一、分析背景
这是巴西Olist数据集，该数据集包含1个文件，将近10万行。
数据链接：
https://www.kaggle.com/jainaashish/orders-merged
分析该数据可以探究其销售情况，用户流量以及产品的分布，也可以对商户进行评分，多维度分析销售，找出商户影响销售的情况以及客户不满意的原因，以完善服务。
二、理解数据
相关数据说明：
1、product_id：商品ID
2、seller_id：商家ID
3、order_id：订单ID
4、order_purchase_timestamp：下单时间
5、customer_unique_id：用户ID
6、customer_state：客户所在的州
7、review_score：评价得分，客户在满意度调查中给出的注释范围为1到5
8、review_creation_date：发出满意度调查日期
9、payment_type：付款方式
10、payment_installments：客户选择的分期付款数量
11、payment_value：交易金额
12、order_item_id：序号，用于标识同一订单中包含的商品数量
13、seller_state：卖家所在州
14、product_category_name：类别名称
三、分析框架
对整体、用户、商户、产品、销售五个方面进行分析。分析工具为SQL，可视化工具为Tableau和PowerBI
四、数据分析
1、数据清洗
1.1 检查整体数据
-- 查看数据有多少
SELECT COUNT(*) FROM ecom1.2 时间戳转换成具体日期
-- 日期格式转化
CREATE VIEW o_time AS
SELECT order_id,
customer_unique_id,
year(order_purchase_timestamp) AS y,
month(order_purchase_timestamp) AS m,
date(order_purchase_timestamp) AS d,
hour(order_purchase_timestamp) AS h
FROM ecom1.3 整体情况分析
SELECT SUM(payment_value) AS 总交易金额,count(order_id) AS 总订单量,
SUM(payment_value)/count(DISTINCT customer_unique_id) AS 客单价,
count(DISTINCT customer_unique_id) AS 用户数,count(DISTINCT seller_id) AS 商家数,
count(DISTINCT product_category_name) AS SPU,count(DISTINCT product_id) AS SKU
FROM ecom;代码运行结果：总交易金额15,170,437.55元，用户数93,358位，客单价162.50元，总订单数96,478笔,，商家数2,959位，SPU有74个，SKU有31111个
2、用户行为分析
2.1 用户流量
2.1.1 日活跃
SELECT d 日期,
count(DISTINCT customer_unique_id) DAU
FROM o_time
GROUP BY d
ORDER BY d
可以看出，DAU是稳步递增的，且在17年7月-18年1月之间有个爆炸式增长。经查询可知那日为 “黑色星期五” ，相当于中国双十一，此活动效果很好很明显
2.1.2 月活跃
SELECT y,
m,
count(DISTINCT customer_unique_id) MAU
FROM o_time
GROUP BY y,m
ORDER BY y, m
可以看出，“ 黑色星期五 ” 之前MAU整体快速增长，次日过后就慢慢趋于平稳，甚至在短时间内有下降，也反映了此活动效果很好
2.1.3 时段活跃
SELECT h,
count(DISTINCT customer_unique_id) 时段活跃用户数
FROM o_time
GROUP BY h
ORDER BY h
可以看出，从21:00到5:00活跃用户呈下降趋势，说明此时间段多数用户在休息，5:00到11:00活跃用户快速上升，在中间时段，活跃用户趋势平稳。运营人员可以根据不同时间段的活跃用户数来采取相应的措施
2.2 RFM
2.2.1 构建RFM模型
构建RFM用户分类：
-- 构造R值
CREATE VIEW Recency AS
SELECT
customer_unique_id,
CASE
WHEN DATEDIFF(CURDATE(),MAX(order_purchase_timestamp)) > AVG(DATEDIFF(order_purchase_timestamp,previous_purchase_timestamp))
THEN 1
ELSE 0
END AS R
FROM (
SELECT
customer_unique_id,
order_purchase_timestamp,
LAG(order_purchase_timestamp) OVER (PARTITION BY customer_unique_id ORDER BY order_purchase_timestamp) as previous_purchase_timestamp
FROM ecom
) a
GROUP BY customer_unique_id
-- 构造F值
CREATE VIEW Frequency AS
SELECT customer_unique_id, count(1) > (SELECT AVG(cons) FROM(SELECT customer_unique_id, count(*) as cons FROM ecom GROUP BY customer_unique_id) as a) F
from ecom
GROUP BY customer_unique_id
-- 构造M值
CREATE VIEW Monetary AS
SELECT
customer_unique_id,
CASE
WHEN payment_value > (SELECT AVG(payment_value) FROM ecom) THEN 1 ELSE 0
END as M
FROM ecom
GROUP BY customer_unique_id, payment_value
-- 构造M值
CREATE VIEW Monetary AS
SELECT
customer_unique_id,
payment_value>(SELECT AVG(payment_value) FROM ecom) as M
FROM ecom
GROUP BY customer_unique_id,m
-- 构造RFM分层
CREATE VIEW RFM AS
SELECT
Recency.customer_unique_id,
(CASE
WHEN R=1 AND F=1 AND M=1 THEN "重要价值用户"
WHEN R=1 AND F=0 AND M=1 THEN "重要发展用户"
WHEN R=0 AND F=1 AND M=1 THEN "重要保持用户"
WHEN R=0 AND F=0 AND M=1 THEN "重要挽留用户"
WHEN R=1 AND F=1 AND M=0 THEN "一般价值用户"
WHEN R=1 AND F=0 AND M=0 THEN "一般发展用户"
WHEN R=0 AND F=1 AND M=0 THEN "一般保持用户"
WHEN R=0 AND F=0 AND M=0 THEN "一般挽留用户"
ELSE "其他" END) AS 用户类型
FROM Recency
INNER JOIN Frequency
ON Recency.customer_unique_id = Frequency.customer_unique_id
INNER JOIN Monetary
ON Recency.customer_unique_id = Monetary.customer_unique_id2.2.2 用户数量和占比
-- 各类型用户数量和占比情况
SELECT 用户类型,
COUNT(*) 用户数量,
COUNT(*)/(select count(*) from rfm) 占比
FROM rfm
GROUP BY 用户类型
ORDER BY 用户类型
这里从8种用户类型挑选了4种进行分析，可以看出，一般用户占比72%，而重要用户占比28%。结合RFM，说明用户流失比较严重，应该紧急采取相应挽留措施
2.2.3 用户品类偏好
由于数据量大，挑选的前1000条数据来分析
重要价值用户：
-- 重要价值用户
SELECT
用户类型,
product_category_name 商品品类,
sum(a.payment_value) 消费金额,
rank() over(order by sum(a.payment_value) desc ) 排名
FROM ecom a
LEFT JOIN rfm b ON a.customer_unique_id = b.customer_unique_id
where 用户类型='重要价值用户'
GROUP BY product_category_name
重要挽留用户：
-- 重要挽留客户
SELECT
用户类型,
product_category_name 商品品类,
sum(b.payment_value) 消费金额,
rank() over(order by sum(b.payment_value) desc ) 排名
FROM ecom b
LEFT JOIN rfm c ON b.customer_unique_id = c.customer_unique_id
where 用户类型='重要挽留用户'
GROUP BY product_category_name
一般价值用户：
-- 一般价值客户
SELECT
用户类型,
product_category_name 商品品类,
sum(c.payment_value) 消费金额,
rank() over(order by sum(c.payment_value) desc ) 排名
FROM ecom c
LEFT JOIN rfm d ON c.customer_unique_id = d.customer_unique_id
where 用户类型='一般价值用户'
GROUP BY product_category_name 
一般挽留用户：
-- 一般挽留客户
SELECT
用户类型,
product_category_name 商品品类,
sum(d.payment_value) 消费金额,
rank() over(order by sum(d.payment_value) desc ) 排名
FROM ecom d
LEFT JOIN rfm e ON d.customer_unique_id = e.customer_unique_id
where 用户类型='一般挽留用户'
GROUP BY product_category_name
几张图可以看出，每种类型的客户都有相应的偏好，平台在维持客户时，可以根据客户类别推送商品类别信息，从而得心应手。另外可以看出cama_mesa_和beleza_saude等品类商品受到4大客户类别的喜爱，商家可以对该类商品进行促销推广
2.3 用户地区分布
select
customer_state as 客户所在
,count(distinct customer_unique_id) as 地区人数
from ecom
group by customer_state
可以看出，用户来自SP州的最多，可能是该地区经济发达，人口密度大，平台在运营过程中在该地区的宣传和维护投入的同时，也应该根据不同地区特点开发不同地区
2.4 用户支付
2.4.1 支付方式
select
payment_type as 支付方式
,count(1) as 支付人数
,count(1)/(select count(1) from ecom) as 占比
from ecom
group by payment_type
我们可以看出，75.8%的用户选择用信用卡的方式来支付，19.89%的用户选择boleto的方式，而剩余两种方式合起来也不过4.31%。说明这两种方式在该平台是主流的支付方式
2.4.2 分期付款期数
select
payment_installments
,count(1) as 分期人数
,count(1)/(select count(1) from ecom) as 占比
from ecom
group by payment_installments
可以看出，不分期人数占比49%，近半数的用户不选择分期，而选择分期付款的用户大部分选择分2、3期，占比23%。另外分期数2期到10期的合计占比也将近总人数的一半，说明平台也推荐分期付款，且大多数人选择10期以内
3、商户分析
3.1 商品地区分布
-- 商户地区分布
select
seller_state
,count(distinct seller_id) as 商户人数
from ecom
GROUP BY seller_state
可以看出，商户来自SP州的超半数，说明该地区商业发达，这与用户地区分布的分析结果吻合
3.2 商户交易额
select
价格区间
,count(1) as 交易数量
,count(1)/(select count(distinct seller_id)from ecom) as 占比
from (select
seller_id
,sum(payment_value) as sum_pa
,case when sum(payment_value)<=1000 then '(0,1000]'
when sum(payment_value)>1000 and sum(payment_value)<=5000 then '(1000,5000]'
when sum(payment_value)>5000 and sum(payment_value)<=10000 then '(5000,10000]'
else '(10000,∞]' end as '价格区间'
from ecom
GROUP BY seller_id
order by sum_pa) a
group by 价格区间
可以看出，近半数的商户交易额在1000以内，1000至5000以内的商户占29%，5000至1万和1万以上的商户分别各占10%左右，大于10000的只占11%。说明平台的商户仍以小商户为主
3.3 商户评分
select
评分区间
,count(1) as 评分人数
,count(1)/(select count(distinct seller_id)from ecom) as 占比
from (select
seller_id
,avg(review_score) as avg_
,case when avg(review_score)>=1 and avg(review_score)<2 then '[1,2)'
when avg(review_score)>=2 and avg(review_score)<3 then '[2,3)'
when avg(review_score)>=3 and avg(review_score)<4 then '[3,4)'
else '[4,5]' end as '评分区间'
from ecom
GROUP BY seller_id
order by avg_) a
group by 评分区间
可以看出，超过75%的商户平均评分为4分以上，平均分3分以下的商户仅占5%左右，几乎全是3分以上的商户。说明平台的商户服务较好，商品品质也不错
4、产品分析
4.1 交易额、交易量和单价
select
case when product_category_name !='' then product_category_name
else 'lost_name' end 商品品类
,sum(payment_value) 交易额
,sum(order_item_id) 交易量
,sum(payment_value)/sum(order_item_id) 单价
from ecom
GROUP BY product_category_name
可以看出，平台各个品类商品的交易额和交易量的趋势基本相同，说明平台的商品价格比较接近，交易额和交易量排在前列的产品价格较低，只有少数用户购买了高价商品，说明平台还是以平价策略为主。平台的商品品类58%在100至200，属于平价商品，可以了解到此平台的商品价格定位属于中等偏下。那么，吸引文具类、幼儿玩具类、日用品类等商户入驻，是平台拉新的重点。在资源充足的情况下，再来考虑培养高价格商品商户
4.2 帕累托分析
select
case when product_category_name !='' then product_category_name
else 'lost_name' end 商品品类
,sum(payment_value) as 交易总额
,sum(sum(payment_value)) over(order by sum(payment_value) desc) as _reven
from ecom
GROUP BY product_category_name
可以看出，销售额前20%的商品占据了总销售额的76.56%，二八定律依然有效。维护好该类商品的商户依然是平台的重点，但根据长尾定律，增加足够多商品品类同样能带来不俗收益，因此平台在后期也可以增加平台商品品类
5、销售分析
5.1 GMV
-- 1.年度GMV
select
y 年份,
sum(payment_value) 年度GMV
from ecom a1
LEFT JOIN o_time a2 ON a1.customer_unique_id = a2.customer_unique_id
group by y
order by y
-- 2.月度GMV
select
y 年份,
m 月份,
sum(payment_value) 月度GMV
from ecom b1
LEFT JOIN o_time b2 ON b1.customer_unique_id = b2.customer_unique_id
group by y,m
order by y,m
从整体GMV可以看出，平台的交易额是增长的。将数据继续按月份向下挖掘可以看出，2016和2017年整体是呈现上升趋势的，2018年整体还比较平稳，但6、7、8月GMV已经出现下降趋势，平台应该分析原因引起重视
5.2 ARPU
-- 3.日ARPU
select
d 日期,
round((sum(c1.payment_value)/count(DISTINCT c1.customer_unique_id)),2) 日ARPU
from ecom c1
LEFT JOIN o_time c2 ON c1.customer_unique_id = c2.customer_unique_id
group by d
order by d
从上图可以看出，平台的ARPU在相对较长的一段时间里比较平稳，但平台也需要重视ARPU长期没有有效突破，且2018年开始出现下降趋势
五、总结建议
一、平台运营建议：平台前期正在快速成长，现在发展遇到瓶颈，个别指标有回落情况出现
1、我们要评估国内市场流量是否进入竞争阶段，是，需考虑发展海外市场，用户运营也要同步进行，以便于减少用户流失；否，则可能与平台自身运营有关或竞争对手抢占市场导致，需对内调整运营策略，优化用户体验，减少流失，对外跟进竞争对手动态，拓展站外流量
2、保证用户规模增长的同时，一方面有效利用用户活跃时段进行运营，提高各环节的转化率，另一方面做好用户运营，培养优质用户
3、根据用户支付方式和分期偏好：建议平台合理设定免息门槛和分期利息
4、利用 “黑色星期五” 的优势， 创新销售策略和活动玩法
二、用户、商家和产品运营建议：结合用户特点和商品喜好采取相关有效运营措施
1、消费次数较少，有较大的提升空间。对于老用户进行针对性消息推送并提供消费抵用券等优惠，降低二次消费门槛，提升复购率。同时可以推出vip会员服务，为用户提供消费折扣，引导用户长期消费，增强粘性
2、挑选用户均喜爱的产品，也可以根据客户类型挑选出各类用户偏好的产品，分别推送
3、用户和商家地域性明显，集中在SP地区，建议可以扩大运营规模，根据不同地区的消费特点，增加其他地区的业务投入，加大宣传和折扣的力度，引入更多的商家和用户
4、商品以价格偏低为主，种类相对单一，可以适当的引入价格中等或偏高的商品，丰富商品的种类促进购买
968
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
