MC公司购物网站用户行为分析
MC公司购物网站用户行为分析
项目背景
MC公司原是传统零售行业,随着电子商务发展,为了拓展公司业务,推出网购业务。为了平台创造出更多的利润,并且能够合理的投放广告,使用网站18个月后数据进行分析,根据复够率、回购率、高额消费用户等指标以及消费模型得到高价值的用户进行有针对的客户管理和维护。
一、提出问题
本次数据分析主要想解决以下问题
- 用户各个行为之间的转化率是多少?如何提升用户各个行为转化率。
- 用户在不同时间尺度下的行为规律,找到用户在不同时间周期下的活跃规律。
- 用户分类,哪些是核心用户。
(1) 结构化分析指标体系
根据现有数据及分析目的,从四个维度进行分析:
- 用户购物情况整体分析
- 商品购买情况分析
- 用户行为转化漏斗分析
- 参照RFM模型,对用户进行分类,找出有价值的用户
数据整理
(1)数据源
MC电子商务网站大约有100万用户,本次数据源选取了2019年11月17日到2019年12月5日随机用户的300万条数据。
数据源包含
字段名 | 说明 |
---|---|
用户ID | 整数类型,序列化后的用户ID |
商品ID | 整数类型,序列化后的商品ID |
商品类目ID | 整数类型,序列化后的商品所属类目ID |
行为类型 | 字符串,枚举类型,包括(‘pv’, ‘buy’, ‘cart’, ‘fav’) |
时间戳 | 行为发生的时间戳 |
数据总数统计
用户数 | 产品数 | 商品类目 |
---|---|---|
29211 | 810419 | 6875 |
(2)数据清洗
- 把时间戳数据变为时间格式
- 缺失值处理
- 删除重复值
- 一致化处理
用户行为
(1)总体情况
(1.1)用户转化
只有10%的用户在浏览商品后加入购物车或收藏。也就是说只有10%的用户有购买意愿。加入购物车或收藏的商品只有23%实现最后的支付。
CREATE view Total
AS
select SUM(CASE WHEN "Behavior"='pv' THEN 1 ELSE 0 END) AS "点击数",
SUM(CASE WHEN "Behavior"='fav' THEN 1 ELSE 0 END)AS "收藏数",
SUM(CASE WHEN "Behavior"='cart' THEN 1 ELSE 0 END)AS "加购数",
SUM(CASE WHEN "Behavior"='buy' THEN 1 ELSE 0 END) AS "购买数",
SUM(CASE WHEN "Behavior"='buy' and "Behavior"<cart>''THEN 1 ELSE 0 END)AS "加购数",
COUNT("Behavior") as 总数
from "User"
(1.2)跳出率
跳出率为只浏览一个页面就离开的访问次数/页面全部访问次数
9天页面跳出率为12.7%,跳出率过高,应深入探究用户体验不好的原因,是否和页面布局,广告,或者商品有关, 进而有针对性调整页面,降低跳出率。
CREATE view "ti
as
SELECT "date",userid
from "User"
GROUP BY "date","userid"
HAVING count("Behavior")=1;
select A.date,A.sumT,b.tiao
from (select "date", count(DISTINCT "userid") as "sumT"
from "User"
group by "date") as A,(select "date", count("userid") AS "tiao"
from "tiao"
group by "date") AS b
where A.date=b.date
(2)用户行为时间规律
(2.1)用户活跃日统计
- 11月25、26日和12月2、3日是周末日,可以看出周周末访问量较工作日有明显上升,可见网站在周末时访问量高,是否可以利用该时间段做相应营销活动和增加新品曝光率。
- 虽网站商品点击率高,但工作日的有效访问率比较高 ,11月27日购买率较周末高0.4%,因深入分析是否与网站页面布局、商品陈列、个性化推荐等等因素有关,以便后期提升用户购买率做准备。
CREATE VIEW Behavior
as
SELECT "date",
SUM(CASE WHEN "Behavior"='pv' THEN 1 ELSE 0 END) AS "点击数",
SUM(CASE WHEN "Behavior"='fav' THEN 1 ELSE 0 END) AS "收藏数",
SUM(CASE WHEN "Behavior"='cart' THEN 1 ELSE 0 END) AS "加购数",
SUM(CASE WHEN "Behavior"='buy' THEN 1 ELSE 0 END) AS "购买数",
count("Behavior") AS "行为总数"
FROM "User"
GROUP BY "date";
(2.2)用户活跃时间段统计
- 由图可知20-22点是用户登录高峰,该时间段用户习惯加入 购物车或收藏商品,但购买率并不高。因该是以浏览为主,可针对该时间段用户特征做针对性的个性化推荐,增加用户购买率。
- 中午10-14点期间,用户登录购买意愿较强烈,故该时间段购买率高。
CREATE view Timesum
AS
SELECT "substring"("text"("time"), 1, 2) as "时间",
SUM(CASE WHEN "Behavior"='pv' THEN 1 ELSE 0 END) AS "点击数",
SUM(CASE WHEN "Behavior"='fav' THEN 1 ELSE 0 END) AS "收藏数",
SUM(CASE WHEN "Behavior"='cart' THEN 1 ELSE 0 END) AS "加购数",
SUM(CASE WHEN "Behavior"='buy' THEN 1 ELSE 0 END) AS "购买数"
FROM "User"
GROUP BY "时间"
用户价值规律
(1) 用户留存
本次使用1周数据 ,计算出网站一周用户登录留存率为98%,一周复购率为89%。可见网站客户忠诚度较高,因继续做好用户管理,提升用户购买率。
(2) 用户行为
参考二八法则和RFM模型。把用户分为四个层级,各层级占比和分类方法如下:
用户类型 | 用户数 | 用户占比 | 贡献占比 | 定义 |
---|---|---|---|---|
普通用户 | 29211 | 100% | 100% | 所有登录用户 |
活跃用户 | 22877 | 78% | 87% | 9天内浏览页面超过30 |
价值用户 | 13208 | 45% | 80% | 购买量占总量80%的用户数 |
高价值用户 | 5960 | 20% | 57% | 9天内销量Top20%人 |
- 由图可知用户活跃度还是比较高的,后期工作因重点关注用户行为转换,从商品品类、价格、样式、网页布局、营销方式、客服等各个方面分析影响用户购买率的因素,通过活动,打造爆品,商品管理等等方式提高用户购买率。
- 对于高价值用户,建议要更全面地了解,开发用户信息库,建立详实的用户资料数据库,追踪记录顾客的交易情况。或者线上组建VIP客户微信群等,针对这些用户的购买偏好推送更精准的销售方案。
总结
- 9天内浏览页面数用户活跃度较高,但用户总体收藏率只有3%和加只有6%,最后购买的只有2%,可见用户总体购买意愿较低。用户在浏览商品详情页后出现了大量的流失。建议通过活动、优惠券、产品详情页的改进等提高转化。
- 周末相对于工作日,流量增长明显。20时到22时用户比较活跃,建议可以在周末这个时段进行推广以使运营效果最大化。
- 45%的用户,创造80%的利润,我们把这45%的用户定义为价值用户。20%的用户,创造57%的利润,我们把这部分用户定义为高价值用户。价值用户集中度高,建议开发用户信息库,建立详实的用户资料数据库,追踪记录顾客的交易情况。或者线上组建VIP客户微信群等,针对这些用户的购买偏好推送更精准的销售方案。
MC公司购物网站用户行为分析相关推荐
- 大数据课程综合实验案例:网站用户行为分析
大数据课程综合实验案例 1 案例简介 1.1 案例目的 1.2 适用对象 1.3 时间安排 1.4 预备知识 1.5 硬件要求 1.6 软件工具 1.7 数据集 1.8 案例任务 1.9 实验步骤 2 ...
- 电子商务网站用户行为分析及服务推荐
一.背景介绍 1.问题描述 本文主要研究对象是某家法律网站,这是家电子商务类大型法律资讯网站,致力为用户提供丰富的法律信息与专业咨询服务,也为律师与律所提供有效的互联网整合营销解决方案,访问量剧 ...
- 数据分析与挖掘实战-电子商务网站用户行为分析及服务推荐
电子商务网站用户行为分析及服务推荐 背景 随着互联网和信息技术的迅速发展,电子商务.网上服务与交易等网络业务越来越普及,大量的信息聚集起来,形成了"海量"信息.用户想要从海量信息中 ...
- 网站用户行为分析项目之会话切割(一)
文章目录 0x00 教程内容 0x01 项目分析 1. 项目背景 2. 学习收获 3. 数据源介绍 4. 项目总体流程 5. 最终数据结构 0x02 编程实现 1. 构建Maven项目 2. 编码前准 ...
- 基于hadoop的小红书电商网站用户行为分析系统毕业论文+任务书+开题报告+答辩PPT+知网查重报告+项目源码及Mysql数据
基于hadoop的小红书电商网站用户行为分析系统毕业论文+任务书+开题报告+答辩PPT+知网查重报告+项目源码及Mysql数据库-99源码网,程序代做,代写程序代码,代写编程,代写Java编程,代写p ...
- 聚类分析在用户行为中的实例_网站用户行为分析案例
一.案例综述 案例编号:101001 案例名称:互联网行业--网站用户行为分析 作者姓名(或单位.或来源):刘莎莎 案例所属行业:G6020互联网信息 案例所用软件: .Sas EG.TOAD.SAS ...
- 教育类型网站用户体验分析——以UMU学习平台、学生安全教育平台、师路南通为例...
一.主要目标 1 对比UMU学习平台.学生安全教育平台,针对师路南通,开展UX分析: 2 基于实例分析,体会用户体验设计的7条准则. 二.基本要求 1 基于我们列出的 7 条UX评价准则,分析&quo ...
- 【机器学习项目实战】Python基于协同过滤算法进行电子商务网站用户行为分析及服务智能推荐
说明:这是一个机器学习实战项目(附带数据+代码+文档+代码讲解),如需数据+代码+文档+代码讲解可以直接到文章最后获取. 1.项目背景 电子商务网站数量迅速上升,将电子商务网站浏览者变为实际消费者,满 ...
- CDNow网站用户消费行为分析
目录 1.简介 1.1 数据集说明 1.2 分析思路 2.分析结果及建议 2.1 总体消费情况 2.2 客户获取和留存 2.3 客户价值分析 2.4 客户生命周期分析 3.数据处理过程 3.1 数据预 ...
最新文章
- Autojs自动化 实现自动删除公众号文章(通过订阅号助手删除)
- movsb movsw movsd 指令详解
- apt-get 与 yum的区别 (转)
- 破解SQLSERVER存储过程的加密
- 九点标定进行仿射变换halcon仿真代码
- .net core实践系列之短信服务-Sikiro.SMS.Api服务的实现
- LightOJ 1422 区间DP Halloween Costumes
- 【Redis】三、Redis安装及简单示例
- 捕获异常_Recover捕获异常
- Wpf中通过绑定来更新textbox的值
- ES5(二)——替换this 之call()、apply()和bind()
- Golang 学习笔记(08)—— 文件操作
- 如何在矩池云GPU云中安装MATLAB 2019b软件
- 网页制作初期,必须的东西
- CSDN VIP文章
- js css自动幻灯片切换,纯js和CSS3炫酷自动幻灯片特效
- Linux命令中CVf参数代表什么,Linux tar 命令使用参数详解
- cocos creator全局开关音效设置之静音开关
- 2512厚膜贴片电阻使用介绍
- Android Xposed模块动态隐藏桌面图标
热门文章
- matlab错误ceq未赋值,MATLAB规划问题——线性规划和非线性规划(from CSDN echo_hello)...
- ElasticSearch 6.3.2版本使用 ik + 拼音复合分词 搜索
- failed to install Tomcat6 service解决办法
- 谷歌浏览器卸载之后重新安装提示已经安装高版本
- 编写计算机软件,编写软件是一种艺术
- 【LeetCode】验证外星语词典
- 真实有效!!解决SVN 中Failed to run the WC DB work queue的错误方法
- 视频上传,视频压缩FFMpeg
- unity-jsb 简介
- Warning: ORA-16792: configurable property value is inconsistent with member setting