01. 數(shù)據(jù)來源及說明
本文從數(shù)據(jù)集中選取包含了2014年11月18日至2014年12月18日之間，8477名隨機用戶共1048575條行為數(shù)據(jù)，數(shù)據(jù)集的每一行表示一條用戶行為，共6列。
列字段包含以下：
user_id：用戶身份
item_id：商品ID
behavior_type：用戶行為類型（包含點擊、收藏、加購物車、購買四種行為，分別用數(shù)字1、2、3、4表示）
user_geohash：地理位置（有空值）
item_category：品類ID（商品所屬的品類）
time：用戶行為發(fā)生的時間
02. 提出問題
- 整體用戶的購物情況
pv（總訪問量）、日均訪問量、uv（用戶總數(shù)）、有購買行為的用戶數(shù)量、用戶的購物情況、復(fù)購率分別是多少？ - 用戶行為轉(zhuǎn)化漏斗
點擊— 加購物車— 收藏— 購買各環(huán)節(jié)轉(zhuǎn)化率如何？購物車遺棄率是多少，如何提高？ - 購買率高和購買率為 0 的人群有什么特征
- 基于時間維度了解用戶的行為習(xí)慣
- 基于RFM模型的用戶分析
03. 數(shù)據(jù)清洗
1. 導(dǎo)入數(shù)據(jù)
由于數(shù)據(jù)量有100多萬，通過數(shù)據(jù)庫管理工具 Navicat 將數(shù)據(jù)集導(dǎo)入 MySQL 數(shù)據(jù)庫會表較慢，我這里使用ETL工具kettle進行導(dǎo)數(shù)，能夠提高導(dǎo)數(shù)效率，也可以實現(xiàn)報表自動化處理，這里我并不會使用kettle，所以使用命令行進行導(dǎo)數(shù)，數(shù)據(jù)庫的表名為user。
2. 缺失值處理
item_category 列表示地理位置信息，由于數(shù)據(jù)存在大量空值，且位置信息被加密處理，難以研究，因此后續(xù)不對item_category列進行分析。
3. 數(shù)據(jù)一致化處理
由于 time 字段的時間包含（年-月-日）和小時，為了方便分析，將該字段分成 2 個字段，一個日期列（date）和一個小時列（time）。
由于 behavior_type 列的四種行為類型分別用 1，2，3，4 表示點擊、收藏、加購物車、購買四種行為，為了方便查看數(shù)據(jù)，將1，2，3，4替換為 ‘pv'、’fav‘，’cart'，‘buy' 。
通過查詢表結(jié)構(gòu)，可以看到 date 列日期列不是日期類型：
將date 列改成 date 類型：
04. 構(gòu)建模型和分析問題
1. 總體用戶購物情況
- pv（總訪問量）
- 日均訪問量
- uv（用戶總數(shù)）
- 有購買行為的用戶數(shù)量
- 用戶的購物情況
- 復(fù)購率：產(chǎn)生兩次或兩次以上購買的用戶占購買用戶的比例
2. 用戶行為轉(zhuǎn)化漏斗
在購物環(huán)節(jié)中收藏和加入購物車兩個環(huán)節(jié)沒有先后之分，所以將這兩個環(huán)節(jié)可以放在一起作為購物環(huán)節(jié)的一步。最終得到用戶購物行為各環(huán)節(jié)轉(zhuǎn)化率，如下：
不同的行業(yè)轉(zhuǎn)化率會有差異，據(jù)2012年的一項研究表明，在整個互聯(lián)網(wǎng)范圍內(nèi)，平均轉(zhuǎn)化率為2.13%（數(shù)據(jù)來源于《精益數(shù)據(jù)分析》），圖中所示購買行為的轉(zhuǎn)化率為1.04%，與行業(yè)平均值存在較大差異，淘寶移動端用戶行為的轉(zhuǎn)化率還有很大的增長空間。
3. 購買率高和購買率為低的人群有什么特征
購買率高用戶特征：
由以上結(jié)果可以看出，購買率高的用戶點擊率反而不是最多的，這些用戶收藏數(shù)和加購物車的次數(shù)也很少，一般不點擊超過5次就直接購買，由此可以推斷出這些用戶為理智型消費者，有明確的購物目標，屬于缺啥買啥型，很少會被店家廣告或促銷吸引。
購買率為低用戶特征：由以上結(jié)果可以看出，購買率為低用戶分為兩類，
第一類是點擊次數(shù)少的，一方面的原因是這類用戶可能是不太會購物或者不喜歡上網(wǎng)的用戶，可以加以引導(dǎo)，另一方面是從商品的角度考慮，是否商品定價過高或設(shè)計不合理；
第二類用戶是點擊率高、收藏或加購物車也多的用戶，此類用戶可能正為商家的促銷活動做準備，下單欲望較少且自制力較強，思慮多或者不會支付，購物難度較大。
4. 基于時間維度了解用戶的行為習(xí)慣
(1)一天中用戶的活躍時段分布
可以看出，每日0點到5點用戶活躍度快速降低，降到一天中的活躍量最低值，6點到10點用戶活躍度快速上升，10點到18點用戶活躍度較平穩(wěn)，17點到23點用戶活躍度快速上升，達到一天中的最高值。
（2）一周中用戶活躍時段分布
由于第一周和第五周的數(shù)據(jù)不全，因此這兩周的數(shù)據(jù)不考慮到此次數(shù)據(jù)分析中。
由以上結(jié)果可以看出，每周用戶活躍度較穩(wěn)定，每周五活躍度會有小幅降低，但是周末會慢慢回升。其中周五用戶活躍度突增，這是由雙十二電商大促銷活動引起。
5. 基于 RFM 模型找出有價值的用戶
RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段，其中由3個要素構(gòu)成了數(shù)據(jù)分析最好的指標，分別是：
R-Recency（最近一次購買時間）
F-Frequency（消費頻率）
M-Money（消費金額）
由于數(shù)據(jù)源沒有相關(guān)的金額數(shù)據(jù)，暫且通過 R 和 F 的數(shù)據(jù)對客戶價值進行打分。
（1）計算R-Recency
由于數(shù)據(jù)集包含的時間是從2014年11月18日至2014年12月18日，這里選取2014年12月19日作為計算日期，統(tǒng)計客戶最近發(fā)生購買行為的日期距離2014年12月19日間隔幾天，再對間隔時間進行排名，間隔天數(shù)越少，客戶價值越大，排名越靠前。
（2）計算F-Frequency
先統(tǒng)計每位用戶的購買頻率，再對購買頻率進行排名，頻率越大，客戶價值越大，排名越靠前。
（3）對用戶進行評分
對4330名有購買行為的用戶按照排名進行分組，共劃分為四組，對排在前四分之一的用戶打4分，排在前四分之一到四分之二（即二分之一）的用戶打3分，排在前四分之二到前四分之三的用戶打2分，剩余的用戶打1分，按照這個規(guī)則分別對用戶時間間隔排名打分和購買頻率排名打分，最后把兩個分數(shù)合并在一起作為該名用戶的最終評分。
計算腳本如下：
SELECT r.user_id,r.recent,r.recent_rank,f.frequency,f.freq_rank,
CONCAT( -- 對客戶購買行為的日期排名和頻率排名進行打分
CASE WHEN r.recent_rank <= (4330/4) THEN '4'
WHEN r.recent_rank > (4330/4) AND r.recent_rank <= (4330/2) THEN '3'
WHEN r.recent_rank > (4330/2) AND r.recent_rank <= (4330/43) THEN '2'
ELSE '1' END,
CASE WHEN f.freq_rank <= (4330/4) THEN '4'
WHEN f.freq_rank > (4330/4) AND f.freq_rank <= (4330/2) THEN '3'
WHEN f.freq_rank > (4330/2) AND f.freq_rank <= (4330/43) THEN '2'
ELSE '1' END
) AS user_value
FROM
-- 對每位用戶最近發(fā)生購買行為的間隔時間進行排名（間隔天數(shù)越少，客戶價值越大）
(SELECT a.,(@rank := @rank + 1) AS recent_rank
FROM -- 統(tǒng)計客戶最近發(fā)生購買行為的日期距離'2014-12-19'間隔幾天
(SELECT user_id,DATEDIFF('2014-12-19',MAX(date)) AS recent
FROM user
WHERE behavior_type = 'buy'
GROUP BY user_id
ORDER BY recent) AS a,
(SELECT @rank := 0) AS b)
AS r,
-- 對每位用戶的購買頻率進行排名（頻率越大，客戶價值越大）
(SELECT a.,(@rank2 := @rank2 + 1) AS freq_rank
FROM -- 統(tǒng)計每位用戶的購買頻率
(SELECT user_id,COUNT(behavior_type) AS frequency
FROM user
WHERE behavior_type = 'buy'
GROUP BY user_id
ORDER BY frequency DESC) AS a,
(SELECT @rank2 := 0) AS b)
AS f
WHERE r.user_id = f.user_id;
通過打分可以了解每位顧客的特性，從而實現(xiàn)差異化營銷。比如對于 user_value = 44 的用戶，為重點用戶需要關(guān)注；對于user_value = 41 這類忠誠度高而購買能力不足的，可以可以適當給點折扣或捆綁銷售來增加用戶的購買頻率。
05. 結(jié)論
總體轉(zhuǎn)化率只有 1%，用戶點擊后收藏和加購物車的轉(zhuǎn)化率在 5% ，需要提高用戶的購買意愿，可通過活動促銷、精準營銷等方式。
購買率高且點擊量少的用戶屬于理智型購物者，有明確購物目標，受促銷和廣告影響少；而購買率低的用戶可以認為是等待型或克制型用戶群體，下單欲望較少且自制力較強，購物難度較大。
大部分用戶的主要活躍時間在10點到23點，在19點到23點達到一天的頂峰。每周五的活躍度有所下降，但周末開始回升?？梢愿鶕?jù)用戶的活躍時間段精準推送商家的折扣優(yōu)惠或促銷活動，提高購買率。
通過 R 和 F 的數(shù)據(jù)對用戶行為進行打分，對每位用戶進行精準化營銷，還可以通過對R 和 F 的數(shù)據(jù)監(jiān)測，推測客戶消費的異動狀況，挽回流失客戶。
參考：
- 數(shù)據(jù)分析不是事：利用SQL進行數(shù)據(jù)分析 I 淘寶用戶分析實操
