伴随着电商⾏业在过去⼏年的快速发展,早些年的粗放式经营,依靠价格战、疯狂广告铺展推广,凭着“烧钱”不断融资,就可以在众多平台中存活下来。 不过随着行业的发展、内部\外部局势的挤压,互联网行业无疑已经进入了“红海”时代,依靠早期的粗放式经营,耗费巨量资金成本来取得用户占比,已然不太可行。
对于目前国内用户,已经逐步被各大平台所“瓜分”,同时想方设法提高用户留存率的情况下,对于用户的精细化运营、提高用户对平台的认同,就显得格外重要。随着平台数据量的不断积累,通过数据分析挖掘消费者的潜在需求,消费偏好成为平台运营过程中的重要环节。
本项⽬是针对某电商平台⽤户⾏为数据,使用python语言,探索用户行为规律,寻找高价值用户;分析商品特征,寻找高贡献商品;分析产品功能,优化产品路径。
python、Excel2019、jupyter notebook
使用“人、货、场”拆解方法,分别评价“用户、商品、平台”的质量
⽤户是整个运营的核心。想要从用户身上实现商业价值,首先必须为用户提供某种服务---只有服务好用户,用户才会舍得为你的产品或者服务买单,服务好用户是前提, 良好的公司经营就一定要提升用户体验,为用户创造价值,通过发展用户、提升活跃用户规模、提升客单价,通过广告、会员等各种商业化形式来获得商业利润。 所有举动都围绕着,如何让更多的人有购买行为。目前平台上的主力消费人群有哪些特征,他们对货品有哪些需求,他们活跃在哪些维度,还有哪些有消费力的人目前不在平台上,而这些就是平台始终不断探索解决的问题。
商品是整个平台的竞争力。商品的分层、用户界面内含的推荐算法,哪些是商品的红海?哪些是商品的蓝海?新商品的冷启动,如何进行动态调整?等等,都是尽可能满足用户内在的购买需求,提高用户体验,引导用户消费。
场对应整个平台的营销,无论是线下平台的设计、用户的引流、广告的投放,还是线上大品牌各大平台的互通,新型的“互联网+”模式,打通全域,都是为了与用户进行更多的互动,更多的进行各方面的内容营销,增强用户对品牌的“忠诚度”,增强对外的影响力,来最终实现品牌的良性发展和商业变现。
针对用户近期购买行为,利用RFM模型对用户质量进行聚类分析,生成相应的用户标签。
R:Recency——客户最近一次交易时间的间隔,R值表示客户交易发生的日期。
F:Frequency——客户在最近一段时间内交易的次数。F值表示客户交易越频繁。
M:Monetray——客户在最近一段时间内交易的金额。M值表示客户价值。
RFM模型,优势在于利用时间、频次、价值关系,进行区分轻重用户的方法,在用户标签模型中使用范围相对较广,可解释性强,适用于大多数业务情况。 但RFM模型对于某些商品交易情况下,需要事先进行分类聚类分析,(例如:大宗商品与日用品类因为购买性质存在极大差别,需要事先进行分类)
taobao_1.csv,327Mb,约600万条数据
用户名 | 用户唯一id |
---|---|
商品名 | 商品唯一编号 |
行为 | ⽤户行为类型(1-曝光;2-购买;3-加⼊购物⻋;4-购买下单) |
物品类名 | 品类id |
日期 | 用户行为日期 |
时间 | 用户行为时间 |
指标 | 说明 |
---|---|
uv | 独立访客,统计1天内访问的用户数,统计distinct user_id 的数量,需要按日统计(分组) |
pv | (Page View)访问量, 页面浏览量,统计behavior_type=1的记录数,需要按日统计(分组) |
浏览深度 | pv/uv |
留存率 | 按日统计,用户次日、二日……返回访问的数量,占当日访问用户数的比例 |
UV异常分析:每⽇UV数据中,明显异常点为双⼗⼆活动造成,该影响为已知影响。 对于UV周环⽐的分析:⽇常周环⽐数据⼤多⼤于0,说明⽤户程⼀定上升趋势,其中如11⽉26⽇、12⽉2⽇、12⽉7⽇等的数据为下降数据,需要结合其他数据做进⼀步的下降原因分析。双⼗⼆活动后⽤户周环⽐会相应下降,为正常原因。
猜测可能的问题有: 内部问题:产品BUG(⽹站bug)、策略问题(活动结束了)、营销问题等; 外部问题:竞品活动问题(其他平台⼤酬宾),政治环境问题(进出⼝商品限制),舆情⼝碑问题(平台商品爆出质量问题)等;
RFM模型 | 示意 |
---|---|
R | 最近一次消费 (Recency) |
F | 消费频率 (Frequency) |
M | 消费金额 (Monetary) |
通过RFM模型中的⽤户最近⼀次购买时间、⽤户消费频次分析,分拆得到以下重要⽤户。
可以在后续精细化运营场景中直接使⽤细分⽤户,做差异化运营: 对⾼价值客户做VIP服务设计,增加⽤户粘性同时通过设计优惠券提升客户消费; 对深耕客户做⼴告、推送刺激,提升消费频次; 对挽留客户做优惠券、签到送礼策略,增加挽留⽤户粘性; 对唤回客户做定向⼴告、短信召回策略,尝试召回⽤户
点击量、收藏量、加购量、购买次数、购买转化
热销商品品类如下所示。 其中’5027‘、’5399‘品类购买转化率较其余商品品类偏低,需要结合更多数据做进⼀步解读。(可能的原因:品类⾃有特性导致⽤户购买较低,⽐如大件商品、⾮必需品、奢侈品等等。)
点击量、收藏量、加购量、购买次数、购买转化
点击次数、收藏次数、加购物⻋次数、购买次数、购买转化
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。