化妆品电商平台数据分析报告

• 分析目标：描述该平台在用户以及用户在产品消费上的现状定位，找到该平台目前的核心优势或是亟待解决的核心问题，提供下一步发展最核心有效的方向和相应建议

• 分析对象：国外某中型to c 化妆品在线商店

• 数据来源：https://www.kaggle.com/mkechinov/ecommerce-events-history-in-cosmetics-shop

• 数据描述：数据包括该中型化妆品在线商店的5个月（2019年10月至2020年2月）共2000万条用户行为数据，包括浏览、加购、移出购物车、购买下单行为分类，以及行为发生时间、对象产品、产品分类、品牌等

• 分析方法：AARRR海盗模型，RFM用户分层模型，对比与时间序列分析、漏斗与流程分析

• 数据处理使用工具：

  • 考虑总体数据数据量极大，总体数据的清洗及部分分析在python3平台上完成

  • 提取典型性数据（12月数据）至MySQL平台提取所需分析数据

  • PowerBI及Tableau产出可视化图表

• 分析结构：

• 分析结论概览：

  • 平台新用户占比巨大却未有效转化，新用户留存策略亟待提高

  • 平台用户结构不稳定，受短期流量用户影响大，需采取针对性策略留存新用户、稳定和提升价值

  • 用户加购及购物车存留商品基本代表用户消费倾向

  • 平台推荐浏览流量与下单品牌有部分错位，需优化产品推荐机制基于加购商品关联推荐，吸引用户浏览和加购

  • 加购商品 存留时长在1日左右下单概率最高，时长增加下单频次减低，应尽量缩短1日 购物车商品留存时间间隔，提高加购-购买转化率

一、数据情况和预处理

1、字段含义

event_time	事件发生的时间（以 标准世界时 UTC 为单位）
event_type	view- 查看产品 cart- 将产品添加到购物车 remove_from_cart- 从购物车中删除了产品 purchase- 购买了产品
product_id	产品ID标识
category_id	商品类别 ID
category_code	产品的类别分类（代号）。通常用于有意义的类别，而对于不同类型的配件则跳过。
brand	品牌名称的缩写字符串。可以错过。
price	浮动价格，产品的当前价格
user_id	永久用户 ID。
** user_session**	用户的临时会话 ID。每个用户的会话相同。每次用户从长时间的暂停中返回在线商店时都会更改。

2、处理数据

1、读取转换：python读取5个月csv表的数据并进行拼接，最终合成为 20692840行, 9个字段的数据，数据量非常庞大。

2、列名重命名：将字段名按字段解释改为对应中文名

3、整体去重：删除各列都重复的数据，去重后数据量是19583742条

4、缺失值：统计数据缺失情况，产品类别分类、品牌、临时用户会话id存在缺失值。

• • 产品类别 ID基本代表了产品类别，产品类别分类的缺失并不影响分类定义

• • 品牌缺失不影响用户部分分析，在后续分出产品表时进行填充和去重处理

  • 临时会话id对数据并无影响，可以忽略。

5、异常值：通过Matplotlib箱线图查看数据总体是否有异常值，结果基本无异常。

      单独查看价格情况，购买行为中价格记录存在负值（统计共124条），应为退款情况，将此部分记录筛选去除

6、时间类型处理：时间字段类型读取后为字符串类型，去除结尾'UTC'，将之转换为时间对象

import time 
transform_date = data['时间'].apply(lambda x:x.split('UTC')[0]) 
data[