项目背景
本数据分析报告以淘宝平台用户行为为数据集，使用SQL处理数据，并结合Tableau数据可视化工具，通过用户的浏览、加购、收藏和购买等操作分析用户行为，结合电商行业指标和模型分析业务问题，提供针对性的运营策略。
提出问题
分析用户使用淘宝电商平台中的常见电商分析指标，确定各个环节的流失率，找到需要改进的环节
研究用户在不同时间尺度下的行为，找到用户在不同时间周期下的活跃规律
探索用户对不同商品及商品种类的偏好，优化商品推荐
找出最具价值的核心付费用户群，对这部分用户的行为进行分析
2. 分析指标、模型
流量指标分析：浏览量(PV)、独立访客数(UV)、平均浏览量(PV/UV)、跳失率
用户购买行为分析：付费率、复购率、用户转化漏斗模型、独立访客转化率、用户活跃时段
商品销售分析：不同商品销量、不同商品类目销量
用户价值分析：RFM模型、高价值用户行为分析
理解数据
数据来源：阿里云天池
数据集包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为(行为包括点击、购买、加购、收藏)。由于总记录为1亿条，数量过大，此处只处理100万条数据作为代表，这部分数据中包含9739名用户的行为记录。
2. 字段含义
3. 数据局限性
数据的统计时间范围为2017年11月25日至2017年12月3日，共9天。统计时间范围内的用户行为可能受双十二购物节的预热活动影响。由于时间范围较短，无法通过对数据指标进行同比、环比分析，验证结论的典型性和分析双十二预热活动对用户行为的影响。
流量指标分析
2017年11月25日至2017年12月3日统计时间内，总浏览量为895636.总独立访客数为9739.人均浏览量约为92次。
在统计时间范围内，11月25-26日与12月2-3日为周末。从周指标流量指标看，PV和UV在两个周末均出现了峰值。相较于周末，工作日的浏览量和独立访客数较低，在11月27日(周一)PV和UV分别下降了8.8%和1.43%，推测可能由于工作日开始，用户可用于在线购物的空闲时间较少。在周中PV和UV呈持续增长趋势，推测可能由于用户周中压力增大，投入更多时间放松和休息。
在第二个周末12月2-3日，相较于工作日，PV和UV有较大幅度的增长。12月2日(周六)较12月2日(周五)PV和UV分别增长了25.86%和31.60%。由于在上一个周末各项数据指标并未存在明显涨幅，因此推测在12月2-3日数据指标上涨可能受双十二预热活动影响。
从日指标流量指标看，用户在晚上(20:00-00:00)最活跃，PV和UV的峰值出现在21:00.
在统计时间范围内，只有7个人只浏览一个页面就离开了，跳失率为0.07%，用户使用体验较好，对用户具有足够的吸引力。
用户购买行为分析
在统计时间范围内，有4429名用户有超过一次的购买行为，复购率为66.21%，用户粘性较高。
通过构建用户转化漏斗模型，得到用户行为转化率结果。由于收藏和加购均为用户确定购买意向的行为，因此将其视为一个用户转化阶段。由浏览到加购收藏的用户转化率为9.33%，由页面浏览到最终购买的转化率为2.27%，而有加购收藏行为的用户中有24.37%的用户最终购买商品。从浏览到加购收藏的转化率较低。虽然一部分用户可能在浏览页面直接购买而跳过了加购收藏行为，但同样反映出大多数用户较少使用加购收藏功能。此环节需要重点改善。
通过构建独立访客转化模型，得到独立访客转化率结果。在统计时间范围内，有68.92%的用户在淘宝平台上有超过一次购买行为，用户忠诚度较高。
对用户活跃时段分析，可知用户的购买、收藏加购行为与UV、PV变化趋势一致。
商品销售分析
统计所有商品的销量，用户仅购买一次的商品占总商品数量的88.45%，用户购买两次的商品占总商品数量的8.93%，商品的销量呈现长尾效应，主要由2次以下购买次数的商品带动。
销量前10的商品中，商品ID为3122135的商品销量最高，为17次，但其浏览量明显低于商品销量排名第9和第10的商品。
销量前10的商品类目中，商品类目ID为2735466的商品类目销量最高，商品类目ID为4756105的商品类目的浏览量最高。
用户价值分析
基于RFM模型进行用户分层分析，由于数据集中缺少订单金额数据，因此本次分析中不考虑M维度，只分析R、F两个维度，对客户价值进行打分,并对用户分层。根据用户最近购买时间，对用户价值R值打分，将其分为4档，0-1.2-3.4-5.6-24.5-8分别对应评分4到1;根据用户消费频率，对用户价值F值打分，将其分为4档，1-18.19-36.37-54.55-72.分别对应评分1到4.
发展用户(F<=2.R>2)占比最大，占平台用户的83.43%，这部分用户具有较大潜在价值;挽留用户(F<=2.R<=2)占平台用户的16.47%，这部分用户的粘性较低;价值用户(F>2.R>2)占比较少，这部分用户为平台的核心用户;保持用户(F>2.R<=2)占比最少，这部分用户粘性较低而购买能力强，需要及时唤回。
以用户价值为44.距上次购买日期间隔排名、购买次数排名均为第1.用户ID为107932的用户为例，对高价值用户进行深入分析。
从周活跃时段看，该用户消费频次较高，几乎每天都有购买行为，主要活跃时段集中于周日到周三。
从日活跃时段看，该用户主要活跃时段集中中午11：00和晚上22：00-0：00.
该用户未过收藏功能，购物车的使用也较少使用，推测购买方式多为在浏览页面一键下单。根据该用户常购买的商品类型，可进行个性化的相关商品推荐。
结论及建议
平台可在每天的晚间时段和周末重点投放上新通知、满减活动、直播带货等活动推广，以充分释放用户购买冲动。
用户浏览到有购买意向的转化率较低，通过改进UI、简化加购收藏流程、对通过加购收藏购买商品的用户补贴或赠送赠品，引导和鼓励用户对商品同时进行收藏和加购。
重点关注浏览量高购买量低的商品，通过优化平台的搜索匹配度和推荐策略、优化商品展示的形式突出显示用户关注的重点信息、调整定价策略，提高这类吸引用户更多注意力的商品的销量转化率，进而提高商品的整体销量。
发展用户的用户占比最大，占平台用户的83.43%，这部分用户具有较大潜在价值，可对这部分用户进行个性化推荐、发送活动通知等措施，提高其消费频率。挽留用户的粘性较低，可通过针对性补贴和优惠活动，提高其活跃度和留存率。保持用户粘性较低而购买能力强，可通过发送活动通知，及时唤回该部分用户。
价值用户为平台的核心用户，可通过个性化的推荐进一步提高用户粘性，可尝试通过拉新活动鼓励其邀请新用户，对平台进行口碑推广，同时根据活跃时段和商品购买喜好针对针对性的推送活动和商品推荐。活动投放时需谨慎对待，避免引起用户反感。
乐发网超市批发网提供超市货源信息,超市采购进货渠道。超市进货网提供成都食品批发,日用百货批发信息、微信淘宝网店超市采购信息和超市加盟信息.打造国内超市采购商与批发市场供应厂商搭建网上批发市场平台,是全国批发市场行业中电子商务权威性网站。
本文来源： 淘宝用户行为分析 - 数据分析报告
