你能分享数据集中所有可用的列吗？很难说有哪些数据可以使用。鉴于您显示的数据，我会从一些解释性分析开始：按商店分组数据，检查用户活动（他们每月/每周进行多少购买，什么是 AOV、LTV 等）。理想情况下，使用电子邮件营销很好，因为它比付费广告更便宜，而且你有可以邮寄的用户列表 - 鉴于电子邮件营销活动的成本低，你基本上可以定位所有在给定地点停止购物并允许你的用户向他们发送邮件。

其他方法：您可以使用付费广告进行再营销和基于地理位置的广告来挽回失去的客户 - 考虑到您想要削减成本，只保留忠诚的客户（他们有超过 2 或 3 次交易，这个数字应该基于每个客户的平均销售额）。

所以，回答问题：

1. 您对该活动有什么建议？我们应该这样做吗？我们应该如何定位，为什么？ 我们应该这样做吗？

选择开新店后流失的所有用户并计算每月（或每周，根据您的数据）的损失收入 - 您想知道您可以从恢复的用户那里获得多少收入，这可以作为您的营销支出基准（Recoverd Income - 成本 - 利润 ~ 营销预算）。营销预算 + 收回的收入将表明它是否合乎逻辑地运行该活动。

您对该活动有什么建议？

我会从电子邮件开始——便宜又有效，我们可以根据用户购买的物品、他们的性别和年龄在电子邮件中使用定位。如果您有一部分高收入的忠实用户 - 您可以根据他们的需求开发专门的电子邮件活动，给予更大的折扣（很高兴知道他们最初离开的原因）。

2. 是否有任何其他客户信息可以帮助您？它是什么？它有什么帮助？

任何有助于更好地细分用户的数据都是有用的——年龄、性别、社会地位，所有这些信息都会影响电子邮件营销活动。此外，最好有关于付费再营销活动的成本和有效性的数据——基于这些数据，我们可以尝试为我们的忠实客户使用再营销。

3. 两家商店是否受到了类似的影响？客户的购物行为如何受到影响？

分店数据，计算统计，做一些好看又容易看不懂的图表，没有实际数据不能多说。

希望这有帮助！

编辑

感谢分享数据，这是我对这项任务的看法：

您可以在 5 月 25 日之前和之后拆分数据，并定位与 5 月 25 日之前相比销售额有所损失的用户。

基于Customer_Data数据集，看起来您有可以邮寄和通过电子邮件发送的用户，因此您可以根据 Mailable_flag / Emailable_flag 标志为不同的用户启动 2 个活动。

谈论损失：根据给定的数据，您的商店在 5 月 25 日之后似乎损失了大约 3k 的销售额和大约 60 次交易，损失与可以和不能通过电子邮件发送的用户数量相等。

这将我们引向一个“附加”数据点——理想情况下，您想了解邮寄和电子邮件营销活动的过去表现以调整定位。

还有我没有做过的事情——你应该计算 LTV（基本上是用户每月给你带来多少钱）——如果一些用户的 LTV 很低，你不想花钱给他们做广告。

我已附上 ipython 笔记本，其中包含简短的工作流程供您检查。请注意，这只是我的想法，它们不可能完全错误:)