分析背景

淘寶網(wǎng)，是全球最受歡迎的網(wǎng)購(gòu)零售平臺(tái)之一，擁有近5億的注冊(cè)用戶數(shù)，每天有超過(guò)6千萬(wàn)的固定訪客，同時(shí)每天的在線商品數(shù)已經(jīng)超過(guò)了8億件，平均每分鐘售出4.8萬(wàn)件商品。

作為電商行業(yè)的標(biāo)桿，淘寶網(wǎng)的用戶行為數(shù)據(jù)，一定程度上反映了用戶的購(gòu)買(mǎi)行為規(guī)律。本項(xiàng)目利用MySQL對(duì)淘寶用戶行為數(shù)據(jù)進(jìn)行分析，探索不同用戶的消費(fèi)習(xí)慣，結(jié)合店鋪營(yíng)銷(xiāo)策略，以實(shí)現(xiàn)精準(zhǔn)化運(yùn)營(yíng)，減少運(yùn)營(yíng)成本，增加店鋪營(yíng)收。

分析目標(biāo)與思路

探索目標(biāo)：每日不同時(shí)段流量走勢(shì)，質(zhì)量如何？用戶行為轉(zhuǎn)化情況怎樣？如何提高留存、增加復(fù)購(gòu)？如

何判斷高價(jià)值用戶，針對(duì)不同用戶如何進(jìn)行個(gè)性化營(yíng)銷(xiāo)？

分析思路：

• 流量指標(biāo)分析：對(duì)比每日每小時(shí)的PV（訪問(wèn)量）、UV（訪客數(shù)）、平均訪問(wèn)量（PV/UV），在不
• 同時(shí)間發(fā)布不同的營(yíng)銷(xiāo)活動(dòng)，尋找更優(yōu)質(zhì)的拉新渠道。
• 行為轉(zhuǎn)化分析：統(tǒng)計(jì)用戶不同行為的轉(zhuǎn)化情況，簡(jiǎn)化交易流程，提高轉(zhuǎn)化率。
• 消費(fèi)偏好分析：根據(jù)熱銷(xiāo)商品和熱銷(xiāo)類(lèi)目，選定營(yíng)銷(xiāo)主題。
• 用戶價(jià)值分析：對(duì)用戶進(jìn)行價(jià)值分層，針對(duì)不同層級(jí)的用戶制定不同的營(yíng)銷(xiāo)策略。

數(shù)據(jù)準(zhǔn)備

1.數(shù)據(jù)獲取

數(shù)據(jù)集來(lái)源于淘寶APP移動(dòng)端，2014年11月18日至2014年12月18日的用戶行為數(shù)據(jù)。

2.數(shù)據(jù)理解

表中有7個(gè)字段：用戶ID、商品ID、商品類(lèi)目ID、用戶行為類(lèi)型、用戶所在地理位置、用戶行為時(shí)間、金額，一共有12256905條數(shù)據(jù)。限于電腦性能，僅提取前1048575條記錄用作分析。

• pv：點(diǎn)擊，用戶訪問(wèn)商品詳情頁(yè)。必須是商品詳情頁(yè)的流量，淘寶網(wǎng)首頁(yè)、搜索結(jié)果頁(yè)等頁(yè)面的點(diǎn)擊流量不算在內(nèi)。
• fav：收藏，用戶將商品加入收藏夾，便于下次訪問(wèn)。收藏夾中的商品不可直接購(gòu)買(mǎi)，必須再次發(fā)生“點(diǎn)擊”行為后，在商品詳情頁(yè)方可購(gòu)買(mǎi)。
• cart：加購(gòu)，用戶將商品添加到購(gòu)物車(chē)。用戶可從購(gòu)物車(chē)直接購(gòu)買(mǎi)商品，無(wú)須再次產(chǎn)生“點(diǎn)擊”行為。
• buy：下單，用戶點(diǎn)擊提交訂單購(gòu)買(mǎi)商品。

3.數(shù)據(jù)清洗

3.1建表導(dǎo)數(shù)：

create database taobao;

use taobao;

create table UserBehavior(

user_id int,

item_id int,

item_category int,

behavior_type varchar(10),

user_geohash varchar(10),

times datetime,

amount decimal(5,2)

);

load data infile "C:/ProgramData/MySQL/MySQL Server

8.0/Uploads/UserBehavior.csv"

into table UserBehavior

fields terminated by ','

ignore 1 lines;

3.2缺失值處理：

查詢結(jié)果中發(fā)現(xiàn)user_geohash字段存在缺失值，缺失比例超過(guò)50%。缺失嚴(yán)重的數(shù)據(jù)在后續(xù)分析中意義不大，可做刪除處理。

3.3異常值檢查

檢查發(fā)現(xiàn)該數(shù)據(jù)集中不存在異常值。

3.4重復(fù)記錄處理

該數(shù)據(jù)集有86478條重復(fù)記錄，篩選不重復(fù)的記錄共962097行。

3.5字段處理：

根據(jù)times字段增加計(jì)算字段用戶行為日期、周和小時(shí)，排除后續(xù)分析不需要的user_geohash字段，并將篩選后的結(jié)果保存到新表。

清洗后的數(shù)據(jù)集共962097條記錄，展示了2014-11-18至2014-12-18這一個(gè)月內(nèi)，8477位用戶對(duì)7095個(gè)類(lèi)目下701609個(gè)商品產(chǎn)生的902050次點(diǎn)擊，29016次加購(gòu)，20930次收藏，10101次購(gòu)買(mǎi)行為。

數(shù)據(jù)分析

1.流量指標(biāo)分析

• 瀏覽量PV：頁(yè)面瀏覽量或點(diǎn)擊量Page View，用戶每打開(kāi)一個(gè)網(wǎng)頁(yè)就記錄1次PV，用戶多次訪問(wèn)同一頁(yè)面PV累計(jì)多次。
• 訪客數(shù)UV：訪問(wèn)頁(yè)面的獨(dú)立訪客Unique Visitor，用戶訪問(wèn)該頁(yè)面的一臺(tái)電腦客戶端為一個(gè)訪客，以瀏覽器的cookie為依據(jù)，同一個(gè)用戶多次訪問(wèn)只計(jì)算一個(gè)UV。
• 人均瀏覽量PV/UV：平均每個(gè)獨(dú)立訪客的瀏覽次數(shù)，體現(xiàn)網(wǎng)站對(duì)用戶的吸引程度。

查詢結(jié)果中發(fā)現(xiàn)瀏覽量PV、訪客量UV和人均瀏覽量的總體變化趨勢(shì)是相同的。11月18-29日，PV在25000-28000之間，UV在5800-6200之間，人均瀏覽量在4.1-4.6之間，成交量在260-320之間，銷(xiāo)售額在20000-28000之間；11月30日-12月10日，PV在27000-31000之間，UV在6000-6400之間，人均瀏覽量在4.4-4.9之間，成交量在280-370之間，銷(xiāo)售額在22000-30000之間；12月11日、12日因雙12的緣故，PV分別達(dá)到了35851、51034，UV分別為6576、7049，人均瀏覽量分別為5.5、7.2，成交量分別為409、569，銷(xiāo)售額分別為32022.71、46100.93；而在雙12之后，PV也穩(wěn)定在28000-30000之間，UV在6000-6200之間，人均瀏覽量在4.6-4.8之間，成交量在280-340之間，銷(xiāo)售額在22000-28000之間，遠(yuǎn)遠(yuǎn)優(yōu)于11月29日之前的數(shù)據(jù)，說(shuō)明雙12的營(yíng)銷(xiāo)活動(dòng)對(duì)用戶行為有顯著影響。

同時(shí)，在11月21、28日，12月5日，瀏覽量PV、訪客量UV、人均瀏覽量、成交量和銷(xiāo)售額都出現(xiàn)了不同程度的下滑。細(xì)查發(fā)現(xiàn)以上三天都是周五，觀察流量的周期性變化中發(fā)現(xiàn)，每周二到周四數(shù)據(jù)比較穩(wěn)定，周五到周一會(huì)出現(xiàn)小幅度下滑，這跟大部分用戶的工作和生活習(xí)慣息息相關(guān)。

從每天的時(shí)間段來(lái)看，21點(diǎn)和22點(diǎn)是用戶活躍的高峰時(shí)間，人均瀏覽量在10次以上，22點(diǎn)之后一路下降，一直到凌晨4點(diǎn)降到最低值，4點(diǎn)到10點(diǎn)漸漸回溫，10點(diǎn)到18點(diǎn)基本穩(wěn)定，18點(diǎn)之后開(kāi)始一路攀升，商家可以集中資源，在用戶活躍度較高的時(shí)間段采取一些引流手段。

2.行為轉(zhuǎn)化分析

瀏覽人數(shù)：點(diǎn)擊產(chǎn)品詳情頁(yè)的用戶數(shù)

收藏人數(shù)：收藏產(chǎn)品產(chǎn)品詳情頁(yè)的用戶數(shù)

加購(gòu)人數(shù)：將產(chǎn)品添加到購(gòu)物車(chē)的用戶數(shù)

購(gòu)買(mǎi)人數(shù)：下單的用戶數(shù)

在所有用戶行為數(shù)據(jù)中瀏覽產(chǎn)品詳情頁(yè)后產(chǎn)生購(gòu)買(mǎi)行為的用戶只有4330人，占瀏覽用戶的51%，也就是說(shuō)，還有49%的用戶行為是沒(méi)有轉(zhuǎn)化為成交的，用戶在瀏覽商品詳情頁(yè)后出現(xiàn)了大量的流失。那么從瀏覽到購(gòu)買(mǎi)，每個(gè)環(huán)節(jié)的轉(zhuǎn)化率是多少？用戶主要是在哪個(gè)環(huán)節(jié)流失的呢？

對(duì)比發(fā)現(xiàn)，從瀏覽到收藏的轉(zhuǎn)化率僅為38.73%，而瀏覽到加購(gòu)的轉(zhuǎn)化率為61.41%。因?yàn)槭詹睾图淤?gòu)行為之間并沒(méi)有直接的先后關(guān)系，且加入收藏后并沒(méi)有可以下單的入口，如果需要購(gòu)買(mǎi)必須重新點(diǎn)擊商品進(jìn)入詳情頁(yè)才能下單，所以用戶更愿意將感興趣或有購(gòu)買(mǎi)意向的商品添加到購(gòu)物車(chē)。

在瀏覽-加購(gòu)-購(gòu)買(mǎi)的購(gòu)物行為路徑中，加購(gòu)轉(zhuǎn)化率為61.41%，購(gòu)買(mǎi)轉(zhuǎn)化率為83.21%，也就是說(shuō)大部分的用戶更偏向于將商品添加到購(gòu)物車(chē)后下單，可能是為了湊單參加滿減優(yōu)惠。

分析每天瀏覽-加購(gòu)-購(gòu)買(mǎi)的轉(zhuǎn)化率情況發(fā)現(xiàn)，瀏覽-加購(gòu)的轉(zhuǎn)化率變化并不明顯，雙十二之前穩(wěn)定在10%-13%之間，僅在雙十二當(dāng)天達(dá)到17.26%，且在雙十二之后轉(zhuǎn)化率明顯下降。而加購(gòu)-購(gòu)買(mǎi)的轉(zhuǎn)化率波動(dòng)較大，在感恩節(jié)、服飾煥新和雙十二活動(dòng)前后分別達(dá)到了45.48%、44.21%、42.81%，而雙十二之后的數(shù)據(jù)表現(xiàn)也明顯優(yōu)于雙十二之前，說(shuō)明部分商品在雙十二之后依然有返場(chǎng)活動(dòng)，促進(jìn)用戶消費(fèi)。

3.消費(fèi)偏好分析

根據(jù)二八法則即20%的產(chǎn)品貢獻(xiàn)了80%的銷(xiāo)售額甚至更多，將產(chǎn)品的貢獻(xiàn)定量分析，哪些類(lèi)目的商品貢獻(xiàn)了多少的消費(fèi)額。

在2066個(gè)商品類(lèi)目中，銷(xiāo)售額排名前623個(gè)類(lèi)目貢獻(xiàn)了646009.09的銷(xiāo)售額，可集中人力和財(cái)力優(yōu)化這些類(lèi)目的商品及渠道。

4.用戶價(jià)值分析

通過(guò)對(duì)用戶價(jià)值的細(xì)分，進(jìn)行差異化的精細(xì)運(yùn)營(yíng)，從而提升運(yùn)營(yíng)效率和用戶體驗(yàn)。RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具，通過(guò)客戶的消費(fèi)時(shí)間間隔（Recency）、消費(fèi)頻率（Frequency）以及消費(fèi)金額（Monetary）三項(xiàng)指標(biāo)來(lái)描述客戶的價(jià)值狀況。

-- 查詢每個(gè)用戶消費(fèi)時(shí)間間隔、消費(fèi)頻次、消費(fèi)金額

+-----------+--------------+----------+----------+----------+

| user_id | 最近消費(fèi)時(shí)間 | 間隔天數(shù) | 購(gòu)買(mǎi)次數(shù) | 消費(fèi)金額 |

+-----------+--------------+----------+----------+----------+

| 101260672 | 2014-11-20 | 29 | 1 | 72.55 |

| 116730636 | 2014-12-18 | 1 | 4 | 372.04 |

| 104811265 | 2014-12-09 | 10 | 1 | 120.71 |

| 106230218 | 2014-12-16 | 3 | 3 | 132.73 |

| 100684618 | 2014-12-12 | 7 | 3 | 203.67 |

| 103802946 | 2014-12-18 | 1 | 2 | 139.38 |

| 103891828 | 2014-12-15 | 4 | 6 | 496.24 |

| 116678892 | 2014-11-23 | 26 | 1 | 129.20 |

| 106557109 | 2014-11-22 | 27 | 1 | 38.06 |

| 104221274 | 2014-11-30 | 19 | 2 | 138.21 |

+-----------+--------------+----------+----------+----------+

-- RFM評(píng)分

+-----------+-------+-------+-------+

| user_id | R評(píng)分 | F評(píng)分 | M評(píng)分 |

+-----------+-------+-------+-------+

| 101260672 | 1 | 1 | 1 |

| 116730636 | 5 | 4 | 4 |

| 104811265 | 4 | 1 | 2 |

| 106230218 | 5 | 3 | 2 |

| 100684618 | 4 | 3 | 3 |

| 103802946 | 5 | 2 | 2 |

| 103891828 | 5 | 5 | 5 |

| 116678892 | 1 | 1 | 2 |

| 106557109 | 1 | 1 | 1 |

| 104221274 | 2 | 2 | 2 |

+-----------+-------+-------+-------+

-- RFM均值

+------------+------------+------------+

| avg(R評(píng)分) | avg(F評(píng)分) | avg(M評(píng)分) |

+------------+------------+------------+

| 3.5984 | 2.1039 | 2.2051 |

+------------+------------+------------+

-- RFM用戶價(jià)值

+-----------+-------+-------+-------+-------+-------+------+------------+

| user_id | R評(píng)分 | F評(píng)分 | M評(píng)分 | R程度 | F程度 | M程度 | 用戶價(jià)值 |

+-----------+-------+-------+-------+-------+-------+------+------------+

| 101260672 | 1 | 1 | 1 | 低 | 低 | 低 | 一般挽留用戶 |

| 116730636 | 5 | 4 | 4 | 高 | 高 | 高 | 重要價(jià)值用戶 |

| 104811265 | 4 | 1 | 2 | 高 | 低 | 低 | 一般發(fā)展用戶 |

| 106230218 | 5 | 3 | 2 | 高 | 高 | 低 | 一般價(jià)值用戶 |

| 100684618 | 4 | 3 | 3 | 高 | 高 | 高 | 重要價(jià)值用戶 |

| 103802946 | 5 | 2 | 2 | 高 | 低 | 低 | 一般發(fā)展用戶 |

| 103891828 | 5 | 5 | 5 | 高 | 高 | 高 | 重要價(jià)值用戶 |

| 116678892 | 1 | 1 | 2 | 低 | 低 | 低 | 一般挽留用戶 |

| 106557109 | 1 | 1 | 1 | 低 | 低 | 低 | 一般挽留用戶 |

| 104221274 | 2 | 2 | 2 | 低 | 低 | 低 | 一般挽留用戶 |

+-----------+-------+-------+-------+-------+-------+------+------------+

對(duì)用戶進(jìn)行價(jià)值分層后，針對(duì)不同價(jià)值類(lèi)型的用戶實(shí)行不同的營(yíng)銷(xiāo)策略。

一般挽留用戶占比34.36%，占比最高，其交易時(shí)間間隔長(zhǎng)，交易頻率低，消費(fèi)金額低，存在流失風(fēng)險(xiǎn)，可以及時(shí)與用戶取得聯(lián)系，明確流失原因或了解用戶需求，想辦法挽回用戶。

一般發(fā)展用戶占比31.29%，占比排名第二，其交易時(shí)間間隔短，但消費(fèi)頻率和消費(fèi)金額都很低，可以利用推薦系統(tǒng)推薦其平時(shí)瀏覽的同類(lèi)商品，或與此類(lèi)客戶有相同購(gòu)買(mǎi)屬性人群購(gòu)買(mǎi)的商品，發(fā)送滿減優(yōu)惠券等，避免用戶流失。

重要價(jià)值客戶占比23.86%，其交易時(shí)間間隔短，消費(fèi)頻率高，消費(fèi)金額高，應(yīng)加強(qiáng)交流與互動(dòng)，深入了解用戶需求，提供個(gè)性化服務(wù)，增加用戶粘性?？梢詫?duì)該類(lèi)用戶提供VIP服務(wù)機(jī)制，提升用戶體驗(yàn)與忠誠(chéng)度。

總結(jié)和建議

根據(jù)流量數(shù)據(jù)指標(biāo)分析，每天的18-22時(shí)是用戶活躍高峰期，可集中資源在該時(shí)間段進(jìn)行引流與營(yíng)銷(xiāo)活動(dòng)，如推送爆款及暢銷(xiāo)商品，同時(shí)發(fā)送商家折扣優(yōu)惠、直播帶貨及促銷(xiāo)活動(dòng)消息，提高商品購(gòu)買(mǎi)率。

從用戶行為轉(zhuǎn)化漏斗分析，瀏覽到加購(gòu)的轉(zhuǎn)化率遠(yuǎn)遠(yuǎn)高于瀏覽到收藏的轉(zhuǎn)化率，且加購(gòu)到購(gòu)買(mǎi)的轉(zhuǎn)化率高達(dá)83.21%。交易流程越多，用戶流失的可能性就越大，瞬間購(gòu)買(mǎi)欲望的涌現(xiàn)，往往時(shí)效性較短，每多一步流程，就多一份流失率。所以刪除不必要的跳轉(zhuǎn)界面，讓交易的完成時(shí)間更短，不要給用戶過(guò)多的猶豫時(shí)間。例如優(yōu)惠券的選擇，還需要繁瑣的領(lǐng)取步驟，滿足優(yōu)惠條件默認(rèn)領(lǐng)取相應(yīng)最大的優(yōu)惠，并在最后付款界面突出優(yōu)惠券帶來(lái)的滿減信息，促使用戶的成交花費(fèi)時(shí)間更短。關(guān)于購(gòu)物車(chē)，可以增加一個(gè)清理機(jī)制，比如加入購(gòu)物車(chē)以后多少天不成交就清除，每隔一段時(shí)間就提醒用戶購(gòu)物車(chē)內(nèi)還有什么商品未下單，什么時(shí)間商品將被清除。收藏和購(gòu)物車(chē)的功能有一定的同質(zhì)性，關(guān)于這一點(diǎn)，淘寶沒(méi)有做明顯的區(qū)分，導(dǎo)致購(gòu)物車(chē)只是簡(jiǎn)便版的收藏。反觀同電商領(lǐng)域的拼多多，沒(méi)有設(shè)置購(gòu)物車(chē)功能，并且成交環(huán)節(jié)縮短至4步。

根據(jù)用戶消費(fèi)偏好分析，將流量更多地聚焦于暢銷(xiāo)的商品，通過(guò)明星效應(yīng)/網(wǎng)紅推薦，結(jié)合主題活動(dòng)和節(jié)日，打造爆款的產(chǎn)品，并利用爆款產(chǎn)品帶動(dòng)整體商品的銷(xiāo)售。

根據(jù)RFM用戶價(jià)值分類(lèi)結(jié)果，一般挽留用戶存在流失風(fēng)險(xiǎn)，可適當(dāng)給予折扣或捆綁銷(xiāo)售政策，通過(guò)一些補(bǔ)貼優(yōu)惠，培養(yǎng)用戶的購(gòu)買(mǎi)習(xí)慣。一般發(fā)展用戶存在價(jià)值潛力，要想辦法主動(dòng)聯(lián)系客戶，如短信、郵件、push提醒等方法，進(jìn)行好物推薦等，提高用戶的復(fù)購(gòu)率。重要價(jià)值客戶其交易時(shí)間間隔短，消費(fèi)頻率高，消費(fèi)金額高，應(yīng)加強(qiáng)交流與互動(dòng)，比如優(yōu)化個(gè)人信息界面，加入成長(zhǎng)值系統(tǒng)，到達(dá)一定等級(jí)，享受一些特權(quán)或優(yōu)惠，可參考騰訊游戲的心悅會(huì)員制度。