Airbnb(爱彼迎）产品分析报告

一、Airbnb背景

Airbnb成立于2008年，一家联系旅游人士和家有空房出租的房主的服务型网站，它可以为用户提供多样的住宿信息。用户可通过网络或手机应用程序发布、搜索度假房屋租赁信息并完成在线预定程序。

二、分析问题

Airbnb能发展得如此迅速，在业务运营方面必然有闪亮的地方，故分析目标：分析业务闪亮点，以及业务中还存在哪些不足。
在AARRRR模型中，第一个A（用户获取），是业务发展的前提，故提高新用户获取的数量和质量是非常重要的，所以分析的第一个方向是：用户画像；产品推广渠道是用户转化的一个重要因素，分析的第二个方向是：产品推广渠道分析；转化漏斗可以有效针对流失环节进行分析，分析的第三个方向是：转化漏斗分析。

针对分析的方向，提出以下三个问题：

airbnb的目标用户群体具有什么样的特征？
airbnb当前的推广渠道质量情况？
当前的转化率和流失率中哪里哪一个环节存在问题？

针对三个问题，我们根据以下维度来具体分析：
1、用户画像分析

用户性别的分布特征；
用户年龄的分布特征；
用户地区的分布分布；
中国地区去国外预定的地区占比；

2、推广渠道分析

每月新增用户
不同用户端的注册量
不同推广渠道的注册量
不同营销内容的注册量
不同推广渠道的转化率
不同营销内容的转化率

3、转化漏斗分析

用户总量
活跃用户占比
下单用户占比
实际支付用户占比
复购用户占比

三、数据清洗

3.1 数据来源

数据集名称：Airbnb顾客预订数据

数据集来源：https://www.kaggle.com/c/airbnb-recruiting-new-user-bookings/data

此数据聚集包含两张数据表，其中train_user表中为用户数据，sessions表中为行为数据。

3.2、列名称理解

数据表一：数据表名称：train_users

id：用户ID

date_account_created：帐户创建日期

date_first_booking：首次预订的日期

gender：性别

age：年龄

signup_method：注册方式

signup_flow：用户注册的页面

language：语言偏好

affiliate_channel：营销方式（SEM等）

affiliate_provider：营销来源，例如google，craigslist

first_affiliate_tracked：在注册之前，用户与之交互的第一个营销内容

signup_app：注册来源

first_device_type：注册时设备的类型

first_browser：注册时使用的浏览器名称

country_destination：订房国家

数据表二：数据表名称：sessions

user_id：客户id，与users表中的“id”类型相同

action：用户行为

action_type：用户行为类型

action_detail：用户行为具体

device_type：使用的设备

3.3、重复值处理

train_users表中id列为主键，每个用户只生成一条记录，所以如果train_users中id存在重复值，则需要处理。用以下代码检查，没有返回结果，说明没有重复值。

SELECT id, COUNT(id) AS count_id
FROM train_users
GROUP BY id
HAVING count_id > 1;

3.4、缺失值处理

预观数据集缺失值较多。

SELECT date_first_booking, COUNT(date_first_booking)
FROM train_users
WHERE date_first_booking = '1900-01-00';

结果：
表明首次预定时间缺失值达124543个

其他缺失数据：

gender（性别）存在缺失值数量：95688个。
age（年龄）存在缺失值数量：87991个。
first_affiliate_tracked（用户通过哪个营销广告注册）存在缺失值数量：6065个。
first_browser（注册时浏览器）存在缺失值数量：27266个。
action_type（行为类型）存在缺失值数量：1126204个。
action_detail（用户操作行为的描述）存在缺失值数量：1126204个。

缺失原因推测及处理

date_first_booking(首次预定时间)数据如果缺失，在业务上可以理解为此用户为“未预定用户”，也就是没有下单的用户。
性别、年龄由于客户端中这部分信息为非必填项，可能为用户未填写造成。
其他四个数据可能是由于系统统计数据时没有统计到造成缺失

3.5、异常值处理

age字段中异常值较多，0～150之间的数值都有，可能是因为用户填写时随意造成。将年龄不在7到75岁之间的用户的年龄更新为0。

UPDATE train_users
SET age = 0
WHERE id NOT IN (
SELECT id FROM (SELECT id FROM train_usersWHERE age <= 75 AND age >= 7) a);

四、用户画像分析

4.1、用户性别分析

女性用户数量为：54440，男性数量为：63041，mysql语句为：

SELECT COUNT(id) AS women'
FROM train_users
WHERE gender = 'MALE';
----------------------------------------------------------------------------
SELECT COUNT(id) AS man
FROM data.train_users
WHERE gender = 'FEMALE';

Tableau可视化

airbnb的男女用户占比差别不大

4.2、用户年龄分析

airbnb的用户主要为“中青年群体”，其中用户数量最多的群体是25~40岁之间，往后随着年龄增加，用户人数逐渐减少，符合一般规律。

4.3、用户地区分析

通过对用户使用不同语言（language）的人数来统计地区差异。

SELECT language, COUNT(language) AS lg_num
FROM train_users
GROUP BY language
ORDER BY lg_num;

从树状图可以看出：

airbnb的产品用户遍布多个地区。
有超过90%的用户是使用英语的国家（欧美）；
airbnb是2013年开始进入中国市场的（此数据集止于2014年），此时中文用户数量虽然排名第二，但是占比却非常小。

4.4、中国用户去国外预定的地区占比

利用Tableau分析：

从结果可以看出，中国用户到国外预定的地区中，美国占据了大部分，其次是法国，其他主要是欧洲发达国家。
sql查询语句如下：

SELECT language, country_destination, COUNT(country_destination) AS cd_num
FROM train_users
GROUP BY language, country_destination
HAVING language = 'zh'
ORDER BY cd_num DESC;

五、推广渠道分析

5.1、每月新增用户

分析每月新增用户，方法是统计每个月注册用户的数量，将字段‘date_account_created’转化为%Y-%M的形式，mysql查询语句如下：

SELECT date_format(date_account_created, '%Y-%m') AS year_moth, COUNT(id)
FROM train_users
GROUP BY date_format(date_account_created, '%Y-%m')
ORDER BY year_moth

从结果可以看到：

2010年用户增长较缓慢，因为在成立初期，后期开始快速增长
2011年中开始快速增长，此时Airbnb获得第一笔大额融资
7~9月为每年的增长高峰，推测可能是夏季为北半球旅游旺季，而且大多数学校都会在这个时间段放假。

5.2、不同用户端的注册量

统计不同用户端的注册量，使用字段‘first_device_type’，mysql查询语句如下：

SELECT first_device_type, COUNT(id) AS fdt_num
FROM train_users
GROUP BY first_device_type
ORDER BY fdt_num DESC;

从可视化结果看到：

PC设备端用户注册数量远大于移动端，因这是截至2014年的数据，推测是之前智能移动端的普及率还不高。
苹果设备用户大于其他设备用户，推测是因为美国本土使用苹果设备比较流行。

5.3、不同推广渠道的注册量及转化率

要统计不同推广渠道的注册量，需要分析affiliate_channel（营销方式），affiliate_provider（营销渠道名称），mysql查询语句如下：

SELECT affiliate_channel, affiliate_provider, COUNT(id) AS ac_num
FROM train_users
GROUP BY affiliate_channel, affiliate_provider
ORDER BY ac_num DESC

要统计不同推广渠道的转化率，需要分析不同渠道的注册数量和首次下订单的用户数量的比例，mysql查询语句如下：

SELECT affiliate_channel, affiliate_provider,
SUM(CASE WHEN date_first_booking <> '0000-00-00 00:00:00' THEN 1 ELSE 0 END) / COUNT(id) AS ac_ratio
FROM train_users
GROUP BY affiliate_channel, affiliate_provider
ORDER BY ac_ratio DESC;

从可视化结果可以看到：

渠道注册量方面：

direct（直接从应用商店下载）方式的注册量占据了大部分，推测是从各个渠道了解到信息后到应用商店下载。
从营销方式来看，除direct方式之外，注册量较高的方式为：SEM
从营销来源来看，以Google方式注册的用户占了大部分。
渠道注册量总体符合二八法则，前8个渠道（总共有38个渠道推广）的注册量已经占据了产品总的渠道来源的90%以上。

渠道转化率方面：

大部分渠道转化率都是在30%以上，表现比较健康。
从营销方式来看，content（内容营销）方式转化率较其他方式。
从营销来源来看，主要营销来源（Google）中，除了content方式，其他方式的转化率都比较健康。

优质渠道分析（注册量和转化率都比较好）：

除direct方式外，SEM方式中Google来源的注册量和转化率都比较好，SEO方式中，Google注册量较SEM方式稍差，但转化率很高，达到48.1%

5.4、不同营销内容的注册量和转化率分析

要分析不同的营销内容，需要对字段‘first_affiliate_tracked（在注册之前，用户与之交互的第一个营销广告是什么）‘进行分析，mysql查询语句如下：

SELECT first_affiliate_tracked, COUNT(id) AS fat_num
FROM train_users
GROUP BY first_affiliate_tracked
ORDER BY fat_num DESC;

查询不同营销内容的转化率：

SELECT first_affiliate_tracked,
SUM(CASE WHEN date_first_booking <> '1900-01-00' THEN 1 ELSE 0 END) / COUNT(id) AS fat_ratio
FROM train_users
GROUP BY first_affiliate_tracked
ORDER BY fat_ratio DESC;

由可视化结果可以看到：
除了untracked（未跟踪到）的数据之外，linked的注册量最高，且除去注册量很少的marketing之外，其转化率也是最高的。其次是omg，注册量和转化率都紧跟在linked之后。

六、转化漏斗分析

转化漏斗分析主要通过分析sessions表，sessions表主要通过一段时间内用户的埋点行为分析得出结果。

6.1、有行为状态的用户总数量

通过对sessions表中的user_id字段进行统计，mysql查询语句如下：

SELECT COUNT(*)  AS ‘用户总数量’
FROM (SELECT user_idFROM sessionsGROUP BY user_id
) new_sessions;

结果为：用户总数量15502人。

6.2、行为活跃的用户数量

此处定义用户行为超过十次即为活跃用户，可针对字段user_id分析，若id出现次数超过十次，则为活跃用户。mysql查询语句如下：

SELECT COUNT(*)  AS ‘活跃用户总数量’
FROM (SELECT user_idFROM sessionsGROUP BY user_idHAVING COUNT(user_id) >= 10
) active;

查询结果：活跃用户数量为11815人。

6.3、此段时间内用户的下单量

分析下单量，需要对action_detail进行分析，其中“reservations”为下单操作，mysql查询语句如下：

SELECT COUNT(*) AS ‘下单用户总数量’
FROM (SELECT user_idFROM sessionsWHERE action_detail = 'reservations'GROUP BY user_id
) booking;

查询结果为：用户下单量仅为504人。

6.4、下单后实际支付的用户数量

需要对action_detail进行分析，其中“payment_instruments”为支付操作，mysql查询语句如下：

SELECT COUNT(*) AS ‘实际支付用户总数量’
FROM (SELECT user_idFROM sessionsWHERE action_detail = 'payment_instruments'GROUP BY user_id
) payed;

查询结果为：实际支付的用户数量为317人。

6.5、复购用户数量

需要统计进行了“payment_instruments”操作次数大于1次的用户，mysql查询语句如下：

SELECT COUNT(*) AS ‘复购支付用户总数量’
FROM (SELECT user_idFROM sessions1WHERE action_detail = 'payment_instruments'GROUP BY user_idHAVING COUNT(user_id) >= 2
) re_booking;

查询结果为：复购用户数量为151人。

根据结果可以看到：

活跃用户中仅有4.27%的用户下单，sessions数据时间段为2014-01-01到2014-06-30，推测原因为此时间段为旅游淡季导致下单用户很少。
下单用户中最终支付的也只有62.9%，需要分析付款流程是否具有问题，也可能是下单咨询客服后不满意，取消订单。

七、结论

从用户画像上看：

在进行产品推广时，应该侧重于对25~40岁之间的用户，还可以稍微倾向于男性。

从推广渠道上看：

每年的7~9月为旅游旺季，可以考虑在这个时间段内加大推广投入。
Google渠道除了content方式外，转化率都比较理想，后续可以继续以Google作为渠道推广。
content方式的转化率很差，可能和内容营销的信息质量，内容更新，发布渠道，发布人群等有关。内容营销是一项长期项目，建议从最基本的内容质量进行改善。
营销内容方面，大部分用户的转化方式没有检测到（untracked），说明埋点统计效果很差，如果是系统功能出错，需要立即修复；如果是没有此埋点任务，需要立即增加。

从转化漏斗上看：

从活跃用户到下单用户转化率非常低，建议围绕提高下单率做更多的工作。例如针对活跃用户的用户画像推送优质房源。此外，对于用户浏览的界面内容，也需要设计优化，提高下单兴趣。
已下单的用户中只有62.9%实际支付，可以进行用户调研查找是否是支付流程，支付类型或后台服务的问题。或者针对产品本身分析，对支付产品和未支付产品进行分类统计。还可以从时间节点统计，查看已支付和未支付在时间上有何区别等。