电商流量数据分析

时间：2023-03-15 22:58:01 | 来源：电子商务

时间：2023-03-15 22:58:01 来源：电子商务

一.数据信息

1.此次分析的数据为淘宝用户行为数据，该数据记录了一百万名有行为的淘宝用户行为记录样本，包含1，0015，0806条数据，987994个不同用户,4162024个不同商品,3623个不同商品分类， 其中包含4种行为（点击、购买、加购、喜欢）数据。由于数据量太大，前期我们只用其中的300000条数据来进行分析。

2.数据来源于：天池数据平台

数据集总共300001行，5个字段分别为：用户ID、商品ID、商品类目ID、行为类型、时间戳，其中行为类型包含四种行为（pv-浏览、buy-购买、cart-加入购物车、fav-收藏）。

二.电商行业指标

三.分析思路

通过电商数据分析指标，运用AARRR漏斗模型拆分用户行为，对每个环节进行拆分分析，主要流程如下图AARRR漏斗分析模型所示：

四.数据分析

数据分析可分为以下5个步骤：

1.提出问题

（1）.分析淘宝用户在视使用APP过程中各个环节的流失率，从而找到需要改进的环节

（2）.分析每日用户行为

（3）.分析一天中的用户行为

（4）.分析不同商品种类的用户行为

2.理解数据

观察数据，该数据集有用户ID、商品ID、商品类别ID、行为类型和时间戳五个字段，其中包含浏览、购买、加入购物车、收藏四个用户行为。

3.数据清洗

（1）.选择子集

由于数据量太大，此次分析只截取其中的30w条数据样本进行分析

（2）.一致化处理

将原数据中的时间戳转化为常规的日期格式

（3）.异常值处理

因为样本中的数据为2017/11/25-2017/12/3期间的数据，所以将该异常数据删除即可。

4.模型构建

利用AARRR漏斗模型对用户行为进行分析

利用数据透视表可以得到2017年11月27日到2017年12月2日之间的用户访问总数(UV)为2953，页面总访问量（PV）：299863

利用数据透视表分析用户在pv、cart、fav、pay四个行为中的分布情况

根据汇总数据，绘制漏斗图：

由于cart和fav行为都属于用户在购买过程中的行为，且两者行为不分先后，所以在漏斗分析过程汇总归为一个阶段，从漏斗图中可以直观的看到从浏览到有购买意向只有5%的转化率，同时也说明用户浏览的次数较多；在用户有购买意愿到支付购买这一环节中有26%的转化率，这一环节也是需要提升的重要环节。

PUR：

从该条形图中可以得到，有70%的用户为购买用户，PUR为70%。

（2）.分析每日用户行为

利用数据透视表分析每日用户行为

根据分析结果，以日为周期绘制用户行为柱状图

观察图中用户行为变化曲线，可以明显看出2017年12月2日和3日各项用户指标远高于其它时间，是因为这两天为周末，用户活动比较活跃。

（3）.分析一天中的用户行为

选取2017年12月2日的用户数据进行分析

绘制双坐标分析图：

从该图中可以分析出用户在晚上19点至22点的浏览量、加入购物车行为明显增多，在24点到7点之间各项指标明显降低，也符合人们的日常生活规律。早上十点是消费者购买商品的第一个高峰点，此后在晚上21、22点为消费者购买商品的第二个高峰点。所以各商铺可以针对这两个高峰点加大商品的宣传力度。

（4）.分析不同商品种类的用户行为

图中列出了浏览次数前二十的商品数量，由此可见，大多数用户属于一次浏览。

购买次数为一次的商品有5378次，大多数用户都是属于一次购买。

5.结论与建议

本文分析了2017年12月25日至2017年12月3日之间淘宝用户行为，使用AARRR模型分析数据得出以下结论和建议。

（1）.获取用户

在此次分析中，以用户浏览量行为视为用户的获取。

（2）.激活用户

用户的行为有浏览、加入购物车、收藏、购买四个行为，从漏斗图中可以很直观的看到，从用户浏览到购买只有2%的转化率，转化率过低，此环节应该在后期中需要提高和改善。

针对该环节，建议优化淘宝平台各模块，方便用户进行搜索、浏览商品，提高平台便利性。

（3）.提高存留

从每天的浏览量可以看出淘宝用户目前的存留率比较高，所以该环节希望继续保持。

（4）.增加收入

分析得出该平台的PUR为70%，即付费用户达到了70%，付费用户占比非常高了。

（5）.推荐

淘宝平台在国内的知名度很高，用户推荐量也很大，所以这一环节希望能够继续保持，保持平台口碑、形象。