一、项目介绍
- 数据来源:天池,基于淘宝APP平台数据
- 数据内容:网购订单信息
字段:
- User_id:用户身份
- item_id:商品ID
- behavior_type:用户行为类型(点击、收藏、加购、支付,四种行为,分别对应数字1、2、3、4)
- user_geohash:地理位置
- item_category:品类ID(商品所属的品类)
- time:用户行为发生的时间
二、项目内容
三、分析目的
通过相关指标构建分析模型对用户行为进行分析,从而探索用户相关行为模式。
四、图表分析结果与建议
4.1用户行为分析
4.1.1日访问量分析
结论:uv和pv变化趋势,双十二期间访问量达到峰值,两个变量数值的差距比较大
4.1.2小时访问量分析
总结:0-5时高度相似,呈现下降趋势,4时左右为一天中访问量最少的时段,早晨5点到10点pv和uv波动剧烈;晚上18点到20点pv波动剧烈uv不太明显。这两个时段是淘宝用户访问APP活跃时段 。
4.1.3不同行为类型用户PV分析
结论:2、3、4三种行为变化趋势相同,用户的加购物车行为最高,其次收藏,最后为支付。加购物车的访问量超过收藏,行为3加购物车行为优先分析。
4.2用户消费行为分析
结论:用户每天的人均消费次数在1-2次之间波动 。大部分时间付费率接近0.1,仅在双十二期间出现大幅波动,付费率激增至0.25以上。
4.3复购情况分析
结论:复购间隔时间最大值为30,用户都会在1个月内复购商品,平均值在3-4天,50%的用户会在1天内复购商品,大部分用户会在5天内复购。
4.4漏斗流失分析
业务流程:
结论:用户行为中点击→加购过程中流失率高达0.97,加购→收藏的流失率不到0.3,大部分加购的商品都会被收藏,一半的收藏商品会被支付。
4.5用户价值度RFM模型分析
结论:用户分为4类:重点关注用户(总体占比最大为33.7%): 重点给予关注,及时了解客户需求。重要发展客户(19.9%):忠诚度比较高,但购买力不足,适当给予折扣,或捆绑销售,增加用户购买频率 。重要保持客户(占比最少仅仅14%):忠诚度不高,但购买力比较强,可持续关注这类用户。一般价值客户(32.4%):可适当少些关注。
五、总结
①早晨5点到10点、晚上18点到20点,这两个时段是淘宝用户访问APP活跃时段
②一半的用户会在1天左右复购商品,大多数用户会在5天内复购商品。
③日常用户每天的人均消费次数稳定在1.4左右,付费率为0.1,只有大型活动时会大幅增提升至1.7,付费率超过0.25。
④用户点击和加购行为过程中流失率非常高,但加购后的商品大部分会被收藏,收藏的商品有一半的机会会被支付。
⑤重点关注和重要发展客户,客户价值更高,给予更多关注;重要保持、一般价值客户,客户价值不高,可少些关注。