一永部、背景

數(shù)據(jù)來源于https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1，通過此項目學(xué)習(xí)電商數(shù)據(jù)分析的指標(biāo)與數(shù)據(jù)分析的基本方法侵佃。

探索目標(biāo)：每日不同時段流量走勢桑李，質(zhì)量如何踱蛀？用戶行為轉(zhuǎn)化情況怎樣题暖？如何提高留存找蜜、增加復(fù)購附鸽？如何判斷高價值用戶蔗喂，針對不同用戶如何進(jìn)行個性化營銷绝骚？

二缚俏、行業(yè)相關(guān)指標(biāo)總結(jié)

2.1 運營檢測指標(biāo)

2.2 人/貨/場維度

三绵疲、分析思路

3.1觀察數(shù)據(jù)

表tianchi_mobile_recommend_train_user答毫，有6個字段：用戶ID呛伴、商品ID勃痴、商品類目ID、用戶行為類型热康、用戶所在地理位置沛申、用戶行為時間，一共有12256905條數(shù)據(jù)褐隆。數(shù)據(jù)導(dǎo)入Navicat時限于電腦性能污它，僅提取1200000條記錄用作分析。

-- 用戶行為類型又分為四種： type=1,點擊商品詳情頁庶弃，等價于pv衫贬；type=2,收藏商品；type=3,商品加入購物車歇攻；type=4,商品購買固惯；

3.2 分析維度

（1）從時間與流量來源維度：以PV、UV缴守、人均瀏覽量葬毫、跳失率等指標(biāo)镇辉，分析用戶最活躍的日期及活躍時段，了解用戶行為習(xí)慣贴捡；

（2）從貨的思考維度：探索用戶對商品的購買偏好忽肛，了解商品的銷售規(guī)律；

（3）參考RFM的客戶價值維度：通過分析用戶的最近交易行為（Recency）烂斋、交易頻率（Frequency）來描述該客戶的價值狀況屹逛。將這兩項指標(biāo)分成幾個區(qū)間進(jìn)行評分，通過計算評分找到有價值的用戶汛骂，并對用戶進(jìn)行分類罕模。

（4）用戶典型路徑挖掘，一個購買過程中會產(chǎn)生多少次用戶行為帘瞭，以及購買路徑的先后順序淑掌；

（5）從用戶的行為角度：利用漏斗模型，用戶的行為轉(zhuǎn)化路徑有兩種蝶念，a.點擊—收藏—加購物車—購買抛腕，b. 點擊—加購物車—購買;

（6）根據(jù)用戶特征進(jìn)行聚類，根據(jù)不同類型用戶進(jìn)行行為分析祸轮，有利于鎖定目標(biāo)用戶兽埃。

3.3 數(shù)據(jù)準(zhǔn)備

地理位置列缺失值太多，刪除适袜；添加日期、時間列舷夺；

四苦酱、數(shù)據(jù)分析

4.1?時間與流量維度分析

瀏覽量PV：頁面瀏覽量或點擊量Page View，用戶每打開一個網(wǎng)頁就記錄1次PV给猾，用戶多次訪問同一頁面PV累計多次疫萤。

訪客數(shù)UV：訪問頁面的獨立訪客Unique Visitor，用戶訪問該頁面的一臺電腦客戶端為一個訪客敢伸，以瀏覽器的cookie為依據(jù)扯饶，同一個用戶多次訪問只計算一個UV。

人均瀏覽量PV/UV：平均每個獨立訪客的瀏覽次數(shù)池颈，體現(xiàn)網(wǎng)站對用戶的吸引程度尾序。

從時間段來看，10點到15點用戶逐漸活躍躯砰，用戶活躍的高峰時間為22點左右每币，商家可以集中資源，在用戶活躍度較高的時間段采取一些引流手段琢歇±嫉。可集中資源在該時間段進(jìn)行引流與營銷活動梦鉴，如推送爆款及暢銷商品，同時發(fā)送商家折扣優(yōu)惠揭保、直播帶貨及促銷活動消息肥橙，提高商品購買率。

從日期來看秸侣，瀏覽量PV快骗、訪客量UV和人均瀏覽量的總體變化趨勢是相同的。12月11日塔次、12日因雙12的緣故方篮，PV分別達(dá)到了峰值，說明雙12的營銷活動對用戶行為有顯著影響励负。

4.2 對商品偏好維度

分析爆款藕溅、暢銷商品，從而進(jìn)一步調(diào)整產(chǎn)品結(jié)構(gòu)和營銷方案继榆。

為何點擊量高的商品編號巾表，成交量卻那么低？是購買過程中哪個環(huán)節(jié)出了問題略吨？可根據(jù)這些商品的各個購買環(huán)節(jié)尋找原因集币。

另外對于深受用戶喜愛的商品，要通過各渠道增加暢銷商品的曝光翠忠。根據(jù)用戶消費偏好分析鞠苟，嘗試將購買量較低的商品和暢銷商品捆綁銷售，或者關(guān)聯(lián)推薦秽之，并優(yōu)化商品的展示頁面当娱，將暢銷商品和滯銷商品放在一起展示，提高滯銷商品的曝光率考榨，利用爆款產(chǎn)品帶動整體商品的銷售跨细。

4.3 用戶行為漏斗轉(zhuǎn)化

查詢用戶在購買流程中各環(huán)節(jié)的轉(zhuǎn)化情況，目前用戶的行為轉(zhuǎn)化路徑至少有兩種河质，a.點擊—收藏—加購物車—購買冀惭，b. 點擊—加購物車—購買;

假設(shè)用戶按照“a.點擊—收藏—加購物車—購買”這個路徑轉(zhuǎn)化，那么從“收藏——加購”這一環(huán)節(jié)的轉(zhuǎn)化率會異常掀鹅。因此大概率考慮用戶的轉(zhuǎn)化路徑為“b. 點擊—加購物車—購買”散休；

查詢相關(guān)指標(biāo)，如下圖淫半；

將查詢結(jié)果呈現(xiàn)出來;

從瀏覽到購買只有5.9%的轉(zhuǎn)化率溃槐，總體轉(zhuǎn)化率較低。瀏覽—加購轉(zhuǎn)化率只有61%科吭，加購—購買轉(zhuǎn)化率81%昏滴，說明從瀏覽到加入購物車這個階段是指標(biāo)提升的重點環(huán)節(jié)猴鲫。

從用戶行為轉(zhuǎn)化漏斗分析，交易流程越多谣殊，用戶流失的可能性就越大拂共，瞬間購買欲望的涌現(xiàn)，往往時效性較短姻几，每多一步流程宜狐，就多一份流失率。例如收藏環(huán)節(jié)蛇捌，收藏和購物車的功能有一定的同質(zhì)性抚恒，關(guān)于這一點，淘寶沒有做明顯的區(qū)分络拌，導(dǎo)致購物車只是簡便版的收藏俭驮。反觀同電商領(lǐng)域的拼多多，沒有設(shè)置購物車功能春贸，縮短了成交環(huán)節(jié)混萝。

4.4 客戶價值分析

原數(shù)據(jù)沒有給出金額，因此通過參考R和F來對客戶價值進(jìn)行評分萍恕。

最近一次消費(Recency)：指最近一次消費距離上一次消費之間的時間長短逸嘀。它反映了客戶對產(chǎn)品的態(tài)度以及對品牌價值的信任度，它關(guān)乎消費者的存留狀況允粤。

消費頻率(Frequency)：指某個特定時間內(nèi)消費的次數(shù)崭倘。它直接反映了客戶的忠誠度，消費頻率越高维哈，忠誠度就越高绳姨；忠誠度越高的客戶數(shù)量越多，公司的競爭優(yōu)勢越強(qiáng)阔挠，市場份額越大。

消費金額(Monetary)：指一定時間內(nèi)消費某產(chǎn)品金額脑蠕。它反映的是客戶的價值购撼，價值越高，給公司創(chuàng)造的利益就更大谴仙。

首先觀察下迂求，最近一次消費間隔（按天數(shù)）分布，購買次數(shù)的人數(shù)分布：

分布結(jié)果如下圖：

根據(jù)用戶數(shù)量分布晃跺，制定以下評分標(biāo)準(zhǔn)揩局，根據(jù)評分標(biāo)準(zhǔn)給對用戶打分；

將以上查詢結(jié)果保存為一張新表rfm_s掀虎；

完成打分后凌盯，一般根據(jù)行業(yè)經(jīng)驗來對用戶的價值進(jìn)行劃分付枫。本案例以均值為維度，計算R均值為3.58驰怎；F均值為3.87阐滩，分別對用戶的R、F進(jìn)行層次劃分县忌。R>3.58程度為高掂榔，否則為低；F>3.87程度為高症杏，否則為低装获。劃分依據(jù)如下：

對客戶價值進(jìn)行劃分；

重要價值客戶：交易時間間隔短厉颤，消費頻率高穴豫，應(yīng)加強(qiáng)交流與互動，深入了解用戶需求走芋，提供個性化服務(wù)绩郎，增加用戶粘性∥坛眩可以對該類用戶提供VIP服務(wù)機(jī)制肋杖，提升用戶體驗與忠誠度。

重要發(fā)展客戶：其交易時間間隔短挖函，但消費頻率低状植，可以利用推薦系統(tǒng)推薦其平時瀏覽的同類商品，或與此類客戶有相同購買屬性人群購買的商品怨喘，發(fā)送滿減優(yōu)惠券等津畸，避免用戶流失。

重要保持客戶：其交易時間間隔長必怜，消費頻率高肉拓，該群體應(yīng)該是店鋪的粉絲客戶，信賴商品品質(zhì)梳庆，有需求時會頻繁購買暖途，這類客戶需要保持。

一般挽留客戶：其交易時間間隔長膏执，交易頻率低驻售，消費金額低，存在流失風(fēng)險更米，可以及時與用戶取得聯(lián)系欺栗，明確流失原因或了解用戶需求，想辦法挽回用戶。

總體而言迟几，對客戶的維度劃分有客觀成分消请，依賴行業(yè)經(jīng)驗。上面的劃分過于簡單瘤旨。