基于MySQL的用户消费特征探究

一、前言

用户消费贯穿我们生活中的各行各业，比如TB，PDD，金融理财等等.......到目前为止淑芬人接触最多的领域之一就是用户消费行为，目的就是为了提高营业额，而为了提高产品的销量，除了改进产品的质量以外，首要的就是对用户的消费进行研究。

以某电商网站购买CD的明细作为样本数据（年份被更改过）

二、用户消费特征

用户整体消费趋势分析（按月份）

分别按月份统计产品消费人数，购买数量，消费金额，消费次数：

可以看到结果显示3、2、1月卖出的CD远超过其他月份，其中2,3月份购买CD的人数在伯仲之间切已经破万，遥遥领先与其他月份，从4月开始更是断崖式下跌。并且，从消费金额来看，1，2，3月份也是甩开其他月份一大截，这与消费人数的趋势是一致的，两相结合说明1,2,3月份顾客消费CD的意愿确实高涨。

猜想:1.我国的1，2，3月份处于春节前后，群众消费意愿较高。

        2.公司在1，2，3，月份的时候是否加大了促销力度。

用户个体消费分析：

用户平均消费金额与平均消费数量：

每个用户的金额贡献率：

首购时间人数分析（查看首次购买集中在那个时间段）：

最后购买时间人数分析（查看最后购买集中在那个时间段）：

通过首购时间与最后购买时间的分析我们可以得出以下猜测：

1、由图可知，首次购买的用户量集中在2,3月份，后续开始逐步下降，猜测:有可能是公司产品的推广力度上升，提高了曝光量或者是进行了优惠促销活动。

2、最后一次购买的时间与首购时间存在着重合，说明客户的忠诚度不高。

三、用户分层

RFM模型是一种常用的客户分析模型，用于评估和分类客户基于他们的购买行为。RFM代表Recency（最近购买时间）、Frequency（购买频率）和Monetary（购买金额）。

• Recency（最近购买时间）：Recency指标衡量客户最后一次购买与当前日期之间的时间间隔。通常，较短的时间间隔表示客户更活跃和更有价值。

• Frequency（购买频率）：Frequency指标衡量客户在一定时间范围内的购买次数。购买频率高的客户通常对企业更忠诚，并且可能更容易进行交叉销售或升级。

• Monetary（购买金额）：Monetary指标衡量客户在一定时间范围内的购买总金额。购买金额较高的客户可能是高价值客户，对于企业的收入贡献更大。

RFM模型将客户根据这三个指标的值进行分组，以便更好地了解和管理不同类型的客户。通常，可以将每个指标的值划分为几个组别，例如高、中、低，或者使用分位数来划分。

通过RFM模型，企业可以识别出具有潜在价值的高价值客户、重要的回头客和需要重新激活的客户。这有助于企业制定有针对性的营销策略，提高客户满意度和忠诚度，增加销售和利润。

RFM的计算方式：将Recency、Frequency、Monetary分别计算出，后根据每一列数据减去数据所在列的平均值，将结果值与1做比较，如果>=1,设置为1，否则为0，最后根据RMF的值进行分类。

便可以得出每个用户对应的分类，最后再做个临时表对每种类别进行统计：

根据RFM分析的结果可以看出，从客户数量上看，流失客户的数量最多，这可能意味着公司需要更多关注客户的留存和唤回，接着是重要价值客户，以及新客户，说明此公司的的推广产品效果尚可，能够吸取新客户的光顾，并且产品策略也能较好的维持重要价值客户但还有改进的空间。但是流失了大量的客户，回头客的数量不足，这与之前分析的‘客户忠诚度不足’得到了对证。

四、周期及回购分析

平均购买周期（指客户进行两次连续购买之间的平均时间）：276天

单次购买与多次购买对比：48%，那么相对的多次购买的人数占比52%

平均用户生命周期：134天

按月回购率：

基于以上的结果我们可以进行一些分析：

1. 平均购买周期（276天）： 这个指标表明客户在平均276天购买一次。这是一个相对较长的购买周期，可能意味着产品的购买频率较低，因为CD不属于周期性产品。

2. 单次购买人数与多次购买人数（48% vs 52%）： 这个比例表明有一半以上的客户进行了多次购买，这是一个积极的信号，说明客户对你的CD产品有一定的满意度。

3. 平均用户生命周期（134天）：这表明客户从第一次购买到最后一次购买的平均时间为134天，这个生命周期相对较短。

4. 回购率的波动： 从1月到6月，回购率呈上升趋势，达到年度最高点（0.2926，即29.26%）；然后从7月开始，回购率开始下降，直到8月，然后在接下来的几个月中稳定在0.20左右。