【Python】京东消费行为数据分析可视化实战案例

©️数据STUDIO投稿 · 作者｜理智

一、背景

京东JD.COM-专业综合网上购物商城，销售超数万品牌，4020万种商品，囊括家电、手机、电脑、服装、居家、健康、母婴、美妆、个护、食品、旅游等品类。

数据时间是从2018年2月1日到4月15日两个半月的销售数据。本文主要通过python对用户数据进行分析，探讨用户行为体现出的购买趋势，为商家提供一些运营方面的建议与策略。

二、研究问题

从2018年2月1日到2月15日商品的浏览，收藏，购买，加购物车的变化趋势如何？为什么会有这种趋势？
为什么此类商品会被用户购买甚至复购？有何特征？
哪种商品销量最好？哪些品牌最受用户欢迎？哪些店铺排名靠前？
用户浏览，购买，加购，收藏商品主要时间在一天中的什么时候？为什么在这个时间段？
哪些用户是重点用户？哪些用户即将流失？
需要完整代码的，请在公众号：数据STUDIO 消息后台回复【code】

三、数据分析

1. 数据字段介绍

1.1 JD_labels

1.2 df_short.csv

2. 用户行为分析

2.1 用户从2018年2月1日到2018年4月15日各个行为变化趋势？

分析：

可看出在2月15日前后，浏览量收藏量加购量都减为0了然后又都逐渐上升而2018年2月15日是除夕，2月16日是春节，猜测这种变化是受春节影响。
可看出浏览量很多，且浏览量有随着时间逐渐减少的趋势，而加购物车，购买，评论，收藏都相对较少，可以把浏览量去掉分析收藏，加购，购买这三种行为的变化趋势。
在2018年3月25日左右浏览量急速降为0，而后又急剧上升，推测原因：① 春节消费过度，用户购买欲望下降 ② 3月下旬是春季旅游高峰期，上网人数可能会减少

分析：

type：类别

1：浏览,2：收藏,3：购买,4：加入购物车,5：评论

可看出加购物车随时间变化相对于其他的都较多，加购物车用户量超过了收藏评论的用户量。购买量从一开始到4月7日没有，从4月8日突然迅速增多然后又稍微下降，

推测：

①是商品有活动了
②节假日前后（2018年4月的5，6，7日为清明放假时间）
③该商品具有季节性（清明后天气回暖）所以大家纷纷购买。

2.2 有购买行为的用户人均购买多少次？

分析：

4月8日到4月15日期间，日均消费110次左右，人均消费1次左右，商品复购率不高。可提升商品质量或加大广告力度。

2.3 用户复购情况如何？

分析：

大多数用户‘只看不买’，购买并复购的用户仅占0.3%.

分析：

可能是数据量不大的原因，复购用户复购的多为日常生活用品，复购时间在1-50天内均有分布，复购时间在10天内客户占了复购用户的一半，商家应注重一周内对客户的宣传。

2.4 用户下单时间大多在什么时候？

分析：

用户下单最多的时间是下午和晚上，凌晨消费最少，所以活动可以选择在下午和晚上进行推送。

2.5.点击就购买的用户和加购就购买的用户占比？

分析：

加入购物车的商品和浏览的商品转为被购买商品几率差不多大，都为11.2%左右，用户加购物车却不买，用户是有购买欲望的，可能是商品的价格等不合适，建议办一些活动来促销，有0.11297267514233822点击行为转为了购买行为,可以增强网站的推荐机制，或许可以提高此比率。

2.6 用户7天与30天活跃次数分析？

分析：

用户月活跃次数与用户周活跃次数完全一样。

推测：可能数据里7天内的新用户占比多，然后新用户近1个月活跃次数和7天内基本一样，所以数据看起来差别不大。

2.7 根据kmeans对用户进行分类

kmeans根据用户上一次行为距离今天天数聚类。

Red:0 Green:1 Blue:2 Yello:3

标签0：一般客户
标签1：重要深耕客户
标签2：高价值客户
标签3：一般客户

3 商品与品牌，店铺分析

3.1 最受用户欢迎的品牌？

Others可能为一些其他的品牌，从图中可看出others为第一，其次就是各大知名品牌了，所以建议，在营销时除了知名品牌的宣传外，也要注重一些小品牌的宣传。

3.2 最受用户欢迎的物品种类？

分析

最受用户欢迎的物品种类前7分别是：手机，外衣，茶，笔记本/笔记本电脑，平板电脑，数码相机，洗面奶。

3.3 最受用户欢迎的商店种类？

两个半月以来用户访问商店种类前4的是电子产品，衣服，美妆，食物，可在这四个方面做好售后服务，打造好口碑。

3.4 两个半月以来各商店种类用户点击的变化趋势？

分析：

2月15日和3月底的大变化前面分析了，这里不再赘述。从图中还可看出，电子类商品一直以来热度很高，其次是衣服，美妆，食物也很靠前。可以加大这方面的营销

四、建议

1、促销活动时间：下午，晚上。
2、积极完善用户推荐机制，多做活动降低商品价格提升商品质量。
3、有商品复购行为的用户少，应积极完善商品排名等
4、应积极关注电子产品，衣物，美妆，食物这四大类商品，因为这是用户最关注的。
5、需要完整代码的，请在公众号：数据STUDIO 消息后台回复【code】

往期精彩回顾适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码