在这个大数据时代，很多行业都开始挖掘企业自身的大数据价值，而在数字化竞争越来越白热化、同质化的今天，对于企业的客户尤其是C端客户，如何让辛辛苦苦引进来的新客变成老客，老客不流失成了一大难题，尤其是电商行业。不仅如此，在数字化交易的背景下，越来越多的商家开始使用诸如DataFocus、集客CRM等做数据分析，以想要做数据化营销。但无论工具怎么先进，分析还是得靠数据分析师的人脑和思维，以思维驱动工具。思维驱动的意义就在于看到数据的呈现，能够了解其背后含义，并剖析其影响因素，从而辅助决策。那么本篇我们就以真实案例来列举退款数据，讨论意义并解读影响因素。
（为数据保密性考虑，数据呈现仅以文字描述），以下是某美妆企业真实数据。
数据呈现：
1、从总体趋势来看，近18月中，退款件数和金额明显上升，需要改进
2. 近半年内，由于客户未收到货、商品错发/漏发及破损问题导致的退款比例偏高
数据意义：
了解店铺退款情况，是否在合理的范围内。
影响因素：
1、产品质量 2、服务态度 3、物流速度
数据呈现：
1、退款前10的商品都是热销商品，其中，电动洁面仪、净肌洗面奶、春夏保湿修复面膜的退款居前3
2、近半年内，热销产品中退款原因前3的分别为 未收到货、退运费、产品破损，且比例偏高。另外，商品错发/漏发和未按时间发货占有一定比例且数值偏高。
数据意义：
了解店铺指定时段退款前10的商品以及这些商品的退款原因，找出关键原因并及时优化改进。
影响因素：
1、商品本身问题 2、包装、物流问题 3、店铺维护的实时性
了解上述数据分析后，我们可以参考以下步骤进行具体优化。
1、降低退款率：
首先，意识层面，各部门需积极配合，一致努力，降低退款率。其次，检查环节，一项比例较高的退款原因到底是因为哪个部门哪个环节出现纰漏，找出来后进行针对性优化。最后，明确分工，设置权重。
2、物流跟踪：
提前设置标签，每日定时监控物流，对于疑难问题件及时跟踪处理；对于经常出现问题的地区客户特殊对待，如收件地址为新疆、云南、内蒙古的客户因商品破损导致退款的，因加固包装并做好达到提醒。对于收货地址含乡镇村的客户，提前筛选设置自动化流程，给予特殊关注并适当加送赠品/小样。
3、后期二次营销：
对退款客户区分维护：首次购买退款的，给予优惠券安慰并引导再次购买；对于老客退款，加大优惠券面额或许诺多送小样或礼物等。
Comments | NOTHING