探索用户行为（淘宝用户行为分析）

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。