• 欢迎光临~

MySQL项目2 - 淘宝用户分析

开发技术 开发技术 2022-10-06 次浏览

来源:淘宝用户分析

目的:通过实战案例,掌握电商数据分析逻辑和对应的 SQL 语句实例应用。

从数据到信息的这个过程,就是数据分析,目的是解决我们现实中的某个问题或者满足现实中的某个需求。数据本身并没有什么价值,有价值的是我们从数据中提取出来的信息。

  • 四大思维模式
    • 【对照】单独看一个数据是不会有感觉的,必需跟另一个数据做对比才会有感觉
    • 【拆分】拆分后的结果,相对于拆分前会清晰许多,便于分析,找细节
    • 【降维】当数据维度太多的时候不可能每个维度都拿来分析,有一些有关联的指标,从中筛选出代表的维度即可
    • 当前的维度不能很好地解释问题时,就需要在数据中间做运算,增加指标

【增维】和【降维】是对应的,有降必有增。必须对数据的意义有充分了解后,为了方便进行分析而有目的地对数据进行转换运算。

数据集:UserBehavior是阿里巴巴提供的一个淘宝用户行为数据集,本数据集包含了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、喜欢),本案例选取了其中20万条数据进行分析,其中包含 5 个数据字段:

列名 说明
用户ID INT,序列化后的用户ID
商品ID INT,序列化后商品ID
商品类目ID INT,序列化后的商品所属类目ID
行为类型 CHAR,枚举类型,包括 'pv', 'buy', 'cart', 'fav'
时间戳 行为发生的时间戳

电商总体运营指标(主要分为8个类指标)

来源:电商数据分析指标体系

总体运营指标:从流量、订单、总体销售业绩、整体指标进行把控,起码对运营的电商平台有个大致了解,到底运营的怎么样,是亏是赚。

  1. 网站流量指标:即对访问你网站的访客进行分析,基于这些数据可以对网页进行改进,以及对访客的行为进行分析等
    MySQL项目2 - 淘宝用户分析

  2. 销售转化指标:分析从下单到支付整个过程的数据,帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。
    MySQL项目2 - 淘宝用户分析

  3. 客户价值指标:这里主要就是分析客户的价值,可以建立 RFM 价值模型,找出那些有价值的客户,精准营销等
    MySQL项目2 - 淘宝用户分析

  4. 商品类指标:主要分析商品的种类,那些商品卖得好,库存情况,以及可以建立关联模型,分析那些商品同时销售的几率比较高,而进行捆绑销售,有点像啤酒喝尿布的故事
    MySQL项目2 - 淘宝用户分析

  5. 市场营销活动指标:主要监控某次活动给电商网站带来的效果,以及监控广告的投放指标
    MySQL项目2 - 淘宝用户分析

  6. 风控类指标:分析卖家评论,以及投诉情况,发现问题,改正问题
    MySQL项目2 - 淘宝用户分析

  7. 市场竞争指标:主要分析市场份额以及网站排名,进一步进行调整
    MySQL项目2 - 淘宝用户分析

分析思路与问题提出

MySQL项目2 - 淘宝用户分析

针对以上分析思路,提出以下几个问题:

  1. 页面流量质量如何?是否有开发新客户的潜力?可以通过哪些方式吸引新客户?

  2. 访客的转化率如何?是否存在需要进一步优化提高客户留存率?若需要优化,哪些方面需要作出改善?

  3. 用户有哪些行为习惯或消费偏好值得注意?topN 用户需要如何维护他们的忠诚度?

数据清洗

  1. 选择子集
    选取数据集中20万条数据,进行分析。

  2. 列名重命名
    原数据集中没有列名,在创建表时,可先设置好列名,再进行导入。

  3. 删除重复值
    创建表格时,设置 customerid, goodsid, category 为主键。

  4. 缺失值处理
    在创建表格,设置了所有字段都是 “IS NOT NULL”,所以导入的数据集中没有缺失值。

  5. 一致化处理
    原数据中时间戳的格式 epoch & unix timestamp 格式表达,需要转换格式。

  6. 异常值处理
    数据集中的数据是2017年11月25日至2017年12月3日,检查是否存在不在这一时间范围内的数据。

  • 建议先用 SELECT ... FROM ... 语句查找需要删除的数据,可以避免因为格式不对而误删掉所有数据
    • 经检验,发现数据子集中存在不符合时间范围的数据,需要删除这部分数据
  • 删除数据的 SQL 语句运行后,利用 MIN()/MAX() 函数再次验证是否有异常
    • 发现目前所有数据符合时间范围

模型构建及可视化

根据电商分析指标,对数据作出以下分析:

1. 流量指标

1.1 人均页面访问量 PV/UV

MySQL项目2 - 淘宝用户分析

1.2 跳出率

跳出率 = 仅点击页面用户数/总用户数UV

MySQL项目2 - 淘宝用户分析
结论:从用户行为中找出点击页面却没有收藏、加入购物车以及购买行为的用户为132,得跳出率为6.69%,说明平台对用户的吸引力不错,平台的用户流量质量较高。

2. 用户行为分析

2.1 用户行为整体情况分析

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:对用户所有行为进行汇总分析,从页面点击、收藏、加入购物车,最后到购买整个流程中,最后进行购买的用户数仅约占总体的2.2%,而点击行为约占总体的90%。说明平台有产品堆砌展示的问题,使得用户花费极多的时间在寻找和筛选商品上,因此需要优化平台产品推荐功能,把握个性化需求,更为精准化地推荐符合用户偏好的产品。

2.2 独立访客转化率

MySQL项目2 - 淘宝用户分析
结论:对独立访客的行为进行分析,从一开始的点击页面到最终购买的转化率约为69.6%,说明独立ip用户购买欲望充足,可以通过适当的销售活动进一步引导用户购买。

3. 用户行为模式分析

3.1 每日用户点击量

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:从11月25日至12月3日的 pv 数据显示,12月2日用户点击量激增,推测12月2日平台进行了营销活动。进而对营销活动的效果进行简单的监测分析,如下:
MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:从每日客户点击到购买的比率来看,虽然在12月2日和12月3日的点击量较以往有明显的上升,但最终购买量上升微弱,成交率不升反降。其中原因可能有以下几种:
a. 本次的营销活动方式、渠道、营销的产品等对用户的吸引力不够;
b. 本次营销活动针对的用户群体范围不广,且平台本身对用户个性化需求的抱把握不够。需要对可能存在的各影响因素进行监测排查,对营销活动方案提出优化建议。

3.2 各时段用户点击量统计

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:根据统计数据显示,用户点击量在晚上21点至22点这个时段表现为峰值。且很明显,用户在19点至23点的活跃度最高。以各时段用户点击量为主轴,将各时段购买量与之对照分析如下:
MySQL项目2 - 淘宝用户分析
结论:购买量的波峰也集中在19点至23点。因此,平台可以在这个时间段进行营销活动或可提高用户的点击量,进而也提高这个时段成交量。另外在10-11,13-14,16-17这三个时段的购买量也出现峰值。因此,这些时段用户的购买意愿更高,可以在这些时段通过一定的营销活动促成更多成交量。

4. 商品指标

4.1 不同商品的购买情况

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:从商品购买次数和商品种类统计分析来看,只购买一次的商品种类最多。在用户购买的商品种类共4007种,用户复购的商品种类约占总体的6.7%。说明存在较强竞争性的产品很少。购买次数不少于5次的商品只有商品编号为4157341和1542908的商品比较受欢迎。

4.2 不同商品的购买情况

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析

结论:在1312个不同类型的商品中,用户会重复购买的商品类型比例为(1312-678)/1312≈48.3%,其中用户购买次数超过60次、受用户欢迎的商品类型有以下四个,其中商品类型为1464116的复购次数最多为71次,最受用户欢迎。
MySQL项目2 - 淘宝用户分析

5. 用户价值

5.1 高价值用户-忠诚度

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:从不同购买次数对应的用户数量统计来看,有购买行为的独立访客量为1369,则在平台上会多次购买的用户占比(1369-459)/1369≈66.5%。而在平台上有多次购买行为的用户中customerid=1008380的用户,其在平台上购买次数最多为57次,其次是customerid为1003983的43次和1003901的31次。

MySQL项目2 - 淘宝用户分析
结论:平台中购买次数越多的用户,其忠诚度越高,这些用户的行为也更具有产品营销参考价值。对度忠诚度排前三的用户行为进行分析,观察他们的购物偏好:
MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析

MySQL项目2 - 淘宝用户分析
结论:在这三个用户中最受欢迎的商品是goodsid=1347509,最受欢迎的商品类型是category=4700878。因此,平台可以给这类忠诚度最高的用户推荐相应的产品。

结论及建议

通过上文的分析,结合 AARR R漏斗模型作出以下总结及建议:
MySQL项目2 - 淘宝用户分析

Step1. 获取客户

  • 现象

    • 平台用户跳出率为6.69%的数据就可看出,淘宝本身的用户粘性不错,平台的用户流量质量较高

    • 从2017年12月2日和3日 pv 陡增的现象可见,平台的营销活动能有效吸引用户眼球

    • 根据统计数据显示,用户点击量在晚上21点至22点这个时段表现为峰值。且很明显,用户在19点至23点的活跃度最高

  • 结论及建议

    • 淘宝作为国内第一大电商平台,用户基数大。商家在19-23点进行各类营销活动的效果更好。商家通过新会员领取优惠券、像美团拼团优惠等活动可以获取更多新用户

Step2. 激活客户

  • 现象

    • 对用户行为进行整体分析时,从页面点击、收藏、加入购物车,虽然页面点击率高,但最后购买的用户数仅约占2.2%

    • 虽然12月2至3日点击量或因营销活动陡增,但进一步分析发现,从每日客户点击到购买的比率来看,虽然在12月2日和12月3日的点击量较以往有明显的上升,但最终购买量上升微弱,成交率不升反降

  • 结论及建议

    • 平台有产品堆砌展示的问题,使得用户花费极多的时间在寻找和筛选商品上,因此需要优化平台产品推荐功能,把握个性化需求。同类产品的推荐数量可以减少,缩小同类商品选择范围,减少购买决策的时间

    • 根据用户画像,调整推广渠道,使得产品和用户更加匹配

Step3. 留存用户

目前淘宝平台本身用户粘性较高,有像每日打卡领淘金币等提高用户留存的方式。对于很多淘宝商家也通过建立老客户群群内打卡满七天领优惠券、群内新品发布意见调查领周边、在本店购满十件免单一件等方式来留存客户,对于平台商户来说,这些体验良好的vip用户服务,提高了客户粘性,进而促成好口碑,形成良性循环,也间接提高了整个平台的用户留存率。

Step4. 增加收入

  • 现象

    • 对独立访客的行为进行分析,从一开始的点击页面到最终购买的转化率约为69.6%

    • 从不同购买次数对应的用户数量统计来看,在平台上有多次购买行为的用户占比约66.5%,其在平台上购买次数最多为57次,

    • 在用户购买的商品种类共4007种,用户复购的商品种类约占总体的6.7%; 在1312个不同类型的商品中,用户会重复购买的商品类型比例为48.3%,其中复购次数最多为71次

  • 结论及建议

    • 淘宝平台的商品类目众多,在用户心中早已形成“淘宝啥都有的“心理暗示;2.虽然独立访客的转化率为69.6%,但商品的复购率低。构建用户画像,针对高价值的用户,对于他们购买频率高的产品进行复购优惠活动,以及具有互补性等有关产品的产品页面、优惠活动推送

Step5. 推荐

目前淘宝自身通过“组队叠猫猫”、”瓜分双十一红包“等方式留存用户。此外,也可以通过像京东平台邀请朋友砍价、分享领红包领和优惠券等方式,让用户主动分享和推荐,提高商品的曝光度。

程序员灯塔
转载请注明原文链接:MySQL项目2 - 淘宝用户分析
喜欢 (0)