数据分析——天猫用户购买行为分析

数据分析

导读

随着经济水平的提高，网上购物正逐渐成为一种新的交易趋势。而分析用户的购买情况进行分析，有利于企业及时调整营销策略。

马云说过：有一群人晚上不睡觉，就喜欢在淘宝上瞎逛，这好像不无道理！

下面的图展示深夜网站的浏览人数确实变多了不少

500w条数据仅抽取100w条作为参考
PV网站一天各个时段访问量（当然，没有去重，PV只是一个虚荣指标）

下面这个图就比较清晰可见，数据经过去重，虽然没有显示点击行为的变化趋势，但从支付人数来看，答案已经很明显了：我看看，就不买！

以上只是举个小小的案例，纯小白入门，如若理解有误，还望不吝赐教！

主题——天猫用户购买行为可视化

其实，说到可视化，python确实是个很不错的工具！
一开始，我也是使用python，但效率不高，对matlibplot库的绘图语法总是遗忘。所以，我更用python来对数据进行数据清理，可视化用tableau！

以下数据仅展示2020年2月份的用户购买记录

数据来源：https://tianchi.aliyun.com/dataset/dataDetail?dataId=111551

订单交易金额

从图表中可见交易集中在2月下旬，这是为何？
在2月11号到2月2月17号为春节假期，快递公司或者商家自然也放假了；春节假期过后，交易额呈急速上升趋势，快递公司和商家正常营业了，广大网友也可过过网购的乐趣。

地区消费水平

虽然，数据时间范围跨度小，但不影响看出各省的总体消费水平。
北上广以及江浙一带几乎占了一半的订单。上海作为国际大都市，消费水平位列第一。
而从整体来看，南方人似乎更倾向于网购，可能北方人比较实在。

下单转化率

计算方式：实际支付金额/总金额

有效订单数

指没有发生退款行为
上海有效订单数最多，难道是有钱任性？哈哈，开玩笑的！

结语

今天，就到此好了！我发现我实在编不下去了。刚入门不到一个月，今天也是第一次发这个领域的文章。如若解读有误，还望各位大佬不吝赐教。学无止境，在下定当努力提升自己，共勉！