一、报告目的

电子商务在发展过程中越来越注意消费者的用户体验，淘宝是深受中国消费者喜欢的电子商务平台，本文试图通过研究淘宝商城消费者的用户行为和潜在的需求，帮助企业制定个性化的营销方案，提高平台的运行效率。

二、数据概况

2.1 数据来源

本文的数据来自天池数据集https://tianchi.aliyun.com/dataset/dataDetail?dataId=46

2.2 数据的基本情况

（1） 数据共有1200万条，选取其中的20万条作为报告内容。
（2） 数据清洗：清洗异常值、重复值、日期格式转换、构造新特征
（3） 数据概览

三、分析思路

3.1 流量分析

pv uv 跳失率 平均访问量，结合时间维度进行分析

3.2 用户分析

用户点击、收藏、加购、新增用户情况、用户复购率分析用户情况，用户价值模型分类

3.3 产品分析

主要产品结构、爆款产品分析

3.4 转化分析

四、分析过程

4.1 数据清洗

# 数据清洗
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
data = pd.read_csv(\'UserBehavior.csv\',nrows=200000, header=None,
                  names= [\'用户ID\',\'商品ID\',\'商品类目ID\',\'行为类型\',\'时间戳\'])
data.head()
data.describe()
data.isnull().sum().sort_values(ascending=False) # 缺失值为0
data.duplicated().sum() # 重复值为0
start_time = datetime.datetime(2017,11,25)
end_time = datetime.datetime(2017,12,4)
start_ts = time.mktime(start_time.timetuple())
end_ts = time.mktime(end_time.timetuple())

data = data[(int(start_ts) <= data[\'时间戳\']) & (data[\'时间戳\'] <= int(end_ts))]
data[\'时间戳\'] = data.时间戳.apply(lambda x: datetime.datetime.fromtimestamp(x))
data[\'日期\'] = data.时间戳.dt.date
data[\'时间\'] = data.时间戳.dt.time
data[\'小时\'] = data.时间戳.dt.hour

4.2 流量分析

pv_date = data[data[\'行为类型\'] == \'pv\'].groupby(\'日期\')[\'行为类型\'].count()
uv_date = data[data[\'行为类型\']== \'pv\'].drop_duplicates([\'日期\',\'用户ID\']).groupby(\'日期\')[\'用户ID\'].count()
print(pv_date)
print(uv_date)
# 日流量
plt.rcParams[\'font.sans-serif\']=[\'SimHei\']
plt.rcParams[\'axes.unicode_minus\'] = False
x = pv_date.index
y1 = pv_date.values
y2 = uv_date.values
plt.plot(x,y1,label=\'PV\',linewidth=4, color=\'blue\', marker=\'o\', markerfacecolor=\'red\', markersize=4)
plt.xticks(rotation=30)
plt.xlabel(\'日期\',size=18)
plt.ylabel(\'数量\',size=20)
plt.title(\'日流量情况\',size=18)
plt.legend(loc=\'upper left\')
plt.savefig(\'1周流量情况\')

# 日访客数
plt.rcParams[\'font.sans-serif\']=[\'SimHei\']
plt.rcParams[\'axes.unicode_minus\'] = False
x = pv_date.index
y1 = pv_date.values
y2 = uv_date.values
plt.plot(x,y2,label=\'UV\',linewidth=4, color=\'red\', marker=\'o\', markerfacecolor=\'black\', markersize=4)
plt.xticks(rotation=30)
plt.xlabel(\'日期\',size=18)
plt.ylabel(\'数量\',size=20)
plt.title(\'访客情况\',size=18)
plt.legend(loc=\'upper left\')
plt.savefig(\'2一周访客情况\')

# 日人均流量折线图
y3 = y1/y2
plt.plot(x,y3,label=\'日均浏览量\',linewidth=4, color=\'green\', marker=\'o\', markerfacecolor=\'black\', markersize=4)
plt.xticks(rotation=30)
plt.xlabel(\'日期\',size=18)
plt.ylabel(\'数量\',size=20)
plt.title(\'日人均浏览量\',size=18)
plt.legend(loc=\'upper left\')
plt.savefig(\'3日均浏览量情况\')

# 时流量
# 时访客
hour_date = data[data[\'行为类型\'] == \'pv\'].groupby(\'小时\')[\'行为类型\'].count()
hour_uv = data[data[\'行为类型\'] == \'pv\'].drop_duplicates([\'小时\',\'用户ID\']).groupby(\'小时\')[\'行为类型\'].count()
x = hour_date.index
y1 = hour_date.values
y2 = hour_uv.values
y2
plt.plot(x,y1,label=\'PV\',linewidth=4, color=\'blue\', marker=\'o\', markerfacecolor=\'red\', markersize=4)
plt.xticks(rotation=30)
plt.xlabel(\'日期\',size=18)
plt.ylabel(\'数量\',size=20)
plt.title(\'时流量情况\',size=18)
plt.legend(loc=\'upper left\')
plt.savefig(\'4时流量情况\')
plt.plot(x,y2,label=\'PV\',linewidth=4, color=\'red\', marker=\'o\', markerfacecolor=\'black\', markersize=4)
plt.xticks(rotation=30)
plt.xlabel(\'日期\',size=18)
plt.ylabel(\'数量\',size=20)
plt.title(\'时访客数情况\',size=18)
plt.legend(loc=\'upper left\')
plt.savefig(\'4时访客数情况\')

1. 日PV和日UV呈上升趋势，且在11月1日至11月2日期间有大幅度提高，初步推测该平台流量有增长的态势，并在12月1日开启促销宣传活动。
2. 时PV和时UV在10时以后较为平稳，并在16时至20时呈现持续增长的态势，建议在下午和晚上加强宣传引导，提高转化率
3. 人均浏览量在27日下降到最低，应该分析该天的运营情况，商品宣传页面是否出现问题等。

4.3 用户分析

# 新增用户分析
from copy import deepcopy
import datetime
df_pv = df[df.行为类型 == \'pv\']
s = set()
days = []
nums = []
add_pv = []
for date in df_pv[\'日期\'].unique():
    num1 = len(s)
    s1 = deepcopy(s)
    ids = df_pv[df_pv.日期 == date][\'用户ID\'].values.tolist()
    for i in ids:
        s.add(i)
    add_users = s - s1
    num2  = len(s)
    days.append(date)
    nums.append(num2-num1)
df_new_uv = pd.DataFrame({\'日期\': days, \'新增访客数\': nums})    
df_new_uv

hour_behavior = data.groupby([\'行为类型\',\'小时\'])[\'行为类型\'].count()
plt.figure(figsize=(12,8))
hour_behavior[\'pv\'].plot(color=\'r\',label=\'点击\')
plt.legend(fontsize=16, loc=\'upper right\')
plt.xticks(hour_behavior[\'pv\'].index, [\'0时\',\'1时\',\'2时\',\'3时\',\'4时\',\'5时\',\'6时\',\'7时\',\'8时\',\'9时\',\'10时\',\'11时\',\'12时\',\'13时\',\'14时\',\'15时\',\'16时\',\'17时\',\'18时\',\'19时\',\'20时\',\'21时\',\'22时\',\'23时\'], fontsize=12)
plt.xlabel(\'\')
plt.grid(b=\'False\')
plt.twinx()
hour_behavior[\'fav\'].plot(color=\'b\', label=\'收藏\')
hour_behavior[\'cart\'].plot(color=\'k\', label=\'加入购物车\')
hour_behavior[\'buy\'].plot(color=\'g\', label=\'购买\')
plt.xlabel(\'\')
plt.xticks(hour_behavior[\'pv\'].index, [\'0时\',\'1时\',\'2时\',\'3时\',\'4时\',\'5时\',\'6时\',\'7时\',\'8时\',\'9时\',\'10时\',\'11时\',\'12时\',\'13时\',\'14时\',\'15时\',\'16时\',\'17时\',\'18时\',\'19时\',\'20时\',\'21时\',\'22时\',\'23时\'], fontsize=12)
plt.grid(b=\'False\')
plt.legend()
plt.title(\'一天中用户行为分布折线图\', fontsize=18)
plt.savefig(\'5一天内用户行为分析\')

# 两周内用户行为分析
plt.figure(figsize=(12,8))
day_behavior = data.groupby([\'行为类型\',\'日期\'])[\'行为类型\'].count()
day_behavior[\'pv\'].plot(color=\'r\',label=\'点击\')
plt.legend(fontsize=16, loc=\'upper right\')
plt.xlabel(\'\')
plt.xticks(rotation=30)
plt.twinx()
day_behavior[\'fav\'].plot(color=\'b\', label=\'收藏\')
day_behavior[\'cart\'].plot(color=\'k\', label=\'加入购物车\')
day_behavior[\'buy\'].plot(color=\'g\', label=\'购买\')
plt.xlabel(\'\')
plt.xticks(rotation=30)

plt.legend()
plt.title(\'近几日用户行为分布折线图\', fontsize=18)
plt.savefig(\'6一周内用户行为分析\')

from datetime import date
nowdate = date(2017, 12, 5)
recent_buy_date = df[df.行为类型 == \'buy\'].groupby(\'用户ID\')[\'日期\'].apply(lambda x: x.sort_values().iloc[-1])
recent_buy_time = (nowdate - recent_buy_date).map(lambda x: x.days)
fre_buy = df[df.行为类型 == \'buy\'].drop_duplicates([\'用户ID\', \'时间戳\']).groupby(\'用户ID\')[\'日期\'].count()
rf_module = pd.DataFrame({\'用户ID\': recent_buy_time.index, 
                          \'recency\': recent_buy_time.values,
                          \'frequency\': fre_buy.values})

rf_module.to_excel(\'rf.xlsx\')

结论：

1. 新增访客数在25日增加最多，在之后几日逐渐减少，需要增加拉新活动
2. 用户收藏和购买趋势线基本拟合，可以增加活动提高收藏率，从而增加购买转化
3. 18时-22时是用户活跃购买 高峰期，需要加强运营
4. rfm用户价值分析：
   重要价值客户：该类用户消费频次较高，最近一次消费近，应当保持当前策略维持
   重要发展客户：该类用户消费频次较高，最近一次消费较远，应该通过发放优惠券、短信及时唤回
   潜力客户：该类客户消费频次低，最近一次消费较近，应该通过关联商品、打折等提高消费频率
   一般维持客户：该类客户消费频次低，最近一次消费低，应当通过折扣、优惠券将其挽回

4.4 转化分析

pv = data[data[\'行为类型\'] == \'pv\'][\'用户ID\'].count()
cart = data[data[\'行为类型\'] == \'cart\'][\'用户ID\'].count()
fav = data[data[\'行为类型\'] == \'fav\'][\'用户ID\'].count()
buy = data[data[\'行为类型\'] == \'buy\'][\'用户ID\'].count()

attr = ["购买：%.2f%%" % (buy / pv * 100), "收藏或加入购物车: %.2f%%" % ((fav+cart) / pv * 100),"点击量:100%"]
value = [18, 36, 54]
funnel = Funnel("转化率", width=600, height=400, title_pos=\'center\')
funnel.add(
    "商品",
    attr,
    value,
    is_label_show=True,
    label_pos="inside",
    label_text_color="#fff",
    is_legend_show = False
)
funnel

1. 总的点击量中，有6.25%加入购物车，有3.24%收藏，而到最后只有2.24%购买，整体来看，购买的转化率最低，有很大的增长空间
2. “点击-加入购物车“这一环节的转化率最低，按照“点击-加入购物车-收藏-购买”这一用户行为路径，我们可通过优化“点击-加入购物车”这一环节进而提升购买的转化率。

# 产品分析
# 用户关注哪些产品
goods_buy = data[data[\'行为类型\']==\'buy\'].groupby(\'商品类目ID\')[\'用户ID\'].count().sort_values(ascending=False)
goods_buy[:10]
goods_pv = data[data[\'行为类型\']==\'pv\'].groupby(\'商品类目ID\')[\'用户ID\'].count().sort_values(ascending=False)
goods_pv[:10]
goods_buy[:10].to_excel(\'goods_buy.xlsx\')
goods_pv[:10].to_excel(\'goods_pv.xlsx\')

结论：通过分析找出前10位的主要产品，可以对主要产品进行精准宣传，打造爆款产品