指定合适的销售策略。我们知道,正常的销售流程包括以下几个方面:约访,面见,沟通,递送计划书,促成,递送合同。尽管每个人都知道这个流程,但是,实际工作中,作为一名新人,效率往往却很低下。为提高团队产能,笔者摘取了部分客户的购买数据,对其进行分析。
思考几个问题：购买保险的客户都是哪些人？他们有什么特点？与所在区域有怎样的关系？与手机号有怎样的联系？各个年龄段有什么特点？与性别的关系是什么？各年龄段购买保险的偏好？以及客户的忠诚度怎样？
二、用到的主要工具
Python版本： Python3.6
Excel：对数据适当清洗
pandas：数据分析读取数据
matplotlib：绘图
rcParams：用来正常显示中文,并设置中文字体
三、用户画像解读
用户画像的定义:用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
用户画像的核心工作:是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，比如可以做分类统计：购买客户占比比较高的是哪些区域?男女性别差异导致的购买偏好?出生年月、人物性格、星座差异、家庭收入、消费水平、购物忠诚度、兴趣爱好、职业类别、消费习惯等
用户画像在保险业的应用
四、数据清洗
1.用Excel对数据进行预处理
原始数据包含客户姓名、性别、年龄、手机号、购买险种,其中购买险种种类数和多次购买两项为计算所得,用到的Excel函数有：
(1)统计购买险种种类数：SUMPRODUCT((LEN(F2)-LEN(SUBSTITUTE(F2,"险",""))))
(2)计算是否多次购买(大于2则标记为1)：IF(H2>=2,1,0)(此指标也可用来粗略衡量客户的忠诚度)
2.查看是否存在缺失值
import pandas as pd
dt=pd.read_excel("D:/baogao/kehu.xls") #读取数据
df=dt.describe() #输出描述统计量,判断缺失值的存在与否
print(df)统计量描述：
序号 年龄 购买险种种类 多次购买
count 111.000000 110.000000 111.000000 111.000000
mean 56.000000 43.781818 1.549550 0.513514
std 32.186954 12.949005 0.567911 0.502084
min 1.000000 2.000000 1.000000 0.000000
25% 28.500000 33.250000 1.000000 0.000000
50% 56.000000 46.500000 2.000000 1.000000
75% 83.500000 52.000000 2.000000 1.000000
max 111.000000 64.000000 3.000000 1.000000
由上表数据可以看出：原始数据共计111条,年龄项缺失111-110=1项。因考虑到数据量较少,故而采用中位数46作替换。
代码如下：
填充年龄缺失值为中位数46
import pandas as pd
dt=pd.read_excel("D:/baogao/kehu.xls")
age=dt["年龄"].fillna(value=46)
print(age)五、特征分析
1.客户区域分布
为探索客户购买数据与地理区域的关系,在此用Python统计客户所在区的数量,并绘制饼图,如下：
统计各个区数量并绘制饼图：
import pandas as pd
import matplotlib.pyplot as plt
dt=pd.read_excel("D:/baogao/kehu.xls")
df=dt.describe()
print(df) #输出统计量,查看数据缺失与否
count = dt['区域'].value_counts()
plt.rcParams['font.sans-serif']=['SimHri'] #用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] #指定默认字体,解决plot不能显示中文问题
plt.pie(count, labels = count.keys() ,labeldistance=1.4,autopct='%2.1f%%') #绘制饼图,设置格式
plt.axis('equal') #使饼图压缩为正圆形
plt.legend(loc='upper left', bbox_to_anchor=(-0.1, 1)) #添加图例,并设置图例位置
plt.savefig('location.jpg')
plt.show() 
由上图表可以看出,购买量最多的客户所在区域分别是栖霞区、鼓楼区、建邺区、白下区、玄武区、浦口区,占据比例达到75%以上。与区域有明显的聚集关系。
查阅相关资料了解到：老南京以前的主城区分别为玄武，鼓楼，老白下区（现在的秦淮区）,现在加一个新的富人区建邺区。从这些地方可以看得出来,除了建邺区外购买保险最多的客户都是老南京人，有保险意识，有一定的经济条件。像栖霞,浦口地区购买的也占一定比例,说明这些地区也不乏有一定经济条件和有保险意识的。
2.从手机号中提取运营商
通讯分电信，联通，移动三大公司。理论上讲每个时间段出来的号码都能代表某个年代的人,从手机号可以大体推断属于哪一类人。
用Python进行手机号前三位的提取：
手机号前三位代表运营商、4-7位手机号码是归属地、后面4位数是客户号码
import pandas as pd
import matplotlib.pyplot as plt
dt=pd.read_excel("D:/baogao/kehu.xls")
dt["手机号"]=dt["手机号"].astype(str)
newdt=dt["手机号"].str.slice(0,3) #抽取手机号码的前三位数(运营商)
count = newdt.value_counts()
#print(count)
fig = plt.figure()
plt.bar(count.keys(),count)
plt.savefig('手机号.jpg')
plt.show()
从上面图表手机号统计中可以看出来：139、138、137、开头的手机号客户更倾向于购买保险。从上述数据统计,查阅相关资料基本可以推断139、138、137这种老移动的号段 ，有可能是本地人也有可能外地的年轻人,并在南京住了很多年。有一定的经济基础。
3.性别分布
import pandas as pd
import matplotlib.pyplot as plt
dt=pd.read_excel("D:/baogao/kehu.xls")
df=dt.describe()
#print(df)
count = dt['性别'].value_counts()
plt.rcParams['font.sans-serif']=['SimHri'] #用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] ## 指定默认字体：解决plot不能显示中文问题
plt.pie(count, labels = count.keys() ,labeldistance=1.4,autopct='%2.1f%%')
plt.axis('equal') # 使饼图为正圆形
plt.legend(loc='upper left', bbox_to_anchor=(-0.1, 1)) #添加图例,并设置图例位置
plt.savefig('性别.jpg')
plt.show() 
从上面比例可以得出结论：女性客户相比于男性客户有更大的可能性购买保险。
4.客户忠诚度分析
购买两次以上占比与购买1次的比值相差不大,说明客户忠诚度一般。
六、结论及总结
客户购买保险有一定的聚集性。首先,女性(57%)比男性更倾向于购买保险,这也与女性所扮演的社会角色有关系；其次,139,138,137手机号的客户相比之下有更大的可能性购买保险；最后,南京的栖霞区,建邺区,鼓楼区,下关区,秦淮区(75%以上)的老南京客户更倾向于购买保险。
值得一提的是,在此文章发表之前的一段时间,此篇文章已收到一定的成效：在新人班中的培训中,收到领导一致好评,新人产能得到明显的提高,整个团队的绩效达成也有很大改善！
存在的缺陷：
1.文章中所摘取的数据量不够大,也可能会导致一定的偏颇性。
2.数据量的重复：比如投保人和被保人的同时统计
3.数据中存在未成年人,没有作为考虑因素