項目背景
本數(shù)據(jù)分析報告以淘寶平臺用戶行為為數(shù)據(jù)集，使用SQL處理數(shù)據(jù)，并結(jié)合Tableau數(shù)據(jù)可視化工具，通過用戶的瀏覽、加購、收藏和購買等操作分析用戶行為，結(jié)合電商行業(yè)指標(biāo)和模型分析業(yè)務(wù)問題，提供針對性的運營策略。
提出問題
分析用戶使用淘寶電商平臺中的常見電商分析指標(biāo)，確定各個環(huán)節(jié)的流失率，找到需要改進的環(huán)節(jié)
研究用戶在不同時間尺度下的行為，找到用戶在不同時間周期下的活躍規(guī)律
探索用戶對不同商品及商品種類的偏好，優(yōu)化商品推薦
找出最具價值的核心付費用戶群，對這部分用戶的行為進行分析
2. 分析指標(biāo)、模型
流量指標(biāo)分析：瀏覽量(PV)、獨立訪客數(shù)(UV)、平均瀏覽量(PV/UV)、跳失率
用戶購買行為分析：付費率、復(fù)購率、用戶轉(zhuǎn)化漏斗模型、獨立訪客轉(zhuǎn)化率、用戶活躍時段
商品銷售分析：不同商品銷量、不同商品類目銷量
用戶價值分析：RFM模型、高價值用戶行為分析
理解數(shù)據(jù)
數(shù)據(jù)來源：阿里云天池
數(shù)據(jù)集包含了2017年11月25日至2017年12月3日之間，有行為的約一百萬隨機用戶的所有行為(行為包括點擊、購買、加購、收藏)。由于總記錄為1億條，數(shù)量過大，此處只處理100萬條數(shù)據(jù)作為代表，這部分數(shù)據(jù)中包含9739名用戶的行為記錄。
2. 字段含義
3. 數(shù)據(jù)局限性
數(shù)據(jù)的統(tǒng)計時間范圍為2017年11月25日至2017年12月3日，共9天。統(tǒng)計時間范圍內(nèi)的用戶行為可能受雙十二購物節(jié)的預(yù)熱活動影響。由于時間范圍較短，無法通過對數(shù)據(jù)指標(biāo)進行同比、環(huán)比分析，驗證結(jié)論的典型性和分析雙十二預(yù)熱活動對用戶行為的影響。
流量指標(biāo)分析
2017年11月25日至2017年12月3日統(tǒng)計時間內(nèi)，總瀏覽量為895636.總獨立訪客數(shù)為9739.人均瀏覽量約為92次。
在統(tǒng)計時間范圍內(nèi)，11月25-26日與12月2-3日為周末。從周指標(biāo)流量指標(biāo)看，PV和UV在兩個周末均出現(xiàn)了峰值。相較于周末，工作日的瀏覽量和獨立訪客數(shù)較低，在11月27日(周一)PV和UV分別下降了8.8%和1.43%，推測可能由于工作日開始，用戶可用于在線購物的空閑時間較少。在周中PV和UV呈持續(xù)增長趨勢，推測可能由于用戶周中壓力增大，投入更多時間放松和休息。
在第二個周末12月2-3日，相較于工作日，PV和UV有較大幅度的增長。12月2日(周六)較12月2日(周五)PV和UV分別增長了25.86%和31.60%。由于在上一個周末各項數(shù)據(jù)指標(biāo)并未存在明顯漲幅，因此推測在12月2-3日數(shù)據(jù)指標(biāo)上漲可能受雙十二預(yù)熱活動影響。
從日指標(biāo)流量指標(biāo)看，用戶在晚上(20:00-00:00)最活躍，PV和UV的峰值出現(xiàn)在21:00.
在統(tǒng)計時間范圍內(nèi)，只有7個人只瀏覽一個頁面就離開了，跳失率為0.07%，用戶使用體驗較好，對用戶具有足夠的吸引力。
用戶購買行為分析
在統(tǒng)計時間范圍內(nèi)，有4429名用戶有超過一次的購買行為，復(fù)購率為66.21%，用戶粘性較高。
通過構(gòu)建用戶轉(zhuǎn)化漏斗模型，得到用戶行為轉(zhuǎn)化率結(jié)果。由于收藏和加購均為用戶確定購買意向的行為，因此將其視為一個用戶轉(zhuǎn)化階段。由瀏覽到加購收藏的用戶轉(zhuǎn)化率為9.33%，由頁面瀏覽到最終購買的轉(zhuǎn)化率為2.27%，而有加購收藏行為的用戶中有24.37%的用戶最終購買商品。從瀏覽到加購收藏的轉(zhuǎn)化率較低。雖然一部分用戶可能在瀏覽頁面直接購買而跳過了加購收藏行為，但同樣反映出大多數(shù)用戶較少使用加購收藏功能。此環(huán)節(jié)需要重點改善。
通過構(gòu)建獨立訪客轉(zhuǎn)化模型，得到獨立訪客轉(zhuǎn)化率結(jié)果。在統(tǒng)計時間范圍內(nèi)，有68.92%的用戶在淘寶平臺上有超過一次購買行為，用戶忠誠度較高。
對用戶活躍時段分析，可知用戶的購買、收藏加購行為與UV、PV變化趨勢一致。
商品銷售分析
統(tǒng)計所有商品的銷量，用戶僅購買一次的商品占總商品數(shù)量的88.45%，用戶購買兩次的商品占總商品數(shù)量的8.93%，商品的銷量呈現(xiàn)長尾效應(yīng)，主要由2次以下購買次數(shù)的商品帶動。
銷量前10的商品中，商品ID為3122135的商品銷量最高，為17次，但其瀏覽量明顯低于商品銷量排名第9和第10的商品。
銷量前10的商品類目中，商品類目ID為2735466的商品類目銷量最高，商品類目ID為4756105的商品類目的瀏覽量最高。
用戶價值分析
基于RFM模型進行用戶分層分析，由于數(shù)據(jù)集中缺少訂單金額數(shù)據(jù)，因此本次分析中不考慮M維度，只分析R、F兩個維度，對客戶價值進行打分,并對用戶分層。根據(jù)用戶最近購買時間，對用戶價值R值打分，將其分為4檔，0-1.2-3.4-5.6-24.5-8分別對應(yīng)評分4到1;根據(jù)用戶消費頻率，對用戶價值F值打分，將其分為4檔，1-18.19-36.37-54.55-72.分別對應(yīng)評分1到4.
發(fā)展用戶(F<=2.R>2)占比最大，占平臺用戶的83.43%，這部分用戶具有較大潛在價值;挽留用戶(F<=2.R<=2)占平臺用戶的16.47%，這部分用戶的粘性較低;價值用戶(F>2.R>2)占比較少，這部分用戶為平臺的核心用戶;保持用戶(F>2.R<=2)占比最少，這部分用戶粘性較低而購買能力強，需要及時喚回。
以用戶價值為44.距上次購買日期間隔排名、購買次數(shù)排名均為第1.用戶ID為107932的用戶為例，對高價值用戶進行深入分析。
從周活躍時段看，該用戶消費頻次較高，幾乎每天都有購買行為，主要活躍時段集中于周日到周三。
從日活躍時段看，該用戶主要活躍時段集中中午11：00和晚上22：00-0：00.
該用戶未過收藏功能，購物車的使用也較少使用，推測購買方式多為在瀏覽頁面一鍵下單。根據(jù)該用戶常購買的商品類型，可進行個性化的相關(guān)商品推薦。
結(jié)論及建議
平臺可在每天的晚間時段和周末重點投放上新通知、滿減活動、直播帶貨等活動推廣，以充分釋放用戶購買沖動。
用戶瀏覽到有購買意向的轉(zhuǎn)化率較低，通過改進UI、簡化加購收藏流程、對通過加購收藏購買商品的用戶補貼或贈送贈品，引導(dǎo)和鼓勵用戶對商品同時進行收藏和加購。
重點關(guān)注瀏覽量高購買量低的商品，通過優(yōu)化平臺的搜索匹配度和推薦策略、優(yōu)化商品展示的形式突出顯示用戶關(guān)注的重點信息、調(diào)整定價策略，提高這類吸引用戶更多注意力的商品的銷量轉(zhuǎn)化率，進而提高商品的整體銷量。
發(fā)展用戶的用戶占比最大，占平臺用戶的83.43%，這部分用戶具有較大潛在價值，可對這部分用戶進行個性化推薦、發(fā)送活動通知等措施，提高其消費頻率。挽留用戶的粘性較低，可通過針對性補貼和優(yōu)惠活動，提高其活躍度和留存率。保持用戶粘性較低而購買能力強，可通過發(fā)送活動通知，及時喚回該部分用戶。
價值用戶為平臺的核心用戶，可通過個性化的推薦進一步提高用戶粘性，可嘗試通過拉新活動鼓勵其邀請新用戶，對平臺進行口碑推廣，同時根據(jù)活躍時段和商品購買喜好針對針對性的推送活動和商品推薦。活動投放時需謹慎對待，避免引起用戶反感。
快消品貨源網(wǎng)提供超市貨源信息,超市采購進貨渠道。超市進貨網(wǎng)提供成都食品批發(fā),日用百貨批發(fā)信息、微信淘寶網(wǎng)店超市采購信息和超市加盟信息.打造國內(nèi)超市采購商與批發(fā)市場供應(yīng)廠商搭建網(wǎng)上批發(fā)市場平臺,是全國批發(fā)市場行業(yè)中電子商務(wù)權(quán)威性網(wǎng)站。
本文內(nèi)容整合網(wǎng)站：百度百科、知乎、淘寶平臺規(guī)則
