电商用户行为可视化分析

最新推荐文章于 2024-11-21 17:37:46 发布

原创

最新推荐文章于 2024-11-21 17:37:46 发布 · 2.7k 阅读

34 ·

CC 4.0 BY-SA版权

文章标签：

#数据分析 #python #电子商务

数据集说明

来源：阿里云天池https://tianchi.aliyun.com/dataset/dataDetail?dataId=46

阿里巴巴提供的移动端淘宝用户的行为数据集，包含2014-11-18至2014-12-18共计一千多万条数据。

字段	字段说明	提取说明
user_id	用户标识	抽样&字段脱敏
item_id	商品标识	抽样&字段脱敏
behavior_type	用户对商品的行为类型	包括浏览、收藏、加购物车、购买，对应取值分别是1、2、3、4。
user_geohash	用户位置的空间标识，可以为空	由经纬度通过保密的算法生成
item_category	商品分类标识	字段脱敏
time	行为时间	精确到小时级别

分析思路

在这里插入图片描述

结论和建议

流量

1.PV、UV：

非活动期间的PV在40或50万左右，UV在12000到13000之间。双十二当天PV达到80万，UV达到15000以上。活动期PV增长45%，UV增长25%左右，但活动结束后下降较快。

PV和UV在一周内有周期性变化，周二到周四的UV、PV最大，且保持稳定。周五最低。

2.新增PV和UV：

总体呈下降趋势，活动前期新增UV保持50-60/天，活动的拉新效果比较稳定，但活动后新增访客快速下降，低至7/天。

3.留存率：

次日留存率基本稳定在0.4到0.7，11.23到11.27、12.6的次日留存率过低。

三日留存率基本稳定在0.6到0.8，12.7的数据过低。

七日留存率较高，基本在0.7以上，12.1的数据过低。

12月的留存率增长明显，可见双十二活动提高了留存率，但活动过后的留存率没有增长。

建议：

对周五PV、UV低的情况，需要更长时间的数据分析其原因，建议结合用户行为和商品情况做进一步分析，是否可以提高周五的PV、UV。

12.1到12.6的新增UV下降，但是新增PV维持稳定；12.18以后新增PV下降显著，建议对这两部分用户做进一步分析，为后续拉新和提升PV作参考。

对于留存率过低的时间，建议分析原因，是否存在消息提醒不足或用户体验不佳等问题。

建议关注活动后的留存率变化情况，通过会员、签到奖励等方式提高留存率。

消费习惯

1.每日用户行为：

浏览、收藏、加购物车同样存在周期变化，但不明显。非活动期的用户行为数据稳定。

活动期里，购买增加只在12,12当天。从12.10开始，收藏、加购物车显著增加，也就是说用户活跃期只有3天。

2.日均各时段用户行为：

12.12当天，用户使用时间主要在20到零点，零点的购买、加购物车达到峰值。

非活动期间，浏览、收藏、加购物车主要在18到23点，18到21点处于上升期。购买行为集中在10到23点，18点后有略微上升，21点是购买峰值。购买量受日均时段影响较小。

3.15天内复购率：

非活动期的复购率一直在0.17到0.2之间，12.12当天达到0.45，说明活动前15天的购买转化效果比较明显。

12.5到12.11的复购率明显较低，可能和后面的双十二活动有关，因为活动前的新增用户增加了，同时大多数会在活动当天购买，所以这几天复购率有所下降。
活动过后的复购率仍在0.2左右，没有提高。

4.日均各时段购买率：

用户总体购买率为88.27%。

相比非活动期，12.12当天的购买率增加了10%左右。3到16点一直在0.2左右，17点下降了5%，随后开始增加，在零点达到峰值0.44，23-1点是购买高峰期。

非活动期的购买高峰期在10到22点，购买率峰值在21点，其中18点下降显著，和用户作息时间有关。因此商品投放和促销活动应重点关注10-22点这段时间，尤其是18-21点。

建议：

1.活动前的用户活跃期只有3天，建议延长活动预热时间，比如从12.5就开始，有利于提高新增用户和活跃率，对活动更有利。

2.商品投放和促销活动应重点关注10-22点这段时间，尤其是18-21点，促销活动建议在19-23点间进行。

3.购买量受日均时段影响较小，可分析各商品在不同时段的购买转化率，针对不同时段投放转化率相对高的商品。

4.关注活动过后的复购率变化，趁活动余热未过、新增用户量还没流失，建议做新的活动和优惠方案，进一步提高用户粘性和复购率。

转化率

1.用户行为转化漏斗

非活动期，从浏览到加购物车、收藏或购买的转化率分别为：4.46%、3.27%、1.4%，活动期的分别是5.59%、3.39%、2.38%。

相比非活动期，活动期的各阶段的总体转化率提高了1%左右，效果不是很明显。

2.登陆天数与转化率

加购物车和收藏的转化率随登陆天数增加，提高用户登陆天数，可促进加购物车和收藏的转化率，登陆6天的用户此指标异常，建议进一步分析寻找原因。

浏览-购买转化率、加购或收藏-购买转化率随用户登陆天数减小，尤其在登陆19天后，购买转化率下降明显，可能和双十二活动后购买率显著下降有关。

用户登陆5天后的购买转化率明显上升，登陆5-19天的用户购买转化率较高。

由于受双十二活动影响，此处的分析不能准确表明常规时期的登陆天数与转化率关系，需要更长时间的数据作进一步分析。

建议：

1.活动期的各阶段的总体转化率提高了1%左右，效果不明显。建议进一步分析用户不同的行为路径以及阶段转化率，比如浏览-购买、收藏-购买、加购物车-购买的转化率，再决定从哪一阶段提高转化率。

2.登陆5-19天的用户购买转化率较高，建议让用户登录时间达到5天及以上，可以通过发放优惠券、发送提醒、签到奖励等方式进行。

3.登陆6天的用户购物车和收藏的转化率过低，建议从商品投放和推送分析原因。

商品偏好：

1.浏览，收藏，加购物车，购买的前十名的商品类别：

各阶段的品类重合度在50%左右，有些浏览、收藏、加购很高的品类，购买量不在前十，比如5027、5894。而有的销量前十的品类，浏览、收藏、加购不在前十，
比如6344、8877、7957。

2.购物车分析：前20商品及购买转化率

加购物车量与购买率明显不成正比。有的商品购买率低，比如209323160、6703599、382513156。有的商品购买率高但收藏量低，如303205878、289649282、14087919。

3.购买分析：销量前10的商品类别、销量前20的商品

品类分析：活动期和非活动期销量都在前十的品类有5个。活动期1683、6513两个品类的销量显著，其他前十品类的销量差距不大。非活动期1863、6344、5232三个品类的销量显著，其他前十品类的销量差距不大。6513这个品类在活动期销量显著，而平时销量不算高。6344这个品类平时销量很好，而活动期销量不太高。

商品分析：活动期和非活动期销量都在前20的商品只有一个，这说明，活动期和非活动期用户购买的商品差距很大。

4.不同时段销售前十的商品类别：

7-18时和18-24时销量都在前十的品类有8个，可见用户购买何种品类受时段影响不大。如进一步分析，建议查看每个商品日均时段的销量，在不同时段投放销量高的相应品类。

建议：

1.对于浏览、收藏、加购很高，销量低的品类，或浏览、收藏、加购低，销量高的品类，建议结合商品特性进一步分析，是否存在推荐机制准确度不高、商品投放不精准的情况，同时挖掘有潜力的品类。

2.对于购买率低、加购物车多的商品，建议从商品质量特点、用户评价、各销售环节分析原因。对于购买率率高但收藏量低的商品，考虑商品特性，分析推荐机制、投放时段和频率是否有问题，是否增加要曝光率或做主推商品。

6513这个品类在活动期销量显著，而平时销量不算高，建议结合活动期的销售策率和商品特点分析，是否可作为后续活动的主推品类。6344这个品类平时销量很好，而活动期销量不太高，建议分析销售环节是否有问题。

4.针对活动期和非活动期用户购买的商品差距大的情况，除了商品特性和优惠活动的原因外，建议分析平时的推荐机制是否准确。有些商品活动期销量高，而平时的销量不高，比如115052027，对于这样的商品，建议结合商品特点，考虑定价是否合理、是否可以做主推商品或新活动。

数据预处理

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

%matplotlib inline
plt.style.use('ggplot')

读取数据

df = pd.read_csv('C:/Users/阿怪不会弹吉他/Desktop/用户行为分析/tianchi_fresh_comp_train_user.csv')
df.head()

	user_id	item_id	behavior_type	user_geohash	item_category	time
0	10001082	285259775	1	97lk14c	4076	2014-12-08 18
1	10001082	4368907	1	NaN	5503	2014-12-12 12
2	10001082	53616768	4	NaN	9762	2014-12-02 15
3	10001082	9947871	1	NaN	2825	2014-11-28 20
4	10001082	150720867	1	95qoghe	3200	2014-12-15 08

查看数据类型及结构

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15463110 entries, 0 to 15463109
Data columns (total 6 columns):
 #   Column         Dtype 
---  ------         ----- 
 0   user_id        int64 
 1   item_id        int64 
 2   behavior_type  int64 
 3   user_geohash   object
 4   item_category  int64 
 5   time           object
dtypes: int64(4), object(2)
memory usage: 707.8+ MB

df.describe()

	user_id	item_id	behavior_type	item_category
count	1.546311e+07	1.546311e+07	1.546311e+07	1.546311e+07
mean	7.015207e+07	2.023169e+08	1.153780e+00	6.827181e+03
std	4.572019e+07	1.167524e+08	5.440445e-01	3.810410e+03
min	4.920000e+02	3.700000e+01	1.000000e+00	2.000000e+00
25%	3.021406e+07	1.014015e+08	1.000000e+00	3.687000e+03
50%	5.638708e+07	2.022669e+08	1.000000e+00	6.054000e+03
75%	1.166482e+08	3.035247e+08	1.000000e+00	1.025800e+04
max	1.424430e+08	4.045625e+08	4.000000e+00	1.408000e+04

数据清洗：去重、丢空

#查看缺失值数量
df.isnull().sum()

user_id                0
item_id                0
behavior_type          0
user_geohash     8207386
item_category          0
time                   0
dtype: int64

因为不做地理数据的分析user_geohash 这列的缺失值不做处理

#查看数据重复数量
sum(df.duplicated())

数据分析及可视化

1.每日pv(浏览量）、uv（独立用户数）

转换日期格式，提取日期和时间

df['time'] = pd.to_datetime(df['time'])
df['day'] = df.time.dt.date
df['month'] = df.time.dt.month
df['hour'] = df.time.dt.hour
df['day_of_week'] = df.time.dt.weekday

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15463110 entries, 0 to 15463109
Data columns (total 10 columns):
 #   Column         Dtype         
---  ------         -----         
 0   user_id        int64         
 1   item_id        int64         
 2   behavior_type  int64         
 3   user_geohash   object        
 4   item_category  int64         
 5   time           datetime64[ns]
 6   day            object        
 7   month          int64         
 8   hour           int64         
 9   day_of_week    int64         
dtypes: datetime64[ns](1), int64(7), object(2)
memory usage: 1.2+ GB

df.head()

	user_id	item_id	behavior_type	user_geohash	item_category	time	day	month	hour	day_of_week
0	10001082	285259775	1	97lk14c	4076	2014-12-08 18:00:00	2014-12-08	12	18	0
1	10001082	4368907	1	NaN	5503	2014-12-12 12:00:00	2014-12-12	12	12	4
2	10001082	53616768	4	NaN	9762	2014-12-02 15:00:00	2014-12-02	12	15	1
3	10001082	9947871	1	NaN	2825	2014-11-28 20:00:00	2014-11-28	11	20	4
4	10001082	150720867	1	95qoghe	3200	2014-12-15 08:00:00	2014-12-15	12	8	0

#查看日期范围
df.time.min(), df.time.max()

(Timestamp('2014-11-18 00:00:00'), Timestamp('2014-12-18 23:00:00'))

1.流量分析

1.1 每日pv,uv

计算每日pv(浏览量）,uv（独立用户数）

#计算每日基于pv的用户行为
behavior_type_by_day = df.groupby(['day','behavior_type']).user_id.count()
behavior_type_by_day

day         behavior_type
2014-11-18  1                395982
            2                 13205
            3                 18703
            4                  6115
2014-11-19  1                405103
                              ...  
2014-12-17  4                  6530
2014-12-18  1                459362
            2                 13805
            3                 18095
            4                  6384
Name: user_id, Length: 124, dtype: int64

#每日pv(浏览量）
pv_by_day = behavior_type_by_day.xs(1, level = 1)
#uv（独立用户数）
uv_by_day = df.groupby('day').user_id.nunique()

PV和UV日变化趋势图

#每日用户浏览量变化趋势图
plt.figure(figsize = (18, 10))

plt.subplot(2,1,1)
plt.plot(pv_by_day, linestyle='-.', marker='o')
plt.title('PV by Day')
plt.xlabel('Date')
plt.ylabel('PV')

#每日用户浏览量变化趋势图
plt.subplot(2,1,2)
plt.plot(uv_by_day, linestyle='-.', marker='o')
plt.title('UV by Day')
plt.xlabel('Date')
plt.ylabel('UV')

在这里插入图片描述

1.2 访问深度:PV/UV

pv_uv = pv_by_day/uv_by_day

plt.figure(figsize = (18, 6))
plt.plot(pv_uv, linestyle='-.', marker='o')
plt.title('PV/UV by Day')
plt.xlabel('Date')
plt.ylabel('PV/UV')

在这里插入图片描述

PV、UV从11.10开始上升，在双十二当天达到峰值，11.13开始下降。非活动期间的PV在40或50万左右，UV在12000到13000之间。双十二当天PV达到80万，UV达到15000以上。
同时，可以看出PV和UV呈现周期性的起伏变化，结合用户访问深度，可看出波谷的日期11.21、11.28、12.5都是星期五，因此PV、UV可能是以星期为周期变化。

分析一周中PV和UV的变化趋势
双十二数据量过大，去除该天数据后再分析

import datetime
pv_by_week = df[~df.day.isin([datetime.date(2014,12,12)])].query('behavior_type == 1').groupby('day_of_week').user_id.count()
uv_by_week = df[~df.day.isin([datetime.date(2014,12,12)])].groupby('day_of_week').user_id.nunique()

#一周中用户浏览量变化趋势图
plt.figure(figsize = (18, 10))

plt.subplot(2,1,1)
plt.plot(pv_by_week, linestyle='-.', marker='o')
plt.title('PV by Week')
plt.xlabel('Day of week')
plt.ylabel('PV')

#一周中用户浏览量变化趋势图
plt.subplot(2,1,2)
plt.plot(uv_by_week, linestyle='-.', marker='o')
plt.title('UV by Week')
plt.xlabel('Day of week')
plt.ylabel('UV')

在这里插入图片描述

PV和UV在一周内有周期性变化，周二到周四的UV、PV最大，且保持稳定。周五UV、PV迅速降低，是一周中最低的一天。对周五PV、UV低的情况，需要更长时间的数据分析其原因，同时结合用户行为和商品情况做进一步分析，是否需要提高周五的PV、UV。

1.3 每日新增访客及浏览量

from copy import deepcopy
import datetime

user_pv = df[df.behavior_type == 1]
s = set()
days = []
nums = []
add_pv = []

for date in np.sort(user_pv['day'].unique()