背景介紹
淘寶是中國深受歡迎的電商平臺擅憔，經(jīng)常網(wǎng)購的人少不了逛逛淘寶，隨便看看有什么想買的或者有目的想買什么倍阐，在逛淘寶的過程中概疆，我們會留下足跡。通過這些足跡峰搪，也就是用戶的行為岔冀，我們可以對這些行為進行分析挖掘。
使用的工具是Python概耻，主要用到了Numpy使套，Pandas、Matplotlib及Msno這幾個包鞠柄。
數(shù)據(jù)來源于阿里云天池：https://tianchi.aliyun.com/dataset/dataDetail?dataId=46
1 提出問題
本文主要圍繞這幾個點展開：
1.漏斗模型用戶行為分析
2.平臺用戶使用情況分析
3.時間維度用戶行為分析
4.RFM模型用戶價值分析
5.商品銷售情況分析
6.商品銷售類目分析
2 數(shù)據(jù)讀取與數(shù)據(jù)探索
2.1 數(shù)據(jù)說明
數(shù)據(jù)集包含了2014年11月18日至2014年12月18日之間侦高，有行為的約100萬隨機用戶的所有行為（行為包括點擊、購買厌杜、加購奉呛、喜歡）。
數(shù)據(jù)主要包括5個字段期奔，用戶ID侧馅，商品ID危尿，商品類目ID呐萌，行為類型，時間戳谊娇。一共有12256906條記錄肺孤。
2.2 數(shù)據(jù)讀取
總共的數(shù)據(jù)有1億左右，雖然pandas可以處理這么多的數(shù)據(jù)济欢，但是電腦配置不夠赠堵，所以這里只取了1200多萬條數(shù)據(jù)。使用pandas讀取數(shù)據(jù)只需要幾秒鐘的時間法褥，Excel大半天都打不開茫叭。
2.3 數(shù)據(jù)探索
查看數(shù)據(jù)信息
1200多萬的數(shù)據(jù)大小有561.1M，要是全部數(shù)據(jù)大小差不多有4G
查看是否有缺失值
user_geohash 缺失值過多半等，需做剔除處理
3 數(shù)據(jù)清洗
3.1 刪除重復(fù)值
3.2 處理缺失值
3.3 數(shù)據(jù)一致性轉(zhuǎn)換
4 數(shù)據(jù)分析
4.1 漏斗模型用戶行為分析
a.上述分析說明揍愁，需要優(yōu)化商品的推薦機制呐萨，優(yōu)化用戶搜索商品的效率；
b.提升用戶從點擊到收藏和加入購物車這一環(huán)節(jié)的轉(zhuǎn)化率莽囤，這樣才能最終提升用戶購買的比例谬擦。
4.2?平臺用戶使用情況分析
4.3?時間維度用戶行為分析
可以發(fā)現(xiàn)在雙十二當(dāng)天訪問量達(dá)到頂峰，可以利用這個巨大的流量優(yōu)勢朽缎，提升用戶購買的幾率惨远。
分別分析瀏覽和其他三種行為在一天的變化情況，可以發(fā)現(xiàn)：
a.用戶從0點到6點處于一個休息狀態(tài)话肖，而從6點開始北秽，到10點活躍的人數(shù)越來越多，10點達(dá)到了一個巔峰最筒，然后又逐漸回落羡儿，預(yù)測是用戶起床上班，利用路上通勤時間進行瀏覽以及購買是钥，而到了上班時間掠归，則只能抽空購物；
b.晚上6點到12點用戶數(shù)量又開始激增悄泥，成交率也增加虏冻，證明用戶下班，吃飯等等有較多的空閑時間進行購物了弹囚，22點之后瀏覽慢慢下降厨相，是準(zhǔn)備要休息了。
在用戶的空閑時間安排營銷活動鸥鹉，比如早上通勤時間蛮穿，中午吃飯時間，晚上6-10點毁渗，能夠提升用戶成交率践磅。
4.4?RFM模型用戶價值分析
最近一次消費 (Recency)
消費頻率 (Frequency)
消費金額 (Monetary)
a.重要價值用戶是優(yōu)質(zhì)客戶，可以有針對性地給這類客戶提供VIP服務(wù)灸异，比如現(xiàn)在的淘寶VIP會員卡等等府适；
b.重要挽留客戶占比也很大，他們消費時間間隔較遠(yuǎn)肺樟，并且消費頻次低檐春，需要主動聯(lián)系客戶，調(diào)查清楚哪里出現(xiàn)了問題么伯，比如通過短信疟暖，郵件，APP推送等喚醒客戶；
c.重要保持客戶俐巴，消費時間間隔較遠(yuǎn)朋贬，但是消費頻次高，有可能就是需要買東西的時候窜骄，就高頻購買锦募，不需要就不再購物，對于這類客戶邻遏，需要主動聯(lián)系糠亩，了解客戶的需求，及時滿足這類用戶的需求（提供優(yōu)惠券促使消費）准验；
d.重要發(fā)展客戶赎线，消費頻次低，我們需要提升他的消費頻率糊饱，可以通過優(yōu)惠券疊加等活動來刺激消費垂寥。
4.5?商品銷售情況分析
大量商品只被購買一次
用戶瀏覽的商品和最終購買的商品存在著很大的差異，我們需要優(yōu)化推薦系統(tǒng)另锋，讓用戶真正找到自己想買的商品滞项，將瀏覽量轉(zhuǎn)換為購買量。
從瀏覽到加購/收藏的轉(zhuǎn)化率較低夭坪。
收藏之后購買的高于加入購物車之后被購買的轉(zhuǎn)化率文判。
a.收藏是比加購有更高轉(zhuǎn)化率的途徑，可以針對收藏夾的商品發(fā)放優(yōu)惠券室梅，促使轉(zhuǎn)化戏仓；
b.用戶收藏和加入購物車之后的購買率達(dá)到了35.8%，說明商品只要被用戶喜歡和加入購物車亡鼠，那就有相當(dāng)大的幾率被購買赏殃，所以我們應(yīng)該采取相應(yīng)措施，比如讓客戶去收藏和加入購物車间涵，這樣能夠增大轉(zhuǎn)化率仁热。
4.6?商品銷售類目分析
a.可以嘗試將銷量較低的商品和銷量較高的商品捆綁銷售，并且優(yōu)化商品的展示浑厚，將暢銷類的商品和非暢銷品展示在一起股耽，提升商品購買轉(zhuǎn)化率；
b.優(yōu)化商品的推薦算法钳幅，將流量更多地聚焦于暢銷的商品，打造爆款的產(chǎn)品炎滞，并利用爆款產(chǎn)品帶動整體商品類目的銷售敢艰。
5 結(jié)論
1.需要優(yōu)化商品的推薦機制，優(yōu)化用戶搜索商品的效率册赛，提升用戶從點擊到收藏和加入購物車這一環(huán)節(jié)的轉(zhuǎn)化率钠导，這樣才能最終提升用戶購買的比例震嫉；
2.有過購買行為的用戶占總用戶的比例為88.8%，需要采取措施引流牡属；
3.雙十二當(dāng)天訪問量達(dá)到頂峰票堵，可以利用這個巨大的流量優(yōu)勢，提升用戶購買的幾率逮栅。在用戶的空閑時間安排營銷活動悴势，比如早上通勤時間，中午吃飯時間措伐，晚上6-10點特纤，能夠提升用戶成交率；
4.大量商品只被購買一次侥加，用戶瀏覽的商品和最終購買的商品存在著很大的差異捧存，我們需要優(yōu)化推薦系統(tǒng)，讓用戶真正找到自己想買的商品担败，將瀏覽量轉(zhuǎn)換為購買量昔穴；
5.收藏是比加購有更高轉(zhuǎn)化率的途徑，可以針對收藏夾的商品發(fā)放優(yōu)惠券提前，促使轉(zhuǎn)化傻咖。用戶收藏和加入購物車之后的購買率達(dá)到了35.8%，說明商品只要被用戶喜歡和加入購物車岖研，那就有相當(dāng)大的幾率被購買卿操，所以我們應(yīng)該采取相應(yīng)措施，比如讓客戶去收藏和加入購物車孙援，這樣能夠增大轉(zhuǎn)化率害淤；
6.可以嘗試將銷量較低的商品和銷量較高的商品捆綁銷售，并且優(yōu)化商品的展示拓售，將暢銷類的商品和非暢銷品展示在一起窥摄，提升商品購買轉(zhuǎn)化率。優(yōu)化商品的推薦算法础淤，將流量更多地聚焦于暢銷的商品崭放，打造爆款的產(chǎn)品，并利用爆款產(chǎn)品帶動整體商品類目的銷售鸽凶。
