实战篇：淘宝用户转化路径分析和用户价值分类-上

最新推荐文章于 2024-08-19 15:29:52 发布

数据不吹牛

最新推荐文章于 2024-08-19 15:29:52 发布

阅读量563

点赞数

文章标签：大数据

原文链接：https://mp.weixin.qq.com/s?__biz=MzU5Mjg2OTQ1MA==&mid=2247513954&idx=2&sn=b4572981a8b583709ac0dd08763f3d09&chksm=fe1bd647c96c5f51cf7f09a95f4e8d31e1ab8ecbcd688f71c9a42cb4807da736b2dc1de4dc20&scene=126&sessionid=0

版权

转自：数据分析不是个事儿

本文是上篇用户路径分析的实操案例部分。文章很长，所以分为上下两篇。

分析背景

电商行业经过十几年的发展，已经步入成熟发展阶段。作为电商头部企业，淘宝、京东、拼多多3家企业已经呈现分庭抗礼的状态，现阶段的用户获客成本很高。实现用户增长，购买转化率提升已经不能再单纯依赖于电商行业红利，从粗狂化运营到精细化运营是必然趋势。从各个维度对用户数据进行细化分析，降低颗粒度，在业务中指导方向具有很大的意义。

本文将从淘宝用户行为数据着手分析，为精细化运营提出业务指导性意见。

提出问题

1. pv、uv随着时间的分布研究。

2. 淘宝各个环节的转化率研究。

3. 用户活跃天数与购买行为的相关性研究

4. 使用RFM分析方法对用户按价值分类

分析思路

分析工具：SQL查询、tableau可视化、mindmaster流程图

理解数据

本数据集 (UserBehavior.csv) 包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包括点击、购买、加购、喜欢）。

数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成。

向右滑动查看更多

数据来源：阿里巴巴天池

清洗数据

4.1 导入数据

由于数据量较大，本次导入数据前30万条做分析研究。

源数据没有列名，在此先将第一行作为列名，再将目标字段修改为对应的列名。

此处全部先以varchar类型导入数据。

将用户id、商品id、时间戳3列设为联合主键。

导入后的数据如下：

4.2 查找缺失值

对数据进行一个整体的统计，每列的数据均为300000，无缺失值。

4.3 删除重复值

用户可以对某个商品进行多次浏览、收藏、加购和购买，但对某个商品在特定时间点只能够有一种行为类型。在此针对用户id、商品id、时间戳作为一个整体来查重。

发现并无重复值。

4.4 一致化处理

时间戳这一列方便后续分析，从这一列中提取出常规形式的日期、时间。

/*添加日期列*/
alter table userbehavior add 日期 varchar(255);
update userbehavior set 日期=FROM_UNIXTIME(时间戳,'%Y-%m-%d');

/*添加时间列*/
ALTER table userbehavior add 时间 varchar(255);
update userbehavior set 时间=FROM_UNIXTIME(时间戳,'%H:%i:%s');

格式如下：

4.5 异常值处理

查找行为类型的值无异常。

查找日期值，发现有研究目标日期2017/11/25-2017/12/3之外的数据。

在此做删除处理。

重新验证下删除后的数据，符合标准。

数据分析

先对数据进行一个整体了解，共有行为记录299862条，用户数量2953，商品数量162887，商品类目数量4512，行为类型数量为4。

商品类目、商品种类都非常齐全。

5.1 PV、UV随时间分布情况研究

5.1.1 以天为单位，PV、UV随日期分布情况

/*每日PV查询*/
SELECT  日期,count(行为类型) as PV 
FROM userbehavior
WHERE 行为类型='pv'
GROUP BY 日期

ORDER by 日期;

/*每日UV查询*/
SELECT  日期,count(distinct 用户ID) as UV
FROM userbehavior
WHERE 行为类型='pv'
GROUP BY 日期
ORDER by 日期;

从图中可以看出，pv、uv随着时间的整体走势是一致的，2017/12/2（周六）2017/12/3（周日）相较前面的日期，数量有大幅增长。

假设涨幅是因为周六、周日休息日，用户更多的空闲时间可以用于访问淘宝。

对此，我们往前对比上一个周末2017/11/25-2017/11/26的值，这两天的值相较于工作日2017/11/27-2017/12/1并没有明显涨幅。

假设不成立。

根据日常经验，考虑可能为双十二节日造势，提前的推广活动：如预付定金。查找资料证实猜测成立。

5.1.2 以24H为研究范围，PV、UV随着时间的变化情况

/*每小时pv查询*/
SELECT hour(时间),count(行为类型) as PV 
FROM userbehavior
WHERE 行为类型='pv'
GROUP BY hour(时间)

ORDER by hour(时间);

/*每小时uv查询*/
SELECT  hour(时间), count(distinct 用户ID) as UV
FROM userbehavior
WHERE 行为类型='pv'
GROUP BY hour(时间)
ORDER by hour(时间);

由图可以看出，24小时内，PV、UV随着时间的整体变化趋势是一致的。
在0-4点访问量和访问人数逐渐下降，
在4点逐渐回升，至10点逐步稳定，
10-18点呈现稳定略微波动的状态，
18点后逐渐升温，在21点达到峰值，之后逐渐回落。

整体走势与我们大多数人的作息习惯是吻合的

23点-7点为休息时间，期间访问人数和访问数量相对较低；

随着7点之后开始起床，逐渐进入活跃上升状态；

18点下班后，用户的空闲时间释放，访问量和人数又迎来一次上升。

可根据用户活跃时段来进行活动促销安排，促销时间安排在10点之后，以19-22点为最佳。

5.2 淘宝各个环节的转化率研究

从上图可以看出，点击浏览行为占比总行为量的89.77%，而购买仅占比2.11%，转化率非常低，仅为2.35%。

我们对转化率低的原因做进一步探究，做假设分析。

5.2.1 各业务流程环节的转化率探究

本节对假设2：某些环节的准化率影响了整体转化率进行探究

购买流程共存在以下4种情况：

① 浏览——收藏/加购——购买
② 浏览——收藏/加购——流失
③ 浏览——购买
④ 浏览——流失

我们对各个环节的转化率及占比做进一步的计算。

①浏览——收藏/加购——购买的转化率

a.浏览——收藏/加购的转化率

该阶段转化率为9.04%

b.收藏/加购——购买的转化率

先将收藏、加购行为的用户创建一个视图

create view C_F
as
select distinct 用户id
FROM userbehavior
where 行为类型 in('cart','fav');

计算收藏、加购的用户中购买的转化率，为23.96%

流程①各个环节转化率汇总如下：

这一流程的总转化率为9.04%*23.96%=2.17%

流程② ：浏览——收藏/加购——流失

整个环节占比：9.04%-2.17%=6.87%

流程③ ：浏览——购买的转化率

该环节转化率为0.18%

流程④ 浏览——流失占比

该环节占比：流失率=100%-9.04%-0.18%=90.78%

各环节的占比情况汇总如下：

可以看出，用户的购买转化率是非常低的，整体购买转化率为2.35%，流失率高达97%。而用户浏览、收藏加购后的购买转化率2.17%远远大于浏览直接购买的转化率0.18%。
流程①浏览——收藏/加购——购买，前一阶段用户的转化率较低为9.04%，后一阶段的转化率为23.96%，相较还是比较可观的。‍

因此假设某些环节的准化率影响了整体转化率进行探究是成立的。

对此，可通过抽奖或者发放优惠券等奖励的方式吸引用户收藏及加购，从而提高转化率。

浏览后流失的用户我们在下一环节继续研究。

收藏/加购后流失的用户需要结合更多的数据进一步分析：

是否为短期内有活动，用户要先收藏/加购等活动价格更优惠时购买，需要该时间之后，如双12活动期及之前的数据做分析；

研究之后一段时间内用户是否购买同种类商品，如未购买，表明物品非刚需，但还是能够吸引到用户，说明产品的运维做的很棒；如购买，需要做竞品分析，我们的产品有竞争力却不足以驱使用户购买，进一步优化产品运营。

5.2.2 平台推荐的产品不是用户喜欢的产品

本节针对假设1平台推荐的产品用户不喜欢做研究论证

该问题需要拆解成两个部分：

①平台推荐的产品top10：即点击量top10
②用户购买产品top10

然后对两者做对比分析。

1. 分别取证用户购买top10类目和平台推送top10类目

/*平台推荐商品类目top10*/
SELECT 商品类目id,count(行为类型)as 'pv'
FROM userbehavior
WHERE 行为类型='pv'
GROUP BY 商品类目id
ORDER BY count(行为类型)desc
limit 10;

/*用户购买商品类目top10*/
SELECT 商品类目id,count(行为类型)as 'buy'
FROM userbehavior
WHERE 行为类型='buy'
GROUP BY 商品类目id
ORDER BY count(行为类型)desc
limit 10;

发现销量TOP10和平台推送TOP10有4个产品类目是重叠的。
而平台推送TOP1类目【4756105】在用户购买排名中到了第7名，

平台推送TOP2类目【3607361】并未在用户购买排名中上榜，

平台推送TOP3类目【4145813】在用户购买排名中排名第二，

另外两个共同上榜类目是【9892926】、【4801426】

2. 取证用户购买top10产品和平台推送top10产品

两部分数据做内联结，发现并无重叠。

综上，平台推荐商品类目TOP10和用户购买商品类目TOP10只有4个是重叠的，

平台推荐商品id TOP10和用户购买商品id TOP10无重叠。

假设1平台推荐的产品用户不喜欢成立。

对此，建议平台方优化算法，精准推送。

如商品的分类是否可以更加精准细化，参考用户的购买偏好多方面获取计算等。

作者：sunshine

来源：https://zhuanlan.zhihu.com/p/258064720

●整理了4000字的数据可视化指南！
●SQL优化的魅力