電商平臺(tái)用戶行為數(shù)據(jù)分析

時(shí)間：2023-03-15 23:02:01 | 來源：電子商務(wù)

時(shí)間：2023-03-15 23:02:01 來源：電子商務(wù)

一、分析背景

由于互聯(lián)網(wǎng)的快速增長(zhǎng)，人口紅利的階段已經(jīng)一去不返，而近些年的“精細(xì)化運(yùn)營(yíng)”的概念興起，各互聯(lián)網(wǎng)平臺(tái)以用戶的核心的運(yùn)營(yíng)策略就需要對(duì)用戶的偏好，動(dòng)作有準(zhǔn)確的評(píng)估和分析，所以用戶在各互聯(lián)網(wǎng)平臺(tái)的行為數(shù)據(jù)就尤為關(guān)鍵重要?；谟脩粜袨榉治隹梢灾笇?dǎo)營(yíng)銷活動(dòng)走向，找到用戶行為特征，為企業(yè)的運(yùn)營(yíng)和經(jīng)營(yíng)提供一定的支持。

二、分析目的

本案例通過國(guó)內(nèi)某電商平臺(tái)2020年1月1日-1月7日的用戶行為數(shù)據(jù)進(jìn)行探究用戶留存，產(chǎn)品優(yōu)化，精準(zhǔn)營(yíng)銷方面的策略輸出。（相關(guān)數(shù)據(jù)已經(jīng)脫敏，不涉及任何個(gè)人信息和商業(yè)信息，僅做分析展示使用）

三、分析方法

本案例通過對(duì)用戶的行為事件分析、留存分析、RFM價(jià)值分析等方法來對(duì)電商用戶行為數(shù)據(jù)進(jìn)行分析，基于用戶行為偏好構(gòu)建業(yè)務(wù)增長(zhǎng)策略。

四、分析過程

4.1基本數(shù)據(jù)情況

運(yùn)行MYSQL環(huán)境，將用戶行為數(shù)據(jù).csv文件導(dǎo)入可視化軟件Navicat中

將表重命名，新建查詢：輸入SELECT FROM user_action，共產(chǎn)生用戶行為數(shù)據(jù)(2943793*6)條，數(shù)據(jù)基本情況如下：

各字段的相關(guān)解釋如下表所示：

4.2數(shù)據(jù)清洗

重復(fù)值：通過數(shù)據(jù)處理后發(fā)現(xiàn)，在用戶行為數(shù)據(jù)中有 7213 行數(shù)據(jù)是重復(fù)的，重復(fù)數(shù)據(jù)對(duì)于分析結(jié)論是沒有價(jià)值的，故決定對(duì)其進(jìn)行刪除；刪除后數(shù)據(jù)體量變?yōu)?,936,580 * 6：

缺失值：通過數(shù)據(jù)處理后發(fā)現(xiàn)，在用戶行為數(shù)據(jù)中只有字段 sp_id 是有缺失值的（2048003條），結(jié)合電商業(yè)務(wù)特點(diǎn)判斷此字段缺失是正常的（瀏覽不一定會(huì)產(chǎn)生關(guān)聯(lián)商品），所以對(duì)于缺失值不做任何處理。

異常值：數(shù)據(jù)中的行為數(shù)據(jù)比較關(guān)鍵，結(jié)合電商業(yè)務(wù)特點(diǎn)可以判斷有“瀏覽”、“提交訂單”、“支付”、“加購(gòu)”、“收藏”等 5 種行為，為了判斷用戶的各個(gè)行為動(dòng)作發(fā)生的次數(shù)，我們需要對(duì)各行為次數(shù)進(jìn)行計(jì)數(shù)統(tǒng)計(jì)，具體數(shù)據(jù)如下：

在統(tǒng)計(jì)過程中發(fā)現(xiàn)了一個(gè)異常的行為動(dòng)作，進(jìn)行剔除：DELETE FROM user_action1 WHERE behavior_type='瀏?44334cb58f28550b651342b5'；

篩選時(shí)間：由于分析的時(shí)間是1月1日至1月7日的相關(guān)數(shù)據(jù)，所以要對(duì)不符合的相關(guān)時(shí)間點(diǎn)進(jìn)行去除。通過用戶行為時(shí)間字段探索，本數(shù)據(jù)中用戶行為最早發(fā)生時(shí)間為“2020-01-01 00:00:03”，最晚發(fā)生時(shí)間為“2020-01-08 00:03:21”，故需要將 2020-01-08 的數(shù)據(jù)刪除；使用此時(shí)的數(shù)據(jù)體量變?yōu)?2936440 * 6：

至此數(shù)據(jù)清洗完畢，以下為具體分析。

4.3平臺(tái)整體運(yùn)營(yíng)情況分析

整個(gè)交易流程的閉環(huán)無非就是三個(gè)方面“流量”、”轉(zhuǎn)化”、“交易額”，接下來，我們就從以下三個(gè)方面進(jìn)行深入的分析：

（1）流程層面分析

計(jì)算pv(page view)和uv(unique visitor)：

隨著元旦假期的開始，平臺(tái)活躍用戶數(shù)在 1 月 2 日達(dá)到峰值，假期最后一天活躍人數(shù)跌落到了谷底，后續(xù)保持持續(xù)的波動(dòng)；元旦開始之后，平臺(tái)用戶瀏覽次數(shù)與瀏覽人數(shù)大致保持相同的變化趨勢(shì)，這是一個(gè)常規(guī)的現(xiàn)象，但是，2020 年 1 月 1 日當(dāng)天出現(xiàn)了一個(gè)逆勢(shì)現(xiàn)象（uv人數(shù)偏少，pv次數(shù)偏多）。

上述逆勢(shì)現(xiàn)象考慮如下的技術(shù)原因：因?yàn)樵┘倨诘膩砼R，大量的用戶來到平臺(tái)，導(dǎo)致出現(xiàn)系統(tǒng)性問題（用戶重復(fù)進(jìn)入平臺(tái)）。

（2）轉(zhuǎn)化層面分析

對(duì)于 B to C 平臺(tái)而言，它最大的核心價(jià)值在于連接雙邊交易，最終目的是吸引用戶來到平臺(tái)進(jìn)行下單購(gòu)物，基于此，轉(zhuǎn)化率就是一個(gè)非常重要的核心指標(biāo)。以下是字段page的值對(duì)應(yīng)的頁(yè)面類型：

輸入sql語(yǔ)句計(jì)算各頁(yè)面用戶數(shù)量，做出百分比堆積柱狀圖：

通過數(shù)據(jù)可以看出，隨著元旦假期減少，頁(yè)面流量轉(zhuǎn)化率（首頁(yè)-支付頁(yè)）出現(xiàn)了明顯的下滑。

隨著元旦假期的結(jié)束，用戶體驗(yàn)核心價(jià)值的效率也出現(xiàn)了明顯的下滑，這一點(diǎn)很重要，用戶到達(dá)不了核心頁(yè)面（詳情頁(yè)）便不會(huì)產(chǎn)生連接和交易。

（3）交易層面分析

輸入sql語(yǔ)句計(jì)算每天付費(fèi)用戶數(shù)量以及訂單數(shù)，根據(jù)數(shù)據(jù)繪制出用戶數(shù)量和訂單數(shù)折線圖：

2020 年前 7 天，平臺(tái)共有 5969 位用戶產(chǎn)生了支付行為，這些支付行為發(fā)生在 7034 次會(huì)話中。從時(shí)間的維度上進(jìn)行進(jìn)一步的切分：元旦當(dāng)天產(chǎn)生支付行為的會(huì)話數(shù)（有效會(huì)話）和用戶數(shù)都處于一個(gè)比較高的水平上，這說明元旦假期對(duì)于平臺(tái)整體交易具有一定的促進(jìn)作用；隨著元旦假期的結(jié)束，“有效會(huì)話”數(shù)和支付行為用戶數(shù)都呈現(xiàn)明顯的下滑趨勢(shì)。

4.4用戶商品偏好分析

接下來基于用戶行為數(shù)據(jù)來探究用戶對(duì)于平臺(tái)商品的喜好程度以此來支持平臺(tái)運(yùn)營(yíng)活動(dòng)中的選品策略和供應(yīng)鏈管理。

（1）商品綜述：2020 年 1 月 1 日至 2020 年 1 月 7 日，用戶行為中總計(jì)涉及到的商品數(shù)為761 種，其中用戶支付的商品數(shù)為 758，商品被購(gòu)買的比例接近 100%，說明目前平臺(tái)所上架商品的選擇還是很好的，能夠滿足用戶的需求，商品動(dòng)銷率很高；

（2）用戶行為商品偏好：用戶行為商品偏好更多的是研究用戶不同行為的偏好程度，通過此數(shù)據(jù)看用戶對(duì)什么樣的商品更加的感興趣從而為后期運(yùn)營(yíng)活動(dòng)的選品、首頁(yè)商品展示、列表頁(yè)商品排序甚至是后期的供應(yīng)鏈管理都有重要的作用與意義；通過以上數(shù)據(jù)發(fā)現(xiàn) 用戶瀏覽、收藏、加購(gòu)、提交訂單、支付等行為所關(guān)聯(lián)的商品并沒有很大程度上的交集，這說明用戶的購(gòu)買行為與上述行為之間沒有太大關(guān)系，平臺(tái)在首頁(yè)、列表頁(yè)商品展示上面還需要進(jìn)行更深入的分析，首頁(yè)的商品推薦也需要更加的細(xì)致與深入。

4.5用戶行為時(shí)間偏好分析

探究用戶的行為時(shí)間偏好對(duì)于更加立體化的了解用戶具有重要意義，通過了解用戶行為時(shí)間偏好能夠更好地指引運(yùn)營(yíng)策略的精準(zhǔn)化實(shí)施，比如 push、短信的推送時(shí)間，運(yùn)營(yíng)位廣告的上線時(shí)間確定等等；

（1）整體活躍用戶變化趨勢(shì)

2020年前 7天中，平臺(tái)活躍用戶數(shù)波動(dòng)較大，周末（1月 4日/5日周末）相對(duì)工作日活躍用戶數(shù)呈現(xiàn)上漲的趨勢(shì)；從不同用戶行為來看，不同行為活躍用戶數(shù)的變化趨勢(shì)基本相同，1月 2日，不同行為的用戶是均有所提升，但是提交訂單和支付行為用戶的提升幅度比其他行為的用戶數(shù)提升幅度低很多，這說明，節(jié)后第二天平臺(tái)雖然吸引了大量的用戶來到平臺(tái)，但是沒有形成有效的交易和轉(zhuǎn)化，這一點(diǎn)需要注意。

(2)時(shí)間維度-時(shí)刻

①?gòu)囊韵聢D表可以看出，不同用戶行為的用戶活躍度變化趨勢(shì)大致相同，

② 從 0 點(diǎn)到上午 6 點(diǎn)，大部分用戶都在休息，不同用戶行為的用戶活躍度除以比較低的水平；

③ 從上午 6 點(diǎn)開始，不同用戶行為的用戶活躍度逐漸上升并且一直維持在一個(gè)較高的水平；

④ 下午 3點(diǎn)到下午 5點(diǎn)，平臺(tái)活躍用戶數(shù)呈現(xiàn)明顯的下滑趨勢(shì)，這一點(diǎn)需要進(jìn)行結(jié)合業(yè)務(wù)進(jìn)行解讀。

4.6用戶價(jià)值分析

使用經(jīng)典模型 - RFM 模型，這個(gè)模型利用用戶行為數(shù)據(jù)（登錄時(shí)間、購(gòu)買次數(shù)、花費(fèi)金額）來對(duì)平臺(tái)海量用戶進(jìn)行價(jià)值分層，目的是將有限的運(yùn)營(yíng)資源應(yīng)用到最優(yōu)價(jià)值的群體上實(shí)現(xiàn)“千人千面”的運(yùn)營(yíng)策略，最終實(shí)現(xiàn)用戶運(yùn)營(yíng)效果的最大化。

本次是基于用戶行為數(shù)據(jù)來做用戶價(jià)值分層，鑒于用戶行為數(shù)據(jù)沒有提供用戶消費(fèi)金額數(shù)據(jù)，接下來的分析便從登錄時(shí)間、購(gòu)買次數(shù)兩個(gè)維度進(jìn)行考量 。

（1）分類標(biāo)準(zhǔn)

（2）打分標(biāo)準(zhǔn)建立

通常對(duì)節(jié)假日的分析復(fù)盤在一周之內(nèi)，本次選的時(shí)間截止為2020年1月15日。

2020 年 1 月 1 日-2020 年 1 月 7 日的用戶中 R 值的最大值為 14 天，最小值為8天，F(xiàn)值的最大值為 4次，最小值為 1次?；诖耍O(shè)定的評(píng)分標(biāo)準(zhǔn)如下：

(3)利用case when函數(shù)計(jì)算出每個(gè)用戶對(duì)應(yīng)的R與F值，按用戶價(jià)值類型分類計(jì)數(shù)，并可以用餅圖或環(huán)形圖等可視化圖形展示

不同價(jià)值類型用戶的占比來看，重要發(fā)展用戶占比過多，相對(duì)應(yīng)重要價(jià)值用戶占比很低，這在一定程度上說明平臺(tái)用戶粘性不強(qiáng)，忠實(shí)用戶過少。基于用戶行為數(shù)據(jù)研究用戶價(jià)值的最終目的是針對(duì)于不同價(jià)值類型的用戶采取不同的運(yùn)營(yíng)策略：

A、對(duì)能夠給平臺(tái)帶來最大收益的高價(jià)值用戶應(yīng)該為其提供更好地服務(wù)，定期回訪，進(jìn)一步了解用戶需求，提升用戶滿意度，防止這部分用戶出現(xiàn)流失；

B、與此同時(shí)， 通過數(shù)據(jù)發(fā)現(xiàn)，平臺(tái)重要發(fā)展用戶占據(jù)很大一部分比例（51.72%），這部分用戶的購(gòu)買次數(shù)少，建議平臺(tái)研究此類用戶的用戶畫像數(shù)據(jù)，基于用戶畫像向其推送更多的優(yōu)質(zhì)商品、發(fā)放優(yōu)惠券、贈(zèng)品等措施進(jìn)而提升復(fù)購(gòu)率，增加客戶粘性；

C、重點(diǎn)保持用戶和重點(diǎn)挽留用戶占比比高，可以向這部分用戶發(fā)送短信、push、郵件等方式來提醒用戶購(gòu)物，最起碼能夠占領(lǐng)用戶的購(gòu)物心智。

4.6總結(jié)

1.2020 年前 7 天，平臺(tái)整體運(yùn)營(yíng)平穩(wěn)，受節(jié)假日影響平臺(tái)系統(tǒng)大概率出現(xiàn)高并發(fā)問題，影響用戶體驗(yàn)；

2.隨著元旦假期的結(jié)束，用戶的核心轉(zhuǎn)化率出現(xiàn)下滑，此類現(xiàn)象出現(xiàn)的原因大概率是用戶對(duì)于平臺(tái)不熟悉，不能迅速的抵達(dá)產(chǎn)品核心頁(yè)面，建議平臺(tái)考慮上線“新手引導(dǎo)”功能點(diǎn)，同時(shí)基于用戶行為路徑分析縮短用戶購(gòu)物流程；

3.周一和周末是平臺(tái)用戶的活躍時(shí)間段，平臺(tái)后期的直播、push 推送、運(yùn)營(yíng)頁(yè)面上線時(shí)間建議參考如上時(shí)間，提高整體曝光率；

4.從用戶價(jià)值來看，重要價(jià)值用戶占比過少，這部分用戶要提高其服務(wù)力度， 防止其流失，重要發(fā)展用戶占比過多，需要采取一定的“提頻”策略。