电商用户行为分析

01 项目背景

选取了2017年11月25日至2017年12月3日之前，有行为的1000w用户的所有行为（包括点击、购买、加购、喜欢），数据量约5w，分析了用户行为与商品规律

以淘宝app平台用户行为数据集，通过行业的指标对淘宝用户进行分析，探索淘宝用户的行为模式，具体指标包括：日PV和UV分析，付费率分析，复购行为分析，漏斗流失分析和用户价值RFM分析。

通过对用户行为的解读分析，以此来洞察隐藏在用户各个行为背后的寓意，结合洞察的结论提出相关的优化建议给至平台和商家，从而实现平台、商家和用户的共赢。

02 分析思路

04 分析目标

1. 用户行为分析、销售品类分析、用户分类、漏斗分析

2. 用户流失分析、用户漏斗分析

3. 从整体数据来看，pv,uv，平均访问量、交易次数、交易用户比例、复购率和跳失率，用户流失分析（漏斗分析）；

4. 用户消费行为分析
   A. 当日UV、当日平均访问量，当日交易用户数、交易用户比例（当日交易用户数/当日UV），当日ARPU，当日ARPPU，当日活跃用户数； ——用户量变化趋势图
   B. 当日行为(pv,uv,cart,fav)数，当日行为转化率，分析三条路径：点击-收藏-购买；点击-加购-购买；点击-购买；——行为变化趋势图

5. 时间维度分析——用户在哪些时间、时段活跃

6. 根据RFM模型对用户分类

7. 商品分析——用户对哪些产品、类目感兴趣

跳失率= 只有点击行为的用户 / 总用户数
只浏览一个页面就离开的访问次数 / 该页面的全部访问次数

复购率 = 购买2次及以上用户数 / 总购买用户数
复购率可分为按客户计算和按交易计算

跳失率：5.76%

跳失率为5.76%，数值看上去比较小，但是跳失率一定程度上反映了商品的受欢迎程度，最好还是结合行业数据和以往的数据分析是否处于正常范围，影响因素：商品吸引力，商品加载时长。

05 分析方法

复购分析

结论：用户复购率达到65%，但是进一步查看用户复购次数，发现绝大多数用户复购次数很少，是否需要考虑购买的商品类型，必需品，一次性消耗用品等等
推测：淘宝的市场份额一直稳居前列，用户量足够庞大，足够的用户量复购一次也能提高复购率？
个人思考：？在淘宝下沉扩展新用户的同时，促进老用户复购次数增加，进一步稳定提高复购率应该是更重要的事情，购买一次可能是更吸睛的标题，精美的图片或是诱人的营销活动吸引，而复购就要求产品质量过关，服务到位，消费者对第一次的购物体验很满意才会进行第二次。

RFM分析

通过一个客户近期的购买行为，购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况
Recency 客户最近一次交易的时间的间隔，R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的时间越近；
Frequency 客户在最近一段时间交易的次数，F值越大，表示客户交易越频繁，反之则表示客户交易不够频繁；
Monetary 客户在最近一段时间内的交易金额，M值越大，表示客户价值越高，反之则表示客户价值越低。

Recency 最近一次消费时间：最近一次消费距离现在的时间
Frequency 消费频率： 用户在统计周期内购买商品的次数
Monetary 消费金额 在统计周期内消费的总金额

根据RFM模型对用户分类后发现重要挽留客户比例最高，其次是重要价值客户，淘宝作为成熟的电子商务平台，重要价值客户达到了一定的比例，在其他电商平台相继发展的大环境下，淘宝应该注重重要挽留客户，但是淘宝目前是中国最受欢迎的电商平台，目前只要保证口碑，适当营销并推出一系列的活动就能稳固部分重要挽留客户，同时，需要提高社群管理的效率，将重要保持客户和重要发展客户转变为重要价值客户，可采取定期发送文案，赠送优惠券等方式，抓住用户渴望被认同，提升优越感，爱占便宜等心理进行考虑。

商品统计

分析指标：销量前十的种类categoryid,销量前十的商品itemid

结论：在购买率前十的商品中，可以观察到点击量到购买量的转化率差别巨大。
推测：

1. 转化率极高(0.6,1]，该商品也许是特定群组非常需要的，他们搜索和点击的目标非常明确，电商平台可以收集用户信息，分析用户画像，结合商品特点，核实是否如此，如果是某类特征明显的用户群体购买更多，可以集中向该类用户多推送。如果没有明显的群体需求，建议对这类商品多做推广，因为原有的购买量比较高，若是能够提高点击量，可能购买量也会再上一个台阶。
2. 转化率一般(0.15,0.6]，电商平台应该重点推送该商品，因为该商品有市场，并且可以多做活动，吸引更多的潜在客户变成购买客户。
3. 转化率极低(0,0.15]，该商品应该从商品本身进行分析，部分转化率极低而销量却排在靠前的商品可能通过广告赚取了一定的点击量，但是购买量相对点击量极低可能是因为用户因为广告推广点击了但是这类商品本身不是用户需要的，又或者价格过高，社会热点造成了炒作营销导致用户好奇的点击，更深的原因需要结合更多的信息进一步分析。

销量前十的种类分析
结论：在购买率前十的商品类目中，分布比较集中，基本上转化率集中在(0,0.2]这个区间，而绝大多数转化率在0.1以内。
推测：这类商品转化率低可能因为同一类商品类目包含很多种商品，用户存在“货比三家”的心理，用户对于需要的该类商品可能不会购买多种商品，而是在该类商品中购买具体的一个商品。
个人思考：对于提高商品类目的转化率，可以考虑优化商品类目所包含的商品对于用户的推荐算法，首先推测用户可能感兴趣的商品类目，然后从用户可能感兴趣的商品类目中推荐有比较性的具体商品，这样可以减少用户比较多个商品来回跳转的点击量，能在更短的时间做出比较并选择要购买的商品。

06 分析结论

1. 基于用户各行为分析，可发现用户在APP上更倾向于组合行为，即点击商品的同时会伴随收藏和加购的行为，而收藏和加购中后者的频率远高于前者，与消费者的消费诉求相关；
2. 未购用户出于闲逛心理和对APP的依赖感，即使在无明确消费诉求时也会登录APP对商品点击浏览，对比有明确需求的用户则会对心仪商品进行收藏加购，以便在活动节点上下单购买；
3. 在9天的统计周期内，已购用户完成4笔以内的订单占据仅80%，其中仅完成1单的用户相对整体已购用户，其决策周期人均四天左右；
   对已购用户的转化贡献行为分析，可发现点击+加购双重行为的用户占比最高，以此可推测此类用户相对其他行为类型用户更容易被转化；
4. 对已购用户的时间分析，可得出单日变化趋势容易受节假日活动的影响，且变化明显，对1天各小时的分析，用户的行为趋势与工作通勤休息密切相关，同时上午十点一般是聚划算活动的开盘时间，所以这也是造成用户在十点形成小高峰的原因

07 python代码

import numpy