本博客基于阿里天池的电商用户数据，运用Power BI进行用户行为分析。通过AARRR模型揭示流量转化流失情况，发现浏览至收藏转化率低，加购至购买转化率约35%。每日流量在双12期间激增后骤降。此外，运用RFM模型划分用户价值，提出针对不同客户群体的营销策略，如提高活跃度、差异化营销和用户流失挽回。
一、项目背景
基于千万级的淘宝用户的使用记录，对淘宝用户的行为进行分析，具体指标包括：日PV、日UV、不同用户行为的PV、用户复购率、活跃用户消费率，用户分层情况等。
流量指标分析：
用户行为分析：
二、 分析思路梳理
1.数据来源
阿里天池官方发布的1万用户在2014年双十二期间的行为记录，数据量达1200万+。
数据下载地址：数据集-阿里云天池
2.数据结构
user_id：用户ID
item_id：商品ID
behavior_type：用户行为类型（包含1点击、2收藏、3加购物车、4支付）
user_geohash：地理位置
item_category：商品类别ID
time：记录时间
3.数据清洗
导入mysql进行数据整理。
重复值
最低0.47元/天 解锁文章
扫一扫
1121
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
