處理后結(jié)果

五、分析過程

（一）用戶行為習(xí)慣分析

分別以日和小時(shí)為單位分析用戶購買行為，找出用戶活躍規(guī)律。

1.2017年11月25日至12月3日間的用戶行為習(xí)慣分布

在研究日期內(nèi)，11月25日、11月26日與12月2日、12月3日為周末，其余為工作日。從點(diǎn)擊量來看，我們可以看出用戶的活躍度在12月2日和12月3日有明顯增幅。從加購數(shù)和收藏?cái)?shù)看，相對(duì)于收藏，用戶更愛直接加購，并且在12月2日及3日間兩者都出現(xiàn)明顯增長。從購買數(shù)看，整體相對(duì)平穩(wěn)，但在后一個(gè)周末出現(xiàn)了大幅增長。
流量急劇增長的原因可能是雙十二的預(yù)熱活動(dòng)導(dǎo)致，用戶開始瀏覽商品，并進(jìn)行收藏及加購，但卻未下單?？傮w而言，周末的用戶活躍度整體比工作日高。

2.一天內(nèi)的用戶行為習(xí)慣分布

從點(diǎn)擊量看，我們可以發(fā)現(xiàn)每日0點(diǎn)至3點(diǎn)用戶活躍度快速降低，凌晨3點(diǎn)為一天最低值。4點(diǎn)至10點(diǎn)活躍度逐步上升，10點(diǎn)至18點(diǎn)活躍度相對(duì)平穩(wěn)。其中13點(diǎn)至16點(diǎn)是白天的活躍期。18點(diǎn)后活躍度急劇上升，并在20點(diǎn)至22點(diǎn)達(dá)到一天的高峰期，其中21點(diǎn)時(shí)為最高值。說明用戶習(xí)慣在晚上7點(diǎn)至23點(diǎn)瀏覽并選擇商品進(jìn)行購買。
從加購、收藏、購買及轉(zhuǎn)化率看，用戶加購意愿較強(qiáng)，且與點(diǎn)擊量變化趨勢(shì)相關(guān)性最高。購買轉(zhuǎn)化率則在中午12點(diǎn)至13點(diǎn)最高，說明用戶在午休時(shí)下單意愿較強(qiáng)。

（二）用戶行為轉(zhuǎn)化分析

從用戶行為習(xí)慣分布（時(shí)）圖中，我們發(fā)現(xiàn)一天中的購買轉(zhuǎn)化率最大值為3.4%，相對(duì)較低。下面我們來分析用戶行為轉(zhuǎn)化中的問題。

1.用戶整體行為轉(zhuǎn)化分析

（1）建立用戶行為視圖

(2) 提取數(shù)據(jù)

(3) 建模分析

先對(duì)整體用戶行為進(jìn)行描述性分析，從行為數(shù)量占比圖中，我們發(fā)現(xiàn)點(diǎn)擊行為占比89.7%,加購行為約為收藏行為的2倍。從用戶行為轉(zhuǎn)化漏斗圖中，我們可以看到用戶從點(diǎn)擊到購買的轉(zhuǎn)化率約為2.3%。那么是什么原因?qū)е聫狞c(diǎn)擊到購買的轉(zhuǎn)化率偏低呢？
針對(duì)轉(zhuǎn)化率低的問題，從用戶行為和商品兩個(gè)維度來做出3種假設(shè)，來研究是什么原因?qū)е罗D(zhuǎn)化率低。

思維導(dǎo)圖

2.不同行為路徑轉(zhuǎn)化分析

行為路徑指的是用戶從點(diǎn)開商品到最終購買所經(jīng)過的步驟。本文以點(diǎn)擊、加購、收藏、購買為4個(gè)基本的步驟。通過分析不同行為路徑的轉(zhuǎn)化率，我們可以發(fā)現(xiàn)哪個(gè)環(huán)節(jié)產(chǎn)生了問題，而導(dǎo)致用戶最終未購買。
假設(shè)一：不同的行為路徑影響轉(zhuǎn)化率。
可分為4種路徑（收藏加購不分先后順序）：

• 點(diǎn)擊—購買
• 點(diǎn)擊—加購—購買
• 點(diǎn)擊—收藏—購買
• 點(diǎn)擊—收藏和加購—購買

（1）查詢統(tǒng)計(jì)各行為路徑用戶數(shù)

（2）繪制轉(zhuǎn)化漏斗圖并分析

從上圖，我們可以發(fā)現(xiàn)在點(diǎn)擊商品后，48.58%的用戶會(huì)進(jìn)行加購，25%的用戶會(huì)加購并收藏，12%的用戶會(huì)進(jìn)行收藏，而7.45%的用戶會(huì)直接購買。
其次，我們發(fā)現(xiàn)收藏和加購-購買的轉(zhuǎn)化率有80%，其次為加購-購買的轉(zhuǎn)化率69%，收藏-購買的轉(zhuǎn)化率60%，加購的轉(zhuǎn)化率大于收藏。
經(jīng)過分析，我們發(fā)現(xiàn)不同的購物行為路徑對(duì)轉(zhuǎn)化率存在影響。因此，假設(shè)一成立。

（三）用戶商品偏好分析

現(xiàn)在從產(chǎn)品維度分析對(duì)轉(zhuǎn)化率的影響。

1.商品類目數(shù)量

假設(shè)二：商品類目單一影響轉(zhuǎn)化率。

查詢商品類目發(fā)現(xiàn)有3128個(gè)，并不單一，用戶的購買選擇較為豐富。
因此假設(shè)二不成立。

2.熱搜商品和熱賣商品

假設(shè)三：推薦商品不符合用戶偏好影響轉(zhuǎn)化率。

（1）熱搜與熱賣TOP20商品ID

熱搜與熱賣TOP20商品ID

整理成表格可以發(fā)現(xiàn)兩組數(shù)據(jù)的商品ID不存在重合。高點(diǎn)擊的商品沒有轉(zhuǎn)化成高銷量商品。由于商品ID較多，TOP20的樣本數(shù)據(jù)較少，下面我們?cè)購纳唐奉惸縼磉M(jìn)行分析。

（2）熱搜與熱賣TOP20商品類目

熱搜與熱賣TOP20商品類目

將數(shù)據(jù)整理成表格發(fā)現(xiàn)兩組數(shù)據(jù)有12個(gè)相同類目，重合度達(dá)60%。說明商品類目存在明顯的集中趨勢(shì)。
而用戶點(diǎn)擊量最多的前5個(gè)類目在購買量中分別排名7,8,3,11,16。說明存在流量浪費(fèi)，高流量并未直接對(duì)應(yīng)高銷量。
從商品ID和商品類目來看，高流量并沒有帶來高銷量，推薦的商品未完全符合用戶偏好，因此假設(shè)三成立。
綜上所述，

• 假設(shè)一：不同的行為路徑影響轉(zhuǎn)化率 成立
• 假設(shè)二：商品種目單一影響轉(zhuǎn)化率 不成立
• 假設(shè)三：推薦商品不符合用戶偏好影響轉(zhuǎn)化率 成立

（四）用戶價(jià)值分析

RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。

• R:最近一次消費(fèi)時(shí)間（最近一次消費(fèi)到參考時(shí)間的間隔）
• F:消費(fèi)的頻率（消費(fèi)次數(shù)）
• M:消費(fèi)的金額（總消費(fèi)金額）
  由于本次分析中沒有提供金額，所以從R、F兩個(gè)維度對(duì)客戶群進(jìn)行分析。

1.計(jì)算R和F的值

2.確定R和F的評(píng)分規(guī)則

整理后發(fā)現(xiàn)R值范圍1-9，F(xiàn)值1-43。

3.給R和F價(jià)值打分

4.計(jì)算R價(jià)值分和F價(jià)值分的平均數(shù)

5.進(jìn)行用戶分類并分析

用戶分類

由上圖，我們可以發(fā)現(xiàn)91%用戶為重要挽留用戶和重要發(fā)展用戶，兩者分別占比52%和39%。而 重要價(jià)值用戶和重要保持用戶僅占約6%和3%。

六、總結(jié)與建議

（一）用戶行為習(xí)慣

通過對(duì)用戶行為習(xí)慣的分析，可以發(fā)現(xiàn)周末的用戶活躍度整體比工作日高。一天中晚上7點(diǎn)至23點(diǎn)為高峰期。中午12點(diǎn)到下午1點(diǎn)則是白天的活躍時(shí)間段，并且購買轉(zhuǎn)化率較高。

• 可以將營銷活動(dòng)、直通車、鉆展等安排在用戶活躍時(shí)間段，來促進(jìn)引流并轉(zhuǎn)化；
• 可以在中午12點(diǎn)左右設(shè)置各類限時(shí)促銷或捆綁銷售活動(dòng)，縮短用戶選擇時(shí)間，促進(jìn)轉(zhuǎn)化率的提升，從而提高銷量。

（二）用戶行為轉(zhuǎn)化

通過分析，發(fā)現(xiàn)用戶收藏加購到購買的轉(zhuǎn)化率達(dá)到80%，而流量行為從點(diǎn)擊到購買的轉(zhuǎn)化率僅為2.3%。說明從點(diǎn)擊到其它環(huán)節(jié)中存在大量的流失，購買行為路徑的優(yōu)化是重要環(huán)節(jié)。

• 引導(dǎo)加購及收藏，可以加強(qiáng)營銷機(jī)制引導(dǎo)顧客加購以及收藏，比如加購送優(yōu)惠券、加購送小樣贈(zèng)品、收藏抽獎(jiǎng)等；
• 優(yōu)化人群畫像，針對(duì)行為路徑較短的人群，如占比7.45%的點(diǎn)擊后即購買的用戶 著重進(jìn)行商品推薦，從而提高轉(zhuǎn)化率，提升銷量；
• 優(yōu)化界面設(shè)計(jì)，可以給客戶提供同類產(chǎn)品比較的功能。讓用戶不需要多次返回搜索結(jié)果進(jìn)行點(diǎn)擊查看，方便用戶確定心儀產(chǎn)品，增加點(diǎn)擊到購買行為的轉(zhuǎn)化。

（三）用戶購買偏好

高瀏覽的商品并未對(duì)應(yīng)高銷量，存在流量的浪費(fèi)。TOP20的熱銷類目和熱搜類目存在60%的相同類目，即熱門的商品類目存在集中的趨勢(shì)。

• 優(yōu)化推薦機(jī)制，優(yōu)先展示熱銷的商品和類目，滿足用戶的購買偏好；
• 優(yōu)化推薦商品的展示方式，如美化圖片、評(píng)論管理等，提升用戶的購買意愿；
• 通過更完善的會(huì)員積分機(jī)制，促銷活動(dòng)等方式來降低流失率。

（四）用戶價(jià)值

通過RFM模型對(duì)客戶群進(jìn)行劃分，可以對(duì)不同的用戶群體采用不同的策略，促進(jìn)精準(zhǔn)營銷。

• 針對(duì)重要挽留客戶，有流失的風(fēng)險(xiǎn)，要想辦法主動(dòng)聯(lián)系用戶，明確流失原因，想辦法挽回并再次激活用戶購物；
• 針對(duì)重要發(fā)展用戶，消費(fèi)頻率較低，可以采取購物紅包、每月會(huì)員日、限時(shí)優(yōu)惠信息提醒等方式來提升消費(fèi)頻率；
• 針對(duì)重要價(jià)值用戶，需要重點(diǎn)關(guān)注并給予VIP待遇，不斷提升用戶滿意度；
• 針對(duì)重要保持用戶，最近一次消費(fèi)時(shí)間較長，可以采取短信推送、APP促銷信息提醒等方式和客戶保持聯(lián)系，為其進(jìn)行個(gè)性化推薦，以提高復(fù)購率。