2 提出問(wèn)題1） 日活與留存情況" />

国产成人精品无码青草_亚洲国产美女精品久久久久∴_欧美人与鲁交大毛片免费_国产果冻豆传媒麻婆精东

18143453325 或 在線咨詢 在線咨詢
18143453325 或 在線咨詢
所在位置： 首頁(yè) > 營(yíng)銷資訊 > 電子商務(wù) > 電商用戶行為數(shù)據(jù)分析

電商用戶行為數(shù)據(jù)分析

時(shí)間：2023-03-15 22:28:01 | 來(lái)源：電子商務(wù)

時(shí)間：2023-03-15 22:28:01 來(lái)源：電子商務(wù)

1 背景介紹

在快節(jié)奏的生活中，網(wǎng)絡(luò)購(gòu)物逐漸發(fā)展成了最受大眾喜愛(ài)的購(gòu)物方式之一。從用戶行為中分析用戶習(xí)慣與喜好、優(yōu)化產(chǎn)品體驗(yàn)，成為提高用戶留存、提升平臺(tái)口碑、提高電商競(jìng)爭(zhēng)力的關(guān)鍵。

2 提出問(wèn)題

1） 日活與留存情況如何？

2） 何時(shí)做用戶推送最好？

3） 用戶的行為路徑是什么樣的？

4） 如何對(duì)客戶做精細(xì)化運(yùn)營(yíng)？

5） 什么商品賣(mài)得最好，哪些做得不夠好？

6） 各環(huán)節(jié)轉(zhuǎn)化率如何？

3 結(jié)論

1） PV、UV整體趨勢(shì)相似，雙十二當(dāng)天達(dá)到峰值，隨后回落到正常值。

2） UV呈平緩上升趨勢(shì)，日活提高不明顯。

3） 第7日與第14日的留存率大多數(shù)在中位數(shù)之下，且留存率日環(huán)比大多為負(fù)增長(zhǎng)。

4） 用戶每天最活躍的時(shí)段為21-22點(diǎn)。

5） 用戶購(gòu)買(mǎi)前會(huì)進(jìn)行多次點(diǎn)擊，其次是加購(gòu)。

6） 總PV按點(diǎn)擊、加購(gòu)、收藏、購(gòu)買(mǎi)依次降低。

7） 重要挽留客戶占比最高，而后依次是重要價(jià)值客戶、重要深耕客戶、重要喚回客戶。

8） 銷量最好的商品ID是：38063851、239436199、14136232。銷量最好的品類是1863，銷量為0的品類共有10種。

9） 從點(diǎn)擊到收藏、加購(gòu)的轉(zhuǎn)化率為65.84%，從收藏、加購(gòu)到購(gòu)買(mǎi)的轉(zhuǎn)化率為60.26，從購(gòu)買(mǎi)到復(fù)購(gòu)的轉(zhuǎn)化率為41.56%。

4 數(shù)據(jù)說(shuō)明

4.1 數(shù)據(jù)來(lái)源

本次數(shù)據(jù)選取于阿里天池新人實(shí)戰(zhàn)賽之[離線賽]2020賽季，數(shù)據(jù)包含某電商移動(dòng)端 2014年 11月 18 日至 2014 年 12 月18日，共1546,3110行用戶行為數(shù)據(jù)。

4.2 字段說(shuō)明

字段字段說(shuō)明提取說(shuō)明
user_id用戶標(biāo)識(shí)抽樣&字段脫敏
item_id商品標(biāo)識(shí)字段脫敏
behavior_type用戶對(duì)商品的行為類型包括瀏覽、收藏、加購(gòu)物車、購(gòu)買(mǎi)，對(duì)應(yīng)取值分別是1、2、3、4。
user_geohash用戶位置的空間標(biāo)識(shí)，可以為空由經(jīng)緯度通過(guò)保密的算法生成
item_category商品分類標(biāo)識(shí)字段脫敏
time行為時(shí)間精確到小時(shí)級(jí)別

4.3 數(shù)據(jù)清洗

4.3.1 數(shù)據(jù)選擇

1） 以上字段均為有效字段，故選取所有字段。

2） 考慮到電腦配置，本次隨機(jī)抽取100,0000行數(shù)據(jù)進(jìn)行分析。

4.3.2 數(shù)據(jù)去重

利用Pandas的drop_duplicates() 方法對(duì)數(shù)據(jù)進(jìn)行去重，發(fā)現(xiàn)沒(méi)有重復(fù)數(shù)據(jù)。

4.3.3 缺失值處理

使用Pandas的isnull() 方法查找缺失值，發(fā)現(xiàn)只有“user_geohash”列存在缺失值， 暫不做處理。

4.3.4 時(shí)間值處理

將原時(shí)間列time分為date（日期列）與hour（小時(shí)列），并將數(shù)據(jù)類型修改為日期類型與整型。

4.3.5 排序處理

將所有數(shù)據(jù)按date、hour、user_id升序排列。
4.3.6 異常值處理

1） 日期異常值：排序后，所有日期均在2014-11-18到2014-12-18之間，無(wú)異常值。

2） 小時(shí)異常值：排序后，所有小時(shí)數(shù)均在00與23之間，無(wú)異常值。

3） 行為異常值：所有行為值均為1、2、3、4中的一個(gè)，無(wú)異常值。

5 分析說(shuō)明

5.1 分析思路

1) 分析每日DAU，用戶的次日、3日、7日、14日留存率，找出二次激活用戶的關(guān)鍵時(shí)間點(diǎn)。

2) 找出用戶每天最活躍的時(shí)段，了解用戶的行為時(shí)間模式。

3) 分析用戶購(gòu)買(mǎi)前的行為，了解用戶的購(gòu)買(mǎi)行為模式。

4) 基于RFM模型，找出價(jià)值客戶。

5) 分析銷量最好、最次的商品和品類，以及復(fù)購(gòu)率情況。

6) 用戶從瀏覽到最終購(gòu)買(mǎi)整個(gè)過(guò)程的流失情況，提出改善轉(zhuǎn)化率的意見(jiàn)

5.2 分析方法

1) 電商行業(yè)，使用“人貨場(chǎng)”模型進(jìn)行指標(biāo)拆解。

2) 淘寶用戶行為，利用“AIPL”模型進(jìn)行轉(zhuǎn)化率分析。

3) 用戶精細(xì)化運(yùn)營(yíng)，選擇“RFM”模型進(jìn)行用戶分層。

6 方案實(shí)現(xiàn)

6.1 使用工具

1) 數(shù)據(jù)庫(kù)：MySql與Navicat，導(dǎo)入及存儲(chǔ)數(shù)據(jù)。

2) 數(shù)據(jù)處理：pycharm，主要使用sqlachemy進(jìn)行數(shù)據(jù)庫(kù)連接、數(shù)據(jù)讀取與寫(xiě)入；pandas與numpy進(jìn)行數(shù)據(jù)清洗和統(tǒng)計(jì)。

3) 數(shù)據(jù)可視化：tableau，利用tableau進(jìn)行圖表繪制。

6.2 具體實(shí)現(xiàn)

6.2.1 數(shù)據(jù)處理

1) 導(dǎo)入相關(guān)庫(kù)。

2) 抽樣并導(dǎo)入數(shù)據(jù)。

3) 刪除重復(fù)數(shù)據(jù)。

4) 定義表頭。

5) 查找缺失值，只有地理位置列有缺失，不影響本次統(tǒng)計(jì)分析，不做處理。

6) 查看數(shù)據(jù)類型。

7) 處理日期值。

8) 按時(shí)間和用戶對(duì)數(shù)據(jù)進(jìn)行升序排列。

6.2.2 日PV、UV分析

1) 統(tǒng)計(jì)總量

ⅰ. 總PV：1000,000。

ⅱ. 總UV：262,733。

2) 按日期統(tǒng)計(jì)PV、UV。

i. 獲取唯一日期值。

ⅱ. 統(tǒng)計(jì)日PV。

ⅲ. 統(tǒng)計(jì)日UV。

ⅳ. 繪圖與分析。

6.2.3 留存率分析

1) 自定義留存率函數(shù)。

2) 統(tǒng)計(jì)每日的次日、第3日、第7日、第14日留存率。

3) 統(tǒng)計(jì)日環(huán)比。

4) 繪圖與分析。

i. 第1日、第3日、第7日、第14日留存率對(duì)比。

ⅱ. 留存率日環(huán)比、周環(huán)比對(duì)比。

6.2.4 日活躍時(shí)間段分析

1) 統(tǒng)計(jì)不同時(shí)刻、不同行為的PV。

2) 統(tǒng)計(jì)不同時(shí)刻、不同行為的UV。

3) 繪圖分析。

由下圖可知：

6.2.5 行為路徑分析

分析用戶購(gòu)買(mǎi)前的4個(gè)行為，了解用戶行為路徑。

1) 獲取具有購(gòu)買(mǎi)行為的用戶。

2) 將行為默認(rèn)值設(shè)置為“空”，并補(bǔ)齊第5個(gè)行為為購(gòu)買(mǎi)。

3) 獲取購(gòu)買(mǎi)的前4個(gè)行為。

4) 拼接行為路徑。

5) 繪圖分析。

共計(jì)196種不同的行為路徑，選取用戶數(shù)TOP10的記錄進(jìn)行繪圖。由圖可見(jiàn)：

6.2.6 用戶價(jià)值分析

對(duì)用戶進(jìn)行RFM分析，實(shí)現(xiàn)用戶分層與精細(xì)化運(yùn)營(yíng)。

1) 設(shè)定當(dāng)前日期。

2) 獲取具有購(gòu)買(mǎi)行為的用戶。

3) 計(jì)算購(gòu)買(mǎi)日與當(dāng)前日期的間隔天數(shù)。

4) 以最近一次購(gòu)買(mǎi)日的間隔天數(shù)作為用戶的R值。

5) 計(jì)算F值。

6) 計(jì)算平均值。

7) 將用戶的R、F值與均值比較。

8) 用戶分層，由于沒(méi)有M值，本次僅將用戶分為四層。

9) 繪圖分析。

6.2.7 商品分析

1) 獲取商品唯一ID及所屬品類。

2) 獲取各商品點(diǎn)擊、收藏、加購(gòu)、購(gòu)買(mǎi)PV量。

3) 獲取各商品的購(gòu)買(mǎi)用戶數(shù)。

4) 獲取各商品復(fù)購(gòu)率。

5) 繪圖分析。

i. 銷量Top10商品與品類。

ⅱ. 下圖為銷量為0的品類，共計(jì)10種，這些品類下的商品銷量均為0，考慮這些品類與商品做進(jìn)一步的分析和優(yōu)化調(diào)整。

6.2.8 漏斗轉(zhuǎn)化分析

1) 獲取用戶行為與對(duì)應(yīng)用戶數(shù)。

2) 收藏與加購(gòu)后續(xù)階段均可能為購(gòu)買(mǎi)，故將其視為同一階段，進(jìn)行去重加和處理。

3) 統(tǒng)計(jì)存在復(fù)購(gòu)行為的用戶數(shù)。

4) 計(jì)算轉(zhuǎn)化率。

5) 繪圖分析。

7 總結(jié)與建議

7.1 日PV、UV

7.2 留存率

7.3 日活躍時(shí)間段

7.4 用戶行為路徑

7.5 用戶價(jià)值

7.6 商品分析

7.7 各環(huán)節(jié)轉(zhuǎn)化率

關(guān)鍵詞：數(shù)據(jù),分析,用戶

74
73
25
news

版權(quán)所有? 億企邦 1997-2025 保留一切法律許可權(quán)利。

為了最佳展示效果，本站不支持IE9及以下版本的瀏覽器，建議您使用谷歌Chrome瀏覽器。 點(diǎn)擊下載Chrome瀏覽器
關(guān)閉