電子商務用戶行為分析報告

一、分析背景

1.行業背景

隨著互聯網普及率的不斷提高，移動終端和支付技術的進步，電子商務在互聯網用戶中的普及率有所提高，中國電子商務趨于成熟和標準化。同時，電子商務面臨著在線平臺客戶獲取成本增加、消費者購物需求多樣化和高質量體驗的問題。因此，通過數據分析研究客戶消費行為、了解客戶需求、明確目標客戶、采取精準操作非常重要。

2.理解數據

(1)數據源：

阿里巴巴天池https://tianchi.aliyun.com/dataset/dataDetail?dataId= ** 9&userId=1

(2)數據概況:

數據集(UserBehavior.csv)它包括2017年11月25日至2017年12月3日之間約100萬隨機用戶的所有行為（點擊瀏覽、購買、額外購買和收集）。每行表示用戶行為，用戶ID、商品ID、商品類目ID、由逗號組成的行為類型和時間戳。

(3)數據集字段含義:

(4)數據規模

二、分析目的

通過對部分電商用戶的數據分析，了解顧客的購物習慣和偏好，針對性地推送商品和完善購物流程，提升顧客的購物體驗，從而提高商品的銷量。

三、分析思路

1.用戶流失的原因是什么？(商品豐富度、推薦商品是否符合客戶需求、購物環節)

2.用戶更喜歡哪些商品類別id和商品id？

3.什么時候用戶活動高？(哪一天？什么時候？

4.用戶什么時候下單？(哪一天？什么時候？

5.根據用戶的價值分類，應該采取什么樣的營銷決策？

四、數據清洗

選擇子集→列名重命名→刪除重復值→缺失值處理→一致化處理→數據排序→異常值處理

本分析報告的具體清洗步驟如下：

五、分析內容

1.用戶流失的原因

（1）提出問題

從下圖觀察發現用戶點擊瀏覽商品的次數遠大于其他行為，其中購買商品的次數僅占點擊瀏覽商品的次數的2.34%說明用戶從點擊瀏覽商品到購買商品的轉化率較低，因此需要分析用戶在此過程中放棄購買商品的原因。

(2)假設(商品豐富度、推薦商品是否符合客戶需求、購物環節)

假設一：商品種類單一，導致用戶放棄購買；

假設2：推薦產品不符合用戶需求，導致用戶中途放棄；

假設3：購物環節不符合用戶的購物習慣，或者中間環節太多導致用戶猶豫購買。

(3)驗證假設

a.驗證假設一

數據顯示，商品一級類型數量為3128，細分后的商品二級類型數量為 ** 440，遠遠大于用戶數量(983)，說明商品種類豐富，假設不成立。

b.驗證假設二

整理數據，獲得點擊量前十的商品類別id如下圖所示。前三大商品類別中id依次為4756105、3607361、4145813。

整理數據，獲得購買量前十的商品類別id和商品id，這些商品類別id和商品id它更受用戶歡迎。前三大商品類別中id依次為2735466、14 ** 116和4145813，前三種商品id為3027414、4657130和812879。

從上圖中發現點擊次數前十的商品類別id購買次數前十的只有五個，購買次數前三的4756105和3607361排名靠后。如下圖所示，對比點擊次數前十、購買次數前十的商品類別id轉化率(購買次數/點擊次數)，發現點擊次數前十中轉化率最高的只有1.96比這個比例高%的商品類別id點擊次數不在前十，說明推薦商品與用戶需求不同，假設二成立。

c.驗證假設三

數據集中用戶的行為類型有：pv點擊瀏覽商品詳情頁，fav收藏商品、cart將商品加入購物車和buy購買商品，那么用戶購物成功的流程有以下幾種情況：

創建購物過程視圖如下，然后對每個購物過程進行數據分析：

第一種情況是點擊→選擇這種購物流程的用戶數為1029人。

第二種情況是點擊→加購物車→選擇這種購物流程的用戶數為235人。

第三種情況是點擊→收藏→選擇這種購物流程的用戶數為80人。

第四種情況是點擊→收藏→加購物車→選擇這種購物流程的用戶數為18人。

用戶點擊率為70753，從現有數據來看，用戶流失率非常高。然后觀察四個成功的購物過程，發現購物環節越少，轉化率越高。此外，第二和第三種情況也是三個環節，購物車轉化率明顯高于收藏，可以理解為購物車意味著用戶購物意愿強于收藏，所以可以盡量減少購物環節，或引導用戶進入購物車，減少用戶猶豫時間，促進商品交易。從以上分析來看，假設第三個成立的。

綜合以上分析，用戶流失的主要原因是推薦商品與用戶需求不匹配，購物過程復雜。

2.活躍用戶和下單時間

(1)用戶在工作日和周末積極下單

2017年11月25日至2017年12月3日，將用戶活動時間定義為用戶行為類型pv用戶下單時間為用戶行為類型buy時間。根據下圖(2017年11月27日)完整一周(-12月3日)，周末用戶的點擊量和訂單量將高于工作日，尤其是點擊量。

(2)用戶在一天中的各個時間段活躍下單。

為文選取2017年11月27日(星期一)和2017年12月3日(星期日)的數據，觀察用戶周末和工作日中一天段的活動和訂單情況。

從用戶活動的角度來看，用戶的工作日和周末的活動趨勢大致相同，周末的整體活動高于工作日。此外，用戶從早上起床和工作開始活躍，午餐休息（13：00-14：00）活動迎來了小高峰，然后活動從18:00開始明顯增加到20:00-21：00迎來一天的高峰，這里可以判斷用戶利用業余時間瀏覽商品。

從用戶下單的角度來看，用戶在工作日和周末下單的情況是00:00-17：00趨勢大致相同，午休時間會有訂單高峰。工作日21:00-22：00也會有訂單高峰，周末17:00后訂單保持穩定，訂單量高。

3.用戶分類

RFM分析方法旨在根據價值對用戶進行分類recency(用戶最新消費時間間隔)，frequency和monetary(用戶消費金額)，其分類如下表所示:

2017年11月25日至2017年12月3日(共9天)，不包括用戶消費金額的數據集建立以下評分標準:

通過RFM篩選出重要價值用戶(50人)、重要開發用戶(340人)、重要維護用戶(13人)和重要保留用戶(268人)。

六、結論和建議

1.用戶流失的主要原因是推薦商品與用戶需求不匹配，購物過程復雜。

(1)購買量前三的商品類別id依次為2735466、14 ** 116和4145813，前三種商品id這些商品類別依次為3027414、4657130和812879id和商品id它們更受用戶歡迎，可以向用戶推薦這些商品，也可以與其他商品結合銷售，以增加銷量。

(2)購物環節越少，轉化率越高，可以通過盡量減少購物環節，或者引導用戶將商品加入購物車，減少用戶的猶豫時間，促進商品交易。

2.完整一周(2017年11月27日)-12月3日)，用戶的點擊量和訂單量將高于周末的工作日，尤其是點擊量。一天中午休息(13:00-14：00）下班后的時間(20:00-22：00）點擊和下和下單的高峰期。因此，商家可以在此期間推送相應的商品，開展營銷活動。

3.通過RFM分析方法篩選出重要價值用戶（50人）、重要發展用戶（340人）、重要保持用戶（13人）和重要挽留用戶（268人）。按二八原則，商家需要密切關注重要價值用戶，提供優質的服務來防止他們的流失；對于人數最多的重要發展用戶，可通過發優惠券、紅包等方式來增加其消費頻率；而對于活躍度較低的重要挽回用戶，可以通過數據分析了解其購物需求，主動地聯系他們并推送相關商品。

七、PPT