Airbnb产品运营数据分析

一、产品背景和分析总结

1. 项目背景

Airbnb是一个空闲房屋短期租赁的双边平台，屋主可以通过平台发布闲置短租民宿信息，旅游者可以在网页或程序在线预定目的地的民宿。Airbnb不仅改变了旅行者的租住意识，也冲击着酒店传统行业。

2. 分析目的：

构建Airbnb的目标用户群体画像

评估Airbnb现有的推广渠道效果

基于业务分析用户的转化情况

3. 分析结构

用户画像：用户基本属性（性别、年龄、语言），用户行为属性（目的地、设备、浏览器）

渠道分析：对不同营销渠道、营销方式、广告内容的注册用户量和转化率进行分析

转化情况：基于产品业务按照AARRR模型分为独立访客、注册、预定、支付、复购，分析每个环节的转化率和流失情况。

4、涉及工具

SQL查找，Python查看数据分布，POWER BI整理数据、画图

5、分析总结

用户画像：

性别：注册用户共计117481人，其中女性用户比男性用户多7.3%，但女性用户和男性的用户的转化率非常接近。
年龄：用户年龄覆盖15-80岁范围，主要以中青年用户居多，年龄分布集中在25-39岁，这区间各年龄段的转化率都超过55%。在超过50岁的用户群体中，用户数量随年龄增长逐渐下降，但转化率却呈现增长趋势，65-69岁区间的用户转化率高达54%。
语言：用户语言共计23种，英、中、法、西、德语是用户使用最多的语言，接近98%的用户使用英语，由此推测用户主要集中在欧美地区。
目的地：全球用户的旅行目的地和中文用户高度重叠，主要目的地集中在欧美发达国家，前往美国的用户占比超过80%。
设备及浏览器：用户使用设备集中在Windows和MAC的台式机，存在少量移动端用户。浏览器集中在Chrome、Safari和Firefox。（时间范围为2010-2014年）

渠道分析：

用户规模从2012年起逐渐扩大，在2013年进入快速增长期。增长趋势呈现季节性波动，每年6-10月出现增长的小高峰。但用户转化率也存在季节性波动，在每年3月附近出现转化率的小高峰。但转化率整体呈明显下降趋势，由2010年55%以上跌至2014年40%以下。
direct（直接打开或下载应用）的注册量最高，超过总注册量的60%，direct和google两个渠道超过总注册用户的80%。
主要渠道的转化率大多在都30%以上，但gsp、meetup、email-marketing三个渠道的转化率都低于25%，且注册用户都低于500人。
大部分方式的转化率都高于30%，direct、SEM、SEO的转化率和拉新人数都比较高，这可能和当时用户设备以PC端为主相关
值得关注Google SEM和SEO的营销方式，覆盖Google总注册用户数的90%。而Content对所有渠道转化率都低于20%，特别是google-content的注册用户数达到2892，但转化率只有15.59%。
营销内容受缺失值影响数据追踪效果较差，linked和omg两者拉新和转化效果都比较好，但针对Google和direct这两种主要渠道，linked和omg的拉新人数和转化率呈完全相反的趋势。

转化漏斗：

基于分位数定义15次以上操作的用户为活跃用户，用户活跃率高达76.7%，有60%的用户在成功支付后进行了复购。
注册-预定的转化率只有14%，是整个转化漏斗中流失率最高的部分。在预定至支付过程中，由13.1%的用户未能成功支付。

基于数据的建议：

基于用户画像建议将用户定位在25-39岁的年龄区间，同时可以考虑定向对高转化率的60-70岁年龄层用户定向投放。
结合产品与运营，进一步分析用户转化率降低的原因，通过用户画像分析和用户生命周期分析来定位注册用户在转化前流失的节点。
营销渠道、方式和广告内容的缺失值比较多，建议运营人员和相关技术人员考虑埋点的情况，改善当前的数据情况。
渠道应重点关注direct、google、craigslist和bing这几个主要渠道，google-content的转化率只有15.59%，需要核算该渠道的ROI和ARPU。
营销渠道中的SEM和SEO，营销内容中linked和omg的拉新和转化效果都比较好，可以考虑结合渠道分析更精准地进行相关的资源投入。
用户转化漏斗中用户注册—预定过程流失率过高，需结合往期数据进一步分析流失率的变化情况、结合用户生命周期和用户行为挖掘用户流失节点，进一步提高转化率。
针对预定-支付过程中13%的流失率，需要排查具体的原因，是否存在产品流程缺陷或支付不满足用户需求等，建议进行相关用户的调研。
针对支付成功的用户进行详细数据分析，找到一次消费后流失的节点，考虑刺激用户二次消费或适当召回。针对可能存在一次出游多次预定的复购用户，做好目的地的商品关联。

二、数据清洗：

1. 数据来源

数据来自kaggle中的开源项目：https://www.kaggle.com/c/airbnb-recruiting-new-user-bookings/data

2. 数据认识

本报告主要对包含用户注册信息的train_user_2和用户行为数据的sessions表进行分析。

数据表一：train_users_2
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
affiliate_channel	营销方式
affiliate_provider	营销渠道，例如google，craigslist或其他
first_affiliate_tracked	注册之前，用户与产品交互的第一个营销广告
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	目的地国家

数据表二：sessions
user_id	与users表中的“id”列连接
action	用户行为埋点
action_type	用户行为的类型
action_detail	用户行为的具体描述
device_type	用户此次行为使用的设备

3. 数据缺失和分布

在SQL中查询发现train_users_2中user_id是唯一标识列，相比SQL一条条语句查询缺失值情况，用python可以更快速看到数据的缺失情况和分布情况。

数据缺失：

date_first_booking缺失124543条数据，有可能是由于这些用户没有下过订单。

age缺失87990条，存在极小值1，极大值2014，分析age需要排除异常点。

first_affiliate_tracked（用户通过哪个营销广告进入）缺失6065条数据。

数据分布：

用户年龄主要集中在28-43岁，使用英语的用户占比96%左右，basic注册占总比71.6%，登录方式中Web登录高达85%。

4. 数据清洗

清洗age的异常值，将age范围限定在10-80岁，非缺失值的不符合条件的age一共2828条，将缺失值和不符合条件的age更改为0。

SELECT COUNT(id) FROM train_users_2WHERE age > 80 AND age < 10;SET sql_safe_updates = 0;
UPDATE train_users_2
SET age = 0
WHERE id NOT IN (
SELECT id FROM (SELECT id FROM train_users_2WHERE age <= 80 AND age >= 10) a);

三、用户画像

1 . 用户基本属性

1) 用户性别分布

注册用户中，女性用户数63041，男性用户数为54440，女性用户比男性用户多7.32%。

所有注册用户中，男性用户和女性用户的转换率相差不大，具有购买行为的男性用户比女性高0.17%。

2) 用户年龄分布

从条形图可以看出，用户年龄呈现正态分布，主要集中在25-39岁。在30-34岁的用户数量最多，达到了45383人，转化率59%也是所有年龄层中最高。25-29岁的用户数量和转换率都排名第二。

在35-49岁的区间内，随着年龄增长转换率逐渐降低。但在45-69岁年龄区间内，用户数量逐渐减少，但转换率却逐渐增加。65-69岁区间的转换率达到54.1%，为所有年龄层中的第三名。

2. 用户行为属性

1) 地区分布

通过统计注册用户使用语言分布，得到Airbnb的用户语言共23种，占比超过1%的语言有：英语、中文、法语、西班牙语、德语、韩语、俄罗斯语和意大利语。从用户使用语言可以发现Airbnb的用户覆盖全球多个地区，产品非常国际化。

将近98%的用户是英语(en)为母语的国家，一方面英语本身是多国通用语言所以使用人数较多，另一方面Airbnb创立于美国，扩展初期可能用户主要集中在欧美地区。

数据集的时间范围是2010年1月至2014年5月，而Airbnb是在2015年才正式进入中国市场。中文(zh)位列用户使用语言的第二名，使用中文的用户可能是国外华裔，也可能是有出国旅游需求的国人。考虑到中文使用者的用户比例和中国整体人口基数，这也可能推动了Airbnb公司选择入华发展。

2) 目的地分布

全球用户和中国用户的旅行目的地占比最高的都是美国，主要目的地都集中在发达国家。目的地国家和使用者较多的语言高度重合，这也可能是由于Airbnb初期运营策略集中在欧美国家。

3) 用户设备

用户注册设备共9类，PC设备占比较高，这可能是由于数据统计截止至14年时，移动互联网方兴未艾，智能手机用户较少。

在PC类设备中，Mac设备多于Windows设备。在移动设备中，ios系统的iPhone，iPad远高于Android系统的手机和其他设备。可以考虑向苹果系用户进行定向的广告投放。

4）浏览器

用户注册时使用的浏览器共计52中，将注册用户量前十名展示如下。

从注册用户量来看，Chrom、Safari、Firefox、IE四个浏览器带来超过90%的注册用户数，其中Chrome的注册用户和转化率都是最高的。

从转化率来看：Chrome、Safari、Firefox的转化率都超过40%，转化情况良好，IE和Mobie Safari的转化率接近，在37%左右。

从终端分析，PC端的浏览器集中在Chrom、Safari、Firefox、IE，而移动电话端Safari在注册用户总量和转化率都明显高于Chrome。结合用户设备分析，很大程度上是由于移动端用户主要使用iPhone和iPad。

5. 程序代码

SQL语句如下：

#所有注册用户：性别、年龄、语言分布
SELECT COUNT(id) AS man
FROM train_users_2
WHERE gender = 'MALE';SELECT COUNT(id) AS woman
FROM train_users_2
WHERE gender = 'FEMALE';SELECT age,COUNT(id)
FROM train_users_2
WHERE age>0
GROUP BY ageSELECT language, COUNT(language) as num
FROM train_users_2
GROUP BY language
ORDER BY num;#存在订购行为的用户：性别、年龄
SELECT COUNT(id) AS '女性用户'
FROM train_users_2
WHERE gender = 'FEMALE'
AND date_first_booking<> '0000-00-00 00:00:00';SELECT COUNT(id) AS '男性用户'
FROM train_users_2
WHERE gender = 'MALE'
AND date_first_booking<> '0000-00-00 00:00:00';SELECT ROUND(age), COUNT(id)
FROM train_users_2
WHERE date_first_booking<> '0000-00-00 00:00:00'
GROUP BY age
HAVING age <> 0
ORDER BY age;#所有用户的目的地
SELECT country_destination,COUNT(country_destination) AS cd_num
FROM train_users_2
WHERE country_destination NOT IN ('other','NDF')
GROUP BY country_destination
ORDER BY cd_num DESC;#中国用户的目的地
SELECT country_destination, COUNT(country_destination) AS num
FROM train_users_2
WHERE country_destination NOT IN ('other','NDF') AND language='zh'
GROUP BY country_destination
ORDER BY num DESC;

四、渠道分析

1. 用户增长

观察每月用户增长曲线可以发现，在2011年前之前，增长曲线比较平稳，此时的用户转换率在55%-65%之间。在2012年以后，注册用户数在呈指数状增长，但观察到转化率呈现明显下跌趋势，在2012年7月以后，转化率不超过45%，远远低于数据初期峰值的65%。这种现象可能有以下几方面原因：

1、市场上开始出现相似的竞品软件导致转换率降低，

2、运营和渠道可能拉新到大量不合适的用户，造成了用户转换率不够高。

3、产品本身没有做好迅速扩张期的准备，不够完备的产品无法吸引到用户。

新用户的增长存在季节性规律：每年的7月-10月会出现增长的小高峰，由于民宿短租本身是旅游相关产品，推测这种增长可能是因为北半球在7-10月昼长夜短、气温适宜是旅行旺季。用户转化率也存在季节性规律，在每年的3月附近会出现小高峰，考虑到3月附近无假期且气候不适宜，猜测这可能是由于用户提前规划旅行，也可能是由于周期性的运营策略。

2、营销渠道

1）注册用户数

排除direct（个人理解为直接打开网页或应用商店下载）以外，注册用户数前十的渠道和对应的转化率，除content-google以外转化率都大于30%，整体转化情况良好。

2）渠道和营销方式

筛选出注册用户数超过100的营销渠道和营销方式，和对应的注册用户数与转换率。可分别以渠道为主分类分析各渠道转换情况，以营销方式为主分类分析各营销方式在不同渠道的转化效果。

以渠道为主分类进行分析：

● direct和Google两个渠道超过注册用户总数的80%，符合二八定律。

● direct渠道的注册量占据绝大部分，推测是通过其他渠道或广告了解信息后直接打开Airbnb。

● 大部分渠道的转化率都在30%以上，整体表现比较好。

● gsp渠道转化率低于10%，meetup，facebook-content、google-content、email-marketing的转化率都低于20%。

以营销方式为主分类进行分析：

● 大多数营销方式的转化率都高于30%，其中direct、sem-brand、sem-non-brand三种营销方式的转化率和拉新人数都比较高。

● content营销方式在所有渠道的转换率都低于20%，特别是google-content的注册用户数达到2892，但转化率只有15.59%。

● Google渠道中，sem-brand，sem-non-brand，seo三种营销方式覆盖Google类注册用户的90%，其中sem-brand占据约50%，seo则实现了Google渠道最高的转化率48.13%。

运营建议：

● 可以结合用户设备，增加对注册用户数和转化率双高的渠道和营销方式的投入，比如：google-sem、google-seo。

● 针对转化率超过40%的渠道和营销方式，direct、google-seo，google-sem-non-brand、facebook-seo，craigslist 如可以考虑增加产品曝光以获取更多新用户。

● 鉴于低转化率，考虑减少content方式或更换投放内容，考虑取消meetup。

以渠道为主分类：

渠道	营销方式	注册用户数	转化率
direct	direct	137426	43.10%
google	sem-brand	25069	42.70%
google	sem-non-brand	16947	38.45%
google	seo	5691	48.13%
google	content	2892	15.59%
google	remarketing	1094	33.64%
other	api	8167	34.10%
other	other	3656	41.25%
other	seo	306	50.98%
other	direct	301	54.49%
other	sem-non-brand	103	43.69%
craigslist	other	3471	46.56%
bing	sem-brand	950	39.47%
bing	sem-non-brand	889	33.30%
bing	seo	489	33.13%
facebook	seo	1677	43.17%
facebook	content	591	11.51%
vast	sem-non-brand	829	32.69%
padmapper	other	768	32.81%
facebook-open-graph	other	545	25.87%
yahoo	seo	496	35.08%
gsp	content	453	8.17%
meetup	other	347	13.26%
email-marketing	other	166	22.29%

以营销方式为主分类：

营销方式	渠道	注册用户数	转化率
direct	direct	137426	43.10%
direct	other	301	54.49%
sem-brand	bing	950	39.47%
sem-brand	google	25069	42.70%
sem-non-brand	bing	889	33.30%
sem-non-brand	google	16947	38.45%
sem-non-brand	other	103	43.69%
sem-non-brand	vast	829	32.69%
other	craigslist	3471	46.56%
other	email-marketing	166	22.29%
other	facebook-open-graph	545	25.87%
other	meetup	347	13.26%
other	other	3656	41.25%
other	padmapper	768	32.81%
seo	bing	489	33.13%
seo	facebook	1677	43.17%
seo	google	5691	48.13%
seo	other	306	50.98%
seo	yahoo	496	35.08%
api	other	8167	34.10%
content	facebook	591	11.51%
content	google	2892	15.59%
content	gsp	453	8.17%
remarketing	google	1094	33.64%

3）营销内容

排除untracked（未追踪）外，可以发现linked和omg的注册用户量非常接近，linked转化率为43%，比omg 37%的转化率高6%。

尽管marketing的转化率45%，但覆盖的注册用户远小于1%。local ops的转化率和注册用户量都非常低。

4）营销内容与营销渠道

交叉分析用户注册量最高的两个渠道direct和Ggoogle中，排除untracked（未追踪），不同营销内容的转化情况。

由可视化结果可知：

● linked和omg是用户接触最多的两个营销内容，direct的渠道中，linked的用户数量远远高于omg。而在Google渠道中呈现相反的趋势，omg对应用户数量远高于linked，这可能是由于渠道中不同广告内容的投放量不同。

● 对比Google和direct两个不同的渠道，linked转化率在Google中比direct高1%，omg的转化率在google中比direct低6.6%，marketing对direct的转化率为48%远高于Google的20%。

运营建议：

由于未知不同渠道中广告投放的曝光时间和曝光次数，所以只能建议关注Google中omg内容的转化率，结合广告投放情况对各渠道不同内容的转化率保持持续关注。

5. 程序代码

#新增注册用户的数量
SELECT date_format(date_account_created, '%Y-%M') AS year_moth, COUNT(id) as '新增用户'
FROM train_users_2
GROUP BY date_format(date_account_created, '%Y-%M')
ORDER BY date_account_created;
#每个月转化用户
SELECT date_format(date_account_created, '%Y-%M') AS year_moth, COUNT(id) as '转化用户'
FROM train_users_2
GROUP BY date_format(date_account_created, '%Y-%M')
ORDER BY year_moth;#不同营销方式+渠道的拉新和转化
#其实没必要创建两个视图，可以直接分别提取，然后在表格中合并
CREATE VIEW ac_ap_num AS
SELECT affiliate_channel, affiliate_provider, COUNT(id) AS ac_num
FROM train_users_2
GROUP BY affiliate_channel, affiliate_provider
ORDER BY ac_num;CREATE VIEW ac_ap_ratio AS
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_2
GROUP BY affiliate_channel, affiliate_provider
ORDER BY ac_ratio;SELECT ac_ap_num.affiliate_channel,ac_ap_num.affiliate_provider,ac_num,ac_ratio FROM ac_ap_num,ac_ap_ratio
WHERE ac_ap_num.affiliate_channel=ac_ap_ratio.affiliate_channel
AND ac_ap_num.affiliate_provider=ac_ap_ratio.affiliate_provider
ORDER BY ac_num DESC;#不同营销内容的拉新转化
#不同营销广告内容的注册数量
SELECT a.first_affiliate_tracked,a.fat_num,b.fat_ratio
FROM
(SELECT first_affiliate_tracked, COUNT(id) AS fat_num
FROM train_users_2
GROUP BY first_affiliate_tracked) a
INNER JOIN
(SELECT first_affiliate_tracked,
SUM(CASE WHEN date_first_booking <> '0000-00-00 00:00:00' THEN 1 ELSE 0 END) / COUNT(id) AS fat_ratio
FROM train_users_2
GROUP BY first_affiliate_tracked)b
ON a.first_affiliate_tracked=b.first_affiliate_tracked;#交叉分析广告内容和营销渠道
#AP是direct的广告内容分析
SELECT first_affiliate_tracked,count(id)AS num1,
SUM(CASE WHEN date_first_booking <> '0000-00-00 00:00:00' THEN 1 ELSE 0 END) AS num2
FROM train_users_2
WHERE affiliate_provider='direct'
AND first_affiliate_tracked IS NOT NULL
GROUP BY first_affiliate_tracked
ORDER BY num1 DESC;
#AP是google的广告内容分析
SELECT first_affiliate_tracked,count(id)AS num1,
SUM(CASE WHEN date_first_booking <> '0000-00-00 00:00:00' THEN 1 ELSE 0 END) AS num2
FROM train_users_2
WHERE affiliate_provider='google'
GROUP BY first_affiliate_tracked
ORDER BY num1 DESC;

五、转化漏斗

1. 用户活跃率

在Python中分析sessions用户行为埋点数据，按照用户分组，查看用户行为总数分布情况。可以得到IQ1=15，IQ3=94，因此将操作数量大于15的用户定义为活跃用户。执行SQL语句可以得到用户总数135483，活跃用户数：103855，活跃率为76.7%。

这里得到的活跃率只是粗略估计，如果有需求进行精细化运营可以按时间维度再进行细分计算。

2. 用户行为转换漏斗

将用户行为归纳为：访问-注册-预定-支付成功-复购五个步骤。

观察转化漏斗可以发现：

用户注册到预定是整个转化漏斗中流失率最高的部分，仅有14%的注册用户进行了预定。分析思路可以按照用户注册时间或访问次数将其分为新、老用户。对新用户而言，这可能是缺乏产品核心功能的使用引导、搜索不到合适的房源、拉新到非目标用户等原因。对老用户而言，可能是搜索结果不符合期望等原因造成。关注转换的同时更需要结合用户行为进一步分析用户流失的具体节点。

预定用户中有13.1%未能成功支付，可能是由于房东未及时回复、支付过程受阻、不符合用户的支付习惯等原因。

60%支付成功的用户都进行了复购，说明Airbnb的产品和服务比较能令用户满意。可针对支付成功的用户进行详细用户画像，分析一次消费后流失的节点，考虑刺激用户二次消费。针对可能存在一次出游多次预定的用户，做好目的地的商品关联。

3、程序代码

#用户总数量：对sessions表中的user_id进行group by，再统计数量，得出sessions表中所有的用户数量。
SELECT COUNT(DISTINCT user_id)
FROM sessions;#利用python查看用户操作的分位数IQR-IQ3为15-94
#python语句：session.groupby('user_id').action.count().describe()
#查看活跃用户总数（定义为操作>=15）
SELECT COUNT(*) AS active_user
FROM (SELECT user_idFROM sessionsGROUP BY user_idHAVING COUNT(user_id) >= 15
) active;#注册用户
SELECT COUNT(*) AS rg_user
FROM (SELECT user_idFROM sessionsGROUP BY user_id
) session_user
INNER JOIN train_users_2 ON session_user.user_id = train_users_2.id;#下单用户
SELECT COUNT(*) AS booking_user
FROM (SELECT user_idFROM sessionsWHERE action_detail = 'reservations'GROUP BY user_id
) booking;SELECT COUNT(*) AS pay_user
FROM (SELECT user_idFROM sessionsWHERE action_detail = 'payment_instruments'GROUP BY user_id
) pay;SELECT COUNT(*) AS rp_user
FROM (SELECT user_idFROM sessionsWHERE action_detail = 'reservations'GROUP BY user_idHAVING COUNT(user_id) >= 2
) re_purchase;

六、进步和不足

分析框架和思路参考知乎周贰毛，在原作者的基础上，主要增加了对比率的关注和多因素的交叉分析。如进行用户画像中关注男女性别的同时也需要关注不同性别用户的转化率，年龄的区间划分不能只关注用户数量，也要考虑转化率背后的原因。新增用户数量在产品达到一定规模后可能存在某些虚荣指标的成分，同时关注转化率才能发现问题后面的根源。

但这个报告的不足真的太多了，在自学的路上真的还差太多需要补课的地方，特别是需要重点补课SQL所以暂时搁置了继续深化，后续分析思路可以集中在光渠道分析或者用户画像，我觉得每一个都可以单独细化写一篇。遗憾的是用户行为中由于不知道具体行为对应的数据所以也不能再深化。关于建模和数据挖掘：简单的方向是可以在这个基础上去做时间序列的预测，预测用户增长情况。稍微复杂的一点的建模可以考虑做kaggle中预测预定地的分析。

希望我找工作好运啊~