❶ 零售行业的数据挖掘方法
零售行业的数据挖掘方法
第一、开展会员制能够帮助企业采集更多会员数据，更有利于开展数据挖掘的工作，同时也有利于培养客户忠诚度。
在实施会员制的时候，必须要特别注意两个关键信息的采集：会员卡ID、客户联系号码或者邮箱，因为这两个关键信息对信息采集及后期的精准营销有很大的帮助作用。而微信、微博等社交媒体的横行，若零售商能够通过相关活动让客户关注企业的微信、微博，对培养客户忠诚度也是有很大的帮助。
会员制有助于为企业培养众多忠实的顾客，建立起一个长期稳定的市场，提高企业的竞争力。通过会员制，可以有效稳定老客户，同时开发新顾客。因为零售商给会员提供的是优惠的价格，对新顾客吸引力很大，同时大部分会员卡是可以外借的，也给新客户提供了机会，大大增加其成为会员的可能性。
会员制营销能够促进企业与顾客双向交流。顾客成为会员后，通常能定期收到商家有关新商品的信息并了解商品信息和商家动态，有针对性地选购商品。除此之外，企业能够及时了解消费者需求的变化，以及他们对产品、服务等方面的意见，为改进企业的营销模式提供了依据。
第二、开展零售商的数据挖掘项目，必须要重点提供以下几个表的关键信息：
销售表：卡号、销售店ID、销售日期、产品名称、产品价格、销售数量、销售金额、折扣等信息。
产品表：产品ID、产品名称、建议零售价、实际销售价、一级类别、二级类别、三级类别、四级类别、品牌等信息。
客户表：卡号、发卡店ID、城市、号码、邮箱、企业或个人标识、企业名称、所在行业、地址等。
零售店表：店ID、店名、所属城市、店等级等。
其中销售表、产品表、客户表比较重要，而产品表梳理对数据分析及数据挖掘团队而言，是做好项目的关键，必须要耗费大量的时间。
第三、与零售商明确数据挖掘目的，能够让分析团队与零售商之间获得更大的信任，同时有利于项目的顺利开展。
成熟的分析团队，比较关注零售商的商业出发点，从客户商业价值出发，抓住客户关注点，一点一点地做好相应的落地分析工作。
客户最常见想让数据帮助其解答的几大问题：
如何让活跃的客户购买更多的产品，最大程度地释放其价值？
如何唤醒沉默客户，让其转化为活跃客户？
哪些客户是我的重点客户群？其有什么样的特征？
哪些重点客户流失了？为什么流失？后期怎样开展挽留手段？
……
第四、通过数据开展客户细分，明确各个群体的特征。
对于零售数据而言，必须要深入零售行业两大客户群：企业及个人。企业客户的特征和个人客户的特征有很大的区别。
企业特征主要表现：采购量比较大，经常进行团购或批发，销售量和销售额都比较大，为零售商的重点客户群。尽管数量不多，但是却贡献了零售商的60%以上的销售额。而企业的行为经常有：超大型采购、中型采购、一般采购。对企业数据挖掘，需要深入了解企业的所属行业、采购额度、采购规律、采购产品偏好、是否流失、流失的原因调查等信息，有助于帮助零售商开展相应的营销策略。
对于个人，则需要关注哪些是活跃客户、哪些是新增客户、哪些是沉默客户、客户价值是怎样的、哪些节日是重点高峰期、偏好的产品是哪些等等，这些有助于零售商开展销售、备货等工作。
第五、结合5W1H分析法开展零售分析与挖掘。
What：销售情况怎么样？有多少用户？来了多少次？每次消费多少钱？买了什么东西…….
Where：哪些门店销售最好？为什么呢？（交通、地区等） ……
When：哪个月份销售得最好？哪个节日是销售高峰期…….
Who：是哪些客户？有什么样的特征？偏好买哪些产品？产品规格是怎么样的…….
Why：为什么买哪些产品？为什么买那么多?会不会继续购买…….
How：怎样提高客户重购？怎样唤醒客户？怎么进行交叉销售？怎样帮助铺货……
第六、协助零售商开展营销活动设计、营销活动执行、营销评估与优化。
因为数据挖掘是一个闭环的流程，不是撰写挖掘报告、输出营销客户名单就是项目成功的，必须协助零售商开展相应的营销设计、营销活动执行、营销评估及优化工作。从而确保数据挖掘有效落地，为客户真实产生商业价值，扩大生意规模。
营销活动设计常有：优惠打折、派发试用装、赠送礼品、多倍积分等，可以通过不同的细分客户群有针对性地开展不同的营销活动，并计算不同群体及不同活动的投入产出比，便于后期不断优化数据挖掘规则。
第七、关键成果固化IT系统，实现数据挖掘成果固化落地。
对于零售商而言，数据挖掘是个不大不小的投入，对于关键的成果输出，总希望能够把成果规则进行IT固化，实现自动代替手工操作，这个时候经常需要搭建一个成果固化模块或系统，让数据挖掘能够最大限度帮助企业。
❷ 零售行业数据分析
零售行业数据分析
本文从个人的角度去谈一下如何使用数据挖掘帮助零售商提升生意，让数据真正地去指导企业经营，最大限度地发挥数据提供商业决策的作用。
第一、开展会员制能够帮助企业采集更多会员数据，更有利于开展数据挖掘的工作，同时也有利于培养客户忠诚度。
在实施会员制的时候，必须要特别注意两个关键信息的采集：会员卡ID、客户联系号码或者邮箱，因为这两个关键信息对信息采集及后期的精准营销有很大的帮助作用。而微信、微博等社交媒体的横行，若零售商能够通过相关活动让客户关注企业的微信、微博，对培养客户忠诚度也是有很大的帮助。
会员制有助于为企业培养众多忠实的顾客，建立起一个长期稳定的市场，提高企业的竞争力。通过会员制，可以有效稳定老客户，同时开发新顾客。因为零售商给会员提供的是优惠的价格，对新顾客吸引力很大，同时大部分会员卡是可以外借的，也给新客户提供了机会，大大增加其成为会员的可能性。
会员制营销能够促进企业与顾客双向交流。顾客成为会员后，通常能定期收到商家有关新商品的信息并了解商品信息和商家动态，有针对性地选购商品。除此之外，企业能够及时了解消费者需求的变化，以及他们对产品、服务等方面的意见，为改进企业的营销模式提供了依据。
第二、开展零售商的数据挖掘项目，必须要重点提供以下几个表的关键信息：
销售表：卡号、销售店ID、销售日期、产品名称、产品价格、销售数量、销售金额、折扣等信息。
产品表：产品ID、产品名称、建议零售价、实际销售价、一级类别、二级类别、三级类别、四级类别、品牌等信息。
客户表：卡号、发卡店ID、城市、号码、邮箱、企业或个人标识、企业名称、所在行业、地址等。
零售店表：店ID、店名、所属城市、店等级等。
其中销售表、产品表、客户表比较重要，而产品表梳理对数据分析及数据挖掘团队而言，是做好项目的关键，必须要耗费大量的时间。
第三、与零售商明确数据挖掘目的，能够让分析团队与零售商之间获得更大的信任，同时有利于项目的顺利开展。
成熟的分析团队，比较关注零售商的商业出发点，从客户商业价值出发，抓住客户关注点，一点一点地做好相应的落地分析工作。
客户最常见想让数据帮助其解答的几大问题：
如何让活跃的客户购买更多的产品，最大程度地释放其价值？
如何唤醒沉默客户，让其转化为活跃客户？
哪些客户是我的重点客户群？其有什么样的特征？
哪些重点客户流失了？为什么流失？后期怎样开展挽留手段？……
第四、通过数据开展客户细分，明确各个群体的特征。
对于零售数据而言，必须要深入零售行业两大客户群：企业及个人。企业客户的特征和个人客户的特征有很大的区别。
企业特征主要表现：采购量比较大，经常进行团购或批发，销售量和销售额都比较大，为零售商的重点客户群。尽管数量不多，但是却贡献了零售商的60%以上的销售额。而企业的行为经常有：超大型采购、中型采购、一般采购。对企业数据挖掘，需要深入了解企业的所属行业、采购额度、采购规律、采购产品偏好、是否流失、流失的原因调查等信息，有助于帮助零售商开展相应的营销策略。
对于个人，则需要关注哪些是活跃客户、哪些是新增客户、哪些是沉默客户、客户价值是怎样的、哪些节日是重点高峰期、偏好的产品是哪些等等，这些有助于零售商开展销售、备货等工作。
第五、结合5W1H分析法开展零售分析与挖掘。
What：销售情况怎么样？有多少用户？来了多少次？每次消费多少钱？买了什么东西…….
Where：哪些门店销售最好？为什么呢？（交通、地区等） …….
When：哪个月份销售得最好？哪个节日是销售高峰期…….
Who：是哪些客户？有什么样的特征？偏好买哪些产品？产品规格是怎么样的…….
Why：为什么买哪些产品？为什么买那么多?会不会继续购买…….
How：怎样提高客户重购？怎样唤醒客户？怎么进行交叉销售？怎样帮助铺货……
第六、协助零售商开展营销活动设计、营销活动执行、营销评估与优化。
因为数据挖掘是一个闭环的流程，不是撰写挖掘报告、输出营销客户名单就是项目成功的，必须协助零售商开展相应的营销设计、营销活动执行、营销评估及优化工作。从而确保数据挖掘有效落地，为客户真实产生商业价值，扩大生意规模。
营销活动设计常有：优惠打折、派发试用装、赠送礼品、多倍积分等，可以通过不同的细分客户群有针对性地开展不同的营销活动，并计算不同群体及不同活动的投入产出比，便于后期不断优化数据挖掘规则。
第七、关键成果固化IT系统，实现数据挖掘成果固化落地。
对于零售商而言，数据挖掘是个不大不小的投入，对于关键的成果输出，总希望能够把成果规则进行IT固化，实现自动代替手工操作，这个时候经常需要搭建一个成果固化模块或系统，让数据挖掘能够最大限度帮助企业。
❸ 超市零售业的行业分析应该从什么方面入手
就超市内部每日管理来说，首先是商品销售结构上的分析（abc单品类别销售分析、销售top100、不动销商品分析、高库存、负毛利、负库存、销售部门占比），然后是顾客消费数据分析（客单价、客流量、全店平效、时段客流量等）
❹ 零售行业的数据分析怎么做需要具备哪些专业知识
1、着手方法：记数据（销售、库存），哪个卖的好，哪个卖的差，时间长久了，你就知道去问问什么好为什么差了；也是培养数据敏感性
2、数据分析=数字分析+反馈信息分析
3、脑子里不要天天记得还有几个报表要做，什么供销存啊，你只有跳出这个圈子才能做好数据分析，否则一无是处
4、专业知识：天文地理（天气变化、季节转换、天气假日需要关注的，最好是列出时间表）、面料知识（天然纤维与化学纤维）、数学（数字分析很有学问哦）、办公自动化（什么函数啊、宏啊、excel等等）
5、吃饭去了，暂时那么多把！
❺ 常用的数据分析方法有哪些
常见的数据分析方法有哪些？
1.趋势分析
当有大量数据时，我们希望更快，更方便地从数据中查找数据信息，这时我们需要使用图形功能。所谓的图形功能就是用EXCEl或其他绘图工具来绘制图形。
趋势分析通常用于长期跟踪核心指标，例如点击率，GMV和活跃用户数。通常，只制作一个简单的数据趋势图，但并不是分析数据趋势图。它必须像上面一样。数据具有那些趋势变化，无论是周期性的，是否存在拐点以及分析背后的原因，还是内部的或外部的。趋势分析的最佳输出是比率，有环比，同比和固定基数比。例如，2017年4月的GDP比3月增加了多少，这是环比关系，该环比关系反映了近期趋势的变化，但具有季节性影响。为了消除季节性因素的影响，引入了同比数据，例如：2017年4月的GDP与2016年4月相比增长了多少，这是同比数据。更好地理解固定基准比率，即固定某个基准点，例如，以2017年1月的数据为基准点，固定基准比率是2017年5月数据与该数据2017年1月之间的比较。
2.对比分析
水平对比度：水平对比度是与自己进行比较。最常见的数据指标是需要与目标值进行比较，以了解我们是否已完成目标；与上个月相比，要了解我们环比的增长情况。
纵向对比：简单来说，就是与其他对比。我们必须与竞争对手进行比较以了解我们在市场上的份额和地位。
许多人可能会说比较分析听起来很简单。让我举一个例子。有一个电子商务公司的登录页面。昨天的PV是5000。您如何看待此类数据？您不会有任何感觉。如果此签到页面的平均PV为10,000，则意味着昨天有一个主要问题。如果签到页面的平均PV为2000，则昨天有一个跳跃。数据只能通过比较才有意义。
3.象限分析
根据不同的数据，每个比较对象分为4个象限。如果将IQ和EQ划分，则可以将其划分为两个维度和四个象限，每个人都有自己的象限。一般来说，智商保证一个人的下限，情商提高一个人的上限。
说一个象限分析方法的例子，在实际工作中使用过：通常，p2p产品的注册用户由第三方渠道主导。如果您可以根据流量来源的质量和数量划分四个象限，然后选择一个固定的时间点，比较每个渠道的流量成本效果，则该质量可以用作保留的总金额的维度为标准。对于高质量和高数量的通道，继续增加引入高质量和低数量的通道，低质量和低数量的通过，低质量和高数量的尝试策略和要求，例如象限分析可以让我们比较和分析时间以获得非常直观和快速的结果。
4.交叉分析
比较分析包括水平和垂直比较。如果要同时比较水平和垂直方向，则可以使用交叉分析方法。交叉分析方法是从多个维度交叉显示数据，并从多个角度执行组合分析。
分析应用程序数据时，通常分为iOS和Android。
交叉分析的主要功能是从多个维度细分数据并找到最相关的维度，以探究数据更改的原因。
❻ 我国零售业现状分析与对策要点
零售行业是一国最重要的行业之一，2020年我国全社会商品零售总额为39.2亿。随着手机支付和购物用户数量以及使用率的不断提高和数字化技术的不断发展，企业对数字化转型的意愿不断加强，未来我国智慧零售行业有望持续快速发展，预计到2026年我国数字化零售市场规模占全社会零售销售总额将达到5%。
零售业快速增长，移动端用户数量不断提升
零售业是指通过买卖形式将工农业生产者生产的产品直接售给居民作为生活消费用或售给社会集团供公共消费用的商品销售行业，是一国最重要的行业之一。智慧零售就是运用互联网、物联网技术，感知消费习惯，预测消费趋势，引导生产制造，为消费者提供多样化、个性化的产品和服务。零售业是反映一个国家和地区经济运行状况的晴雨表，是检验国民经济是否协调发展，社会与经济结构是否合理的重要标准。
2015年我国全社会商品零售总额为26.9亿元，到2020年约为39.2亿元。5年复合增速为7.82%。其中网上零售额占比从2015年的10.8%上升到2020年的24.9%。
—— 以上数据参考前瞻产业研究院《中国零售行业市场前瞻与投资战略规划分析报告》
❼ 如何做零售业的销售分析
区位因素最重要了.
考虑的是市场因素,一般的多数零售店的位置都处于交通便利处或者是城市的几何中心.
销售分析,从消费者角度考虑,考察他们的消费习惯和意愿,应该把那些常用件,日用品,或者说是市场上的新产品放在显眼的地方,以吸引注意力,提高他们的购买力.
如今的零售业面临的最多的是竞争,当然和别人的拼打少不了了,想人未想,做人未做,也就是创新才是灵魂啊
❽ 如何分析零售数据
零售数据分析主要是指哪方面?
一，如果是大数据分析，因为数据量很多很杂，想要在中间发现自己想要的点很难。
所以一般采用对比分析法。比如永辉发布10月前零售销售额是400亿，利润是20%，我们要想看他在行业里怎么样就对比家乐福的数据。双方一对比就能看出差距。
如果想要看我们和行业的相差情况，就是算成单店产出然后进行对比就可以了。
二，如果你要分析的是单品销售数据，最好的方法就是商品ABC分析法。具体的方法，网上可以查到。
希望能够帮助到你！谢谢！
❾ 市场分析方法有哪些
市场分析是对市场供需变化的各种因素及其动态、趋势的分析。分析过程是： 搜集有关资料和数据，采用适当的方法，分析研究、探索市场变化规律，了解消费者对产品品种、规格、质量、性能、价格的意见和要求，了解市场对某种产品的需求量和销售趋势，了解产品的市场占有率和竞争企业的市场占有情况，了解社会产品购买力和社会产品可供量的变化等，为企业产品经营决策——合理安排生产、进行市场竞争、正确调节市场、平衡产销供应提供重要依据，同时也为从细分市场中选择目标市场提供决策依据。汇报呈现形式如图3-5所示。
图3-5 细分市场行业特征及行业发展趋
市场分析的内容和市场分析的研究对象是紧密相连的，根据市场分析的研究对象，市场分析主要表现在两个方面：行业特征分析、行业发展趋势分析。
1.行业特征分析
行业分析是公司产品分析的前提，行业特征是决定公司是否具有投资价值的重要因素之一。如果直接进行行业细分市场决策，会影响我们对产品未来发展的预测，因为我们不知道公司所在行业的发展现状和公司在整个行业中的位置，因此首先有必要从行业进行分析。行业特征分析主要包括行业的市场类型、经济周期和生命周期三个部分。
l 市场类型分析。随着行业中企业数量、产品性质、价格制订和其他一些因素的变化，行业的经济结构呈现不同的特征，根据行业的经济结构，可将行业基本上分为四种市场类型，即完全竞争、垄断竞争、寡头垄断和完全垄断。按照经济效益的高低和产量的大小排列，四种市场类型依次为完全竞争、垄断竞争、寡头垄断和完全垄断;而按照价格的高低和可能获得的利润的大小排列，则次序正好相反，即依次为完全垄断、寡头垄断、垄断竞争和完全竞争。
l 经济周期分析。各行业变动时，往往呈现出明显的、可测的增长或衰退的格局。根据这些变动与国民经济总体周期变动的密切程度不同，可以基本将行业分为增长型行业、周期型行业和防御型行业。
l 生命周期分析。一般而言，每个行业都要经历一个由成长到衰退的发展演变过程，这个过程便称为行业的生命周期。与产品生命周期类似，行业的生命周期也可分为四个阶段，即起步期、成长期、成熟期和衰退期，每个阶段都有不同的表现特点，识别行业生命周期所处阶段的主要指标有: 需求度、市场增长率、产品品类结构、竞争者数量、技术变革、用户购买行为、进入壁垒及退出壁垒等。通过对行业市场类型、经济周期和生命周期的分析、判断，可以初步判定该行业这一时期盈利水平的高低、经营的稳定状况等特征，对后续的产品市场细分决策，选择目标市场起指导作用。
2.行业发展趋势分析
行业发展趋势是建立在目前行业发展状况的基础上，对行业未来发展走向的一种预测。我们将从行业历年经营状况、行业成长性、行业安全性和行业发展驱动力四个方面进行分析。
l 行业历年经营状况。行业历年经营状况是分析该行业在某区域入市以来销售额、利润等的表现情况，通过各项目数据统计，可以将结果呈现在图表中，便于后续分析。
l 行业成长性。行业成长性是指行业在一定时期内经营能力的发展状况，它是衡量行业发展速度与稳定性的重要指标，可利用总资产增长率、固定资产增长率、主营业务增长率、主营利润增长率和净利润增长率等指标进行评价。其中最重要的参考指标是主营业务年度增长率。整合公司三年以上的财报，主营业务年收入平均增长率连续稳定在50%以上的属于高速发展，在30%~ 50%属于快速增长，在10%~ 20%属于稳定增长，10%以下的属于缓慢增长，当然还有负增长。新兴行业的增长率比传统行业高，而传统行业的增长稳定性要比新兴行业好。
l 行业安全性。行业安全性是指行业的风险抵御能力，安全性在经济不景气时的影响会非常大(例如经济危机)。判断行业安全性有行业企业数量占行业总体规模比例、行业增长率的稳定性、行业集中度、行业社会评价和政策四个指标。
l 行业发展驱动力。行业发展的驱动力是指能促使行业向前发展的力量，具体体现在行业需求、行业供给、成本、技术水平、政策激励等方面，每一个驱动力有若干个驱动因素，例如，行业需求受人均GDP、人均可支配收入、经济景气指数等因素影响。公司可以根据不同行业分析其驱动力，明确驱动因素。关注重点驱动力，可以为公司的发展创造有利条件，促进行业与公司的快速发展。
❿ 干货 零售行业的数据挖掘七步走
干货：零售行业的数据挖掘七步走
文 | @ETwise
对于沃尔玛、华润万家、百佳等零售大超市而言，每天都有很多客户通过会员卡进行购买，不断积累了很多销售数据，如何利用这些数据，从数据中挖掘金矿，很值得每个商家去思考。尽管目前零售商有不少的IT系统去支撑企业常规的分析（如销售量、销售额、热销SKU等），但实际上还是未能从数据角度深入挖掘客户的价值，仅仅从经营分析的角度来满足了常规分析工作。
本文从个人的角度去谈一下如何使用数据挖掘帮助零售商提升生意，让数据真正地去指导企业经营，最大限度地发挥数据提供商业决策的作用。
第一、开展会员制能够帮助企业采集更多会员数据，更有利于开展数据挖掘的工作，同时也有利于培养客户忠诚度。
第一、开展会员制能够帮助企业采集更多会员数据，更有利于开展数据挖掘的工作，同时也有利于培养客户忠诚度。
在实施会员制的时候，必须要特别注意两个关键信息的采集：会员卡ID、客户联系号码或者邮箱，因为这两个关键信息对信息采集及后期的精准营销有很大的帮助作用。而微信、微博等社交媒体的横行，若零售商能够通过相关活动让客户关注企业的微信、微博，对培养客户忠诚度也是有很大的帮助。
会员制有助于为企业培养众多忠实的顾客，建立起一个长期稳定的市场，提高企业的竞争力。通过会员制，可以有效稳定老客户，同时开发新顾客。因为零售商给会员提供的是优惠的价格，对新顾客吸引力很大，同时大部分会员卡是可以外借的，也给新客户提供了机会，大大增加其成为会员的可能性。
会员制营销能够促进企业与顾客双向交流。顾客成为会员后，通常能定期收到商家有关新商品的信息并了解商品信息和商家动态，有针对性地选购商品。除此之外，企业能够及时了解消费者需求的变化，以及他们对产品、服务等方面的意见，为改进企业的营销模式提供了依据。
输入标题
第二、开展零售商的数据挖掘项目，必须要重点提供以下几个表的关键信息：
销售表：卡号、销售店ID、销售日期、产品名称、产品价格、销售数量、销售金额、折扣等信息。
产品表：产品ID、产品名称、建议零售价、实际销售价、一级类别、二级类别、三级类别、四级类别、品牌等信息。
客户表：卡号、发卡店ID、城市、号码、邮箱、企业或个人标识、企业名称、所在行业、地址等。
零售店表：店ID、店名、所属城市、店等级等。
其中销售表、产品表、客户表比较重要，而产品表梳理对数据分析及数据挖掘团队而言，是做好项目的关键，必须要耗费大量的时间。
输入标题
第三、与零售商明确数据挖掘目的，能够让分析团队与零售商之间获得更大的信任，同时有利于项目的顺利开展。
成熟的分析团队，比较关注零售商的商业出发点，从客户商业价值出发，抓住客户关注点，一点一点地做好相应的落地分析工作。
客户最常见想让数据帮助其解答的几大问题：
如何让活跃的客户购买更多的产品，最大程度地释放其价值？
如何唤醒沉默客户，让其转化为活跃客户？
哪些客户是我的重点客户群？其有什么样的特征？
哪些重点客户流失了？为什么流失？后期怎样开展挽留手段？
……
输入标题
第四、通过数据开展客户细分，明确各个群体的特征。
对于零售数据而言，必须要深入零售行业两大客户群：企业及个人。企业客户的特征和个人客户的特征有很大的区别。
企业特征主要表现：采购量比较大，经常进行团购或批发，销售量和销售额都比较大，为零售商的重点客户群。尽管数量不多，但是却贡献了零售商的60%以上的销售额。而企业的行为经常有：超大型采购、中型采购、一般采购。对企业数据挖掘，需要深入了解企业的所属行业、采购额度、采购规律、采购产品偏好、是否流失、流失的原因调查等信息，有助于帮助零售商开展相应的营销策略。
对于个人，则需要关注哪些是活跃客户、哪些是新增客户、哪些是沉默客户、客户价值是怎样的、哪些节日是重点高峰期、偏好的产品是哪些等等，这些有助于零售商开展销售、备货等工作。
第五、结合5W1H分析法开展零售分析与挖掘。
What：销售情况怎么样？有多少用户？来了多少次？每次消费多少钱？买了什么东西…….
Where：哪些门店销售最好？为什么呢？（交通、地区等）…….
When：哪个月份销售得最好？哪个节日是销售高峰期…….
Who：是哪些客户？有什么样的特征？偏好买哪些产品？产品规格是怎么样的…….
Why：为什么买哪些产品？为什么买那么多？会不会继续购买…….
How：怎样提高客户重购？怎样唤醒客户？怎么进行交叉销售？怎样帮助铺货……
第六、协助零售商开展营销活动设计、营销活动执行、营销评估与优化。
因为数据挖掘是一个闭环的流程，不是撰写挖掘报告、输出营销客户名单就是项目成功的，必须协助零售商开展相应的营销设计、营销活动执行、营销评估及优化工作。从而确保数据挖掘有效落地，为客户真实产生商业价值，扩大生意规模。
营销活动设计常有：优惠打折、派发试用装、赠送礼品、多倍积分等，可以通过不同的细分客户群有针对性地开展不同的营销活动，并计算不同群体及不同活动的投入产出比，便于后期不断优化数据挖掘规则。
第七、关键成果固化IT系统，实现数据挖掘成果固化落地。
对于零售商而言，数据挖掘是个不大不小的投入，对于关键的成果输出，总希望能够把成果规则进行IT固化，实现自动代替手工操作，这个时候经常需要搭建一个成果固化模块或系统，让数据挖掘能够最大限度帮助企业。
