一.分析背景
?? 在互聯(lián)網(wǎng)整體人口紅利消失的背景下，電商平臺(tái)流量成本不斷提升，逐漸由流量思維開始向用戶思維轉(zhuǎn)變。本文希望通過對(duì)用戶在平臺(tái)上留下的的日常操作數(shù)據(jù)，進(jìn)一步來分析用戶的消費(fèi)行為特點(diǎn)。
二.理解數(shù)據(jù)
1.數(shù)據(jù)來源
https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1
本數(shù)據(jù)集(UserBehavior.csv)包含了2017年11月25日至2017年12月3日之間，有行為的約一百萬隨機(jī)用戶的所有行為（行為包括點(diǎn)擊、購(gòu)買、加購(gòu)、收藏），數(shù)據(jù)集的每一行表示一條用戶行為，由用戶ID、商品ID、商品類目ID、行為類型和時(shí)間戳組成，并以逗號(hào)分隔
?2.字段含義
userbehavior：表名
userid：用戶ID，字符串類型，用戶ID
itemid：商品ID，字符串類型，商品ID
categoryid：商品類目ID，字符串類型，商品所屬類目ID
behavior：行為類型，字符串，枚舉類型，包括('pv', 'buy', 'cart', 'fav')
timestamps：時(shí)間戳，行為發(fā)生的時(shí)間戳
注意到，用戶行為類型共有四種，它們分別是
pv：商品詳情頁pv，等價(jià)于點(diǎn)擊
buy ：商品購(gòu)買
cart ：將商品加入購(gòu)物車
fav：收藏商品
三.分析目的與思路
1.用戶的粘性
通過群組分析方法，分析用戶群體的跳出率，復(fù)購(gòu)率，以及新增用戶留存率
2.用戶的消費(fèi)習(xí)慣
分別按天和星期，分析用戶各個(gè)時(shí)間的活動(dòng)規(guī)律，便于更精細(xì)化運(yùn)營(yíng)
3.用戶的流失情況
通過AARRR漏洞分析，在用戶行為路徑中，對(duì)各個(gè)環(huán)節(jié)用戶流失情況進(jìn)行分析，最后通過假設(shè)檢驗(yàn)方法分析用戶流失的原因
4.用戶的價(jià)值分類
根據(jù)用戶的消費(fèi)間隔，消費(fèi)頻率，建立用戶價(jià)值分類模型，對(duì)不同價(jià)值用戶進(jìn)行精準(zhǔn)營(yíng)銷
四.數(shù)據(jù)清洗
1.選擇工具并導(dǎo)入數(shù)據(jù)集
分析工具為navicat,mysql,可視化工具為powerbi
2.列重命名
3.缺失值處理
4.重復(fù)值處理
本次數(shù)據(jù)不需要重復(fù)值處理
5.數(shù)據(jù)一致化
由于源數(shù)據(jù)中時(shí)間為時(shí)間戳格式，故需全部改為時(shí)間格式
根據(jù)已提出的對(duì)用戶消費(fèi)行為的分析思路，還需要單獨(dú)的日期列與時(shí)間列
6.異常值處理
本次數(shù)據(jù)選取的時(shí)間區(qū)間為2017-11-25至2017-12-3
發(fā)現(xiàn)有異常值，將異常值刪除
五.業(yè)務(wù)分析
1.用戶粘性
分析思路：
(1)跳出率
跳出率：用戶產(chǎn)生pv行為后沒有后續(xù)其他行為占總行為數(shù)的比例
用戶跳出率僅為1.2%，說明平臺(tái)中產(chǎn)品對(duì)用戶吸引力較大
(2)復(fù)購(gòu)率
復(fù)購(gòu)用戶：產(chǎn)生兩次或兩次以上不同時(shí)間購(gòu)買行為的用戶
復(fù)購(gòu)率=復(fù)購(gòu)用戶/總用戶人數(shù)
(3)用戶復(fù)購(gòu)次數(shù)占比
由以上復(fù)購(gòu)率，以及復(fù)購(gòu)購(gòu)買次數(shù)占比的數(shù)據(jù)可以看出，有超過百分之五十的用戶會(huì)在平臺(tái)復(fù)購(gòu)，并且復(fù)購(gòu)用戶的購(gòu)買比率達(dá)到了百分之七十九，說明用戶對(duì)平臺(tái)商品的認(rèn)可度很高，同時(shí)購(gòu)買積極性也很高
(4)留存率
在今天的互聯(lián)網(wǎng)行業(yè)，留存是比新增和活躍提到次數(shù)更多的指標(biāo)，因?yàn)橐苿?dòng)的人口紅利沒有了，用戶越來越難獲取，競(jìng)爭(zhēng)也越來越激烈，如何留住用戶比獲得用戶更重要。
通過對(duì)每天登錄平臺(tái)的用戶進(jìn)行分組，再?gòu)拿刻斓顷懫脚_(tái)的用戶中篩選出第一次登陸的新用戶，再計(jì)算幾天后仍然使用平臺(tái)的用戶，從而計(jì)算出留存率
由以上結(jié)果可以看出，留存率基本都處于比較高的水平，可以反映出用戶的忠誠(chéng)度較高。
2.用戶的消費(fèi)行為習(xí)慣
(1)每日客戶訪問情況變化
uv(unique visitor):獨(dú)立訪客人數(shù)
pv/uv：每個(gè)獨(dú)立訪客平均瀏覽頁面訪問量，主要反映顧客的購(gòu)買意愿，值越大，反映顧客的購(gòu)買需求和欲望越強(qiáng)烈
可以看出，在11月26日和12月1日用戶人均訪問量達(dá)到峰值，在11月28日達(dá)到低谷，應(yīng)該對(duì)這三日的運(yùn)營(yíng)等活動(dòng)進(jìn)行著重分析，查找原因。同時(shí)，用戶整體訪問量以及訪客從12月1日開始顯著上升，應(yīng)該深層次挖掘原因，對(duì)未來運(yùn)營(yíng)提供有效經(jīng)驗(yàn)
(2)用戶每日購(gòu)買行為變化情況
綜合(1)和(2)的結(jié)果可以發(fā)現(xiàn)從12月1日開始，用戶的訪問量及行為量開始顯著增多，經(jīng)過查詢可發(fā)現(xiàn)主要是由于雙十二活動(dòng)提前開始的預(yù)售活動(dòng)。
(3)一天中用戶活躍時(shí)段分布
從結(jié)果可看出，從0點(diǎn)到9點(diǎn)用戶的活躍度符合正常作息規(guī)律，在晚上18-22時(shí)達(dá)到一天中的峰值，說明用戶在晚上活躍度較高，可以在這個(gè)時(shí)刻加大推送活動(dòng)和產(chǎn)品推薦，刺激用戶進(jìn)行消費(fèi)行為活動(dòng)
(4)一周用戶活躍
從結(jié)果顯而易見，周末用戶行為數(shù)量大增，也證明運(yùn)營(yíng)活動(dòng)應(yīng)側(cè)重周末或者在周末加大活動(dòng)力度與與產(chǎn)品推送。
3.用戶流失
(1)用戶行為路徑
(1)用戶點(diǎn)擊后流失的部分僅為5.9%,說明平臺(tái)對(duì)于用戶的吸引力很高。
(2)用戶點(diǎn)擊后直接購(gòu)買的轉(zhuǎn)化率為6.7%，相比于直接購(gòu)買，用戶更傾向于收藏加購(gòu)后再進(jìn)行購(gòu)買，收藏后購(gòu)買的轉(zhuǎn)化率高達(dá)70%，故平臺(tái)應(yīng)通過優(yōu)化產(chǎn)品交互界面或者營(yíng)銷機(jī)制等方面來引導(dǎo)用戶對(duì)商品進(jìn)行收藏或者添加購(gòu)物車。
(3)用戶添加收藏或者購(gòu)物車后，流失概率為30%，反而比點(diǎn)擊后直接流失要高出很多，因此需要對(duì)此部分進(jìn)行優(yōu)化，例如定期對(duì)用戶推送/提醒添加購(gòu)物車，收藏的商品。
(2)用戶流失原因
通過假設(shè)檢驗(yàn)，對(duì)用戶流失原因進(jìn)行假設(shè)，并逐一驗(yàn)證
(1)平臺(tái)推薦商品用戶不喜歡
找出瀏覽量前十和購(gòu)買量前十的商品目錄，并查找他們之間的相關(guān)性
有五處商品種類重合
再找出前十瀏覽量和前十購(gòu)買量的商品并查找相關(guān)性
結(jié)果無一處重合
從平臺(tái)瀏覽量前十的商品種類和商品與平臺(tái)購(gòu)買量前十的商品種類和商品重合度來看，此假設(shè)成立，高瀏覽量并沒有為平臺(tái)帶來高購(gòu)買量
(2)商品的種類不夠豐富
檢索出商品種類以及商品的數(shù)目
結(jié)果發(fā)現(xiàn)并非如此，商品的種類以及商品類別種類十分豐富，故假設(shè)二不成立
(3)商品的吸引力不夠
按照購(gòu)買次數(shù)將商品分類，查看不同購(gòu)買次數(shù)商品的比例
從結(jié)果可以看出，96%的商品購(gòu)買次數(shù)在4次以內(nèi)，結(jié)合之前的用戶復(fù)購(gòu)率來看，表明了單個(gè)產(chǎn)品的復(fù)購(gòu)率低，可說明產(chǎn)品對(duì)用戶的吸引力不夠。假設(shè)三成立。
總結(jié)：
(1)在對(duì)用戶的吸引力上，平臺(tái)起到了足夠的作用，用戶粘性高，在用戶行為路徑的分析過程中，用戶通過收藏或者加購(gòu)物車的路徑購(gòu)買的轉(zhuǎn)化率最高，因此應(yīng)該積極引導(dǎo)用戶進(jìn)行收藏或者加購(gòu)物車
(2)用戶流失的原因主要為，平臺(tái)沒能有效推薦用戶喜歡的產(chǎn)品，平臺(tái)缺乏足夠吸引用戶的有利產(chǎn)品。建議優(yōu)化推薦機(jī)制，推薦更多用戶購(gòu)買量更多的產(chǎn)品，并通過直播等方式打造品牌和爆款產(chǎn)品
