2014年天猫用户行为分析

 

  • 数据收集

1.1数据获取

数据源:阿里云—天池—Brand and Item Data from Rec-Tmall Contest

1.2数据说明

文件名称:(sample)sam_tianchi_2014002_rec_tmall_log.csv

包含特征:

数据集每列详细描述如下

列名称

类型

用户ID

字符串

商品ID

字符串

行为类型

字符串,包括(‘click’,’cart’,’collect’,’aplay’)

时间

行为发生时的时间

1.3数据导入

使用数据库管理软件SQL,导入数据集。根据sql查询,共有4844条数据

SQL查询结果如下:

 

二、数据清洗

2.1去除重复值

为了防止出现多余重复数据,使用SQL去除同一时间,同一用户购买同一商品情况。

SQL查询结果如下

2.2检查缺失值

使用计数方式,查询每一列的非空数值

SQL查询结果如下

每一列都有记录数据,不存在缺失值。

2.3数据展示

经过数据查重、查缺数据由4840条脏数据变为4603条可用数据。

源数据如下图:

 

2.4剔除异常值

因为我们分析的时间范围是2017-09-01至2014-09-30这30天,所以剔除不在这30天的数据:

 

通过SQL检查,数据已经符合分析要求。

  • 时间维度

3.1分析思路

3.2总体流量

SQL查询语句如下:

 

SQL查询结果如下

Excel可视化

 

数据来源:中国产业信息网

 

3.2.1分析说明 

在2014年时,天猫成立两年,天猫在进行战略转移。2014年时,手机尚未全面普及,受流量和手机功能不完善的影响,中国网购大多集中在家里,使用PC进行购物。2014年,天猫正从PC端向移动端转移,从总体数据比例上看,2014年时期用户浏览量远远高于用户加购和支付量。中国网购尚未进入普及化,日常化阶段。

3.3每日流量

SQL查询语句如下:

SQL查询结果如下:

可视化:使用Excel展示

3.3.1分析说明

9.01-9.30网站流量都没有太大波动,但每日点击数指标最大围绕在9.9-9.11,推测可能由于中秋节活动,使得流量大幅增加。

在9.24-9.28期间,流量明显连续减少,且9.27-9.28是周末时段,推测是

由于为十一假期准备,9.27-9.28要进行加班,使得流量持续走低。

3.4每时流量

SQL查询语句如下:

SQL查询结果如下:

使用Excel可视化

3.4.1分析说明

以点击数为例进行分析,在0点之后7点前流量出现每时流量最低谷且趋于稳定。应该是用户处于休息状态,符合一般用户的作息规律。可以看到,在7点之后,点击数量逐渐上升。10点时存在小高峰,且10点后流量数较高且相对平稳。在每日的12点,用户用餐时刻,用户有更多自由控制的时间,此时到达每时流量高峰。在13点时,点击数量有大幅下降,由于用户休息导致。在16点时,再次出现小高峰,此时属于用户下班前的倦怠期,浏览量较大。在16点后到18点间,流量处于较高范围,推测由于用户下班回家高峰导致。在回家之后,19点至22点时,先减后增,22点到达小高峰,之后逐渐缓慢下降。用户开始准备入睡。我们可以推测出:每日活跃时间集中在中午10-12点间、16-18点间、以及20-22点间。

以收藏数量分析,我们发现18点和22点时处于用户收藏高峰,该时段用于购买意图比其他时段更加强烈。

建议:

用户的购买意图在下班时和睡前比较强烈,在这一时段可以相应推出营销活动来吸引用户关注,提高用户下单率。而在,10-13点间,用户的浏览量很大,但购买欲望不太强烈,可以在相应时段推出具有特征性广告宣传,提高产品知名度。

四、商品维度

4.1商品销量排行前7

4.1.1分析说明

每个产品都只有一个购买量,并没出现最热销商品。

4.2商品浏览量统计

SQL查询结果如下:

取平均值划分根据浏览量维度对下单维度商品类型进行象限划分

 

4.2.1分析说明

由SQL查出,平均点击量为7。我们根据二八法则进行象限划分,因此 选定cliclk=10为划分界限

Pv_total>10 buy-total>=1为高浏览量高销量——A类产品

Pv_total>10 buy-total<1 为高浏览量低销量产品——B类产品

Pv_total<10buy_total<1为低浏览量低销量产品——C类产品

Pv_total<10 buy_total>=1为低浏览量高销量产品——D类产品

 

从总体上来看,B、C类产品占据了绝大多数地位,而A和D类基本只占据了1%。

总体来说,2014年的天猫,用户使用网络购买产品相对较少。

对于A类产品,高浏览量,高销售量属于日常用消费品类。数量大,用户多,且产品常见、易得。该类产品由于现实购买更加方便,需要主打营销手段。通过每日的营销推送更多的吸引用户,比实体商店更低的价格增强对用户的吸引力,提升市场竞争能力。

对于B类产品,高流量低销量,用户只看不买或者说用户需要多方对比才能选定购买。有两种情况,一种是,品牌推送、广告运营针对用户不够准确,大量投入营销精力,却没有击中用户的痛点。另一种是,在营销方面投入大量成本,在销售价格方面没有到达用户的心里价位,用户觉得性价比不够高。该种产品首先要确定,精准打击对象用户,大范围的广告不如准确投送来的有用,其次可以考虑增加产品性价比,在同类产品中产生更大的竞争优势。

对于C类产品,属于低流量,低销售。用户买的少,看的也少。对于购买量大的产品种类,可能是商家营销力度不够,没能出现在用户面前。对于购买量本身就比较小的产品,也建议加大营销力度,使用户以后在购买该类产品时能有相应印象,也会考虑商家品牌。

对于D类产品,属于低浏览量高销售量,对应于奢侈品类。在2014年中,D类和A类购买数量相差不大。推测由于奢侈品类购买人群,文化相对较高,对于新事物的接受能力也比较强,因此和A类产品购买数相差不大。D类产品应该主打营销品牌,推送品牌效应。提升网店信誉和服务,让用户即使是网上购物也能享

受更好的服务,提高老用户忠诚度。

五、用户

 5.1行为流量转化漏洞

分析用户点击、收藏、加购、支付环节中的流量转换率。

 

 

可视化:使用excel展示

 

5.1.1分析说明

可以看出2014年时,用户的流量转换率还处于一个非常低的范围,大部分用户停留在点击阅览阶段。由于移动支付方式尚未普遍接受,用户还习惯于在实体市场进行购物。

建议:可以主打日常用品、消耗用品的性价比。营销比实体市场更好的性价比产品,吸引用户尝试从而建立用户信任。

5.2跳失率

5.2.1分析说明

一次浏览就跳出页面的人共计582人,跳出率582/4603=12.6%。依据中文互联网的数据来看,在2014年时,购物类网站排名第一的Amazon.com,跳出率为35.73%。天猫的跳出率远低于Amazon的一半,可以看出当时天猫的网页浏览体验是比较好的。

 

  • 结论及意见

6.1时间维度

  可以看出用户的点击率,浏览量在一个月的不同时间有所变化。但往往处于节假日时,用户浏览流量相对较多。商家可以根据每月中时段的不同,精细化调整营销手段。可以采取工作日定价高,休息日进行小促销活动。让用户产生对比心里,在休息日浏览更多商品时,更愿意购买。

   每时用户的点击率也是不同的,但用户的购买欲在下班时和睡眠前最为强烈。而在中午11、12点左右,有比较强的浏览欲。商家可以在下班时和睡觉前推出促销手段。目前来看,双十一的商家往往选择在凌晨开启促销活动是非常有根据的。首先,凌晨已经累计了大量睡前用户,这时用户的购买欲是比较强的。开启促销活动,刺激用户购买,往往会出现更高的销量。其次,能够熬夜到凌晨等待促销活动的用户,往往是目标明确或者对品牌有强烈的喜好,属于忠诚类用户。在凌晨时开启促销可以提前抓住这部分用户,同时也不影响白天时促销活动对中立用户或不忠诚用户的吸引。

6.2商品维度

不同商品采取不同的营销手段,前面已经谈到,在此不在赘述。

但从数据上可以看出,商品购买的数量并不多,4000用户点击中,并没有出现一件商品有超过一次的售卖。说明,并没有出现卖的特别火爆的商品。而爆品思维时我们需要考虑的,依据二八法则,爆品往往能够占据市场绝大多数份额,因此爆品的打造,对于收益有着重要影响。对于爆品的打造是需要有针对思维,细化用户分类。针对不同用户打造不同爆品。同时也不能局限在tmall一个网站,爆品的打造需要多平台全方位的推广。

6.3用户方面

 在2014年时,天猫的用户还处在试探阶段。相比如今,愿意网购的人数并不太多。最主要的就是缺乏对平台的信任和由于网络距离带来的不安全感。天猫推出了旗舰店概念,通过其他品牌入驻天猫,成为旗舰店。以其他品牌的信任为基础,提高用户信任度,带动鼓励用户尝试,进而转移用户信任。如今,天猫已经成为正品购买网站的选择之一,累计了巨大的用户。天猫通过明确针对用户,主打品牌直买,收割了淘宝尚不能针对的专注体验感用户。

©️2020 CSDN 皮肤主题: 1024 设计师:上身试试 返回首页