用户行为画像(用户行为画像+RFM模型分析)

在电商平台竞争激烈的大环境下,谁获得了用户、留住用户,谁就能分得更多的蛋糕。对用户行为进行分析,才能知道准确的用户画像,才能探寻用户在网站上浏览、点击、购买背后的商业真相。对于电商企业来说,了解用户画像,“精细化”营销的同时更能节省成本。对于用户来说,大大节省了其在上万种商品中购买到合适商品的时间。本文利用SQL对某电商平台的用户画像数据进行分析,提供精准运营策略。

二、 数据来源

以下数据来自阿里云天池:

该数据集包含了从2014年11月18日到2014年12月18日,某电商平台约一百万随机用户的所有行为。由于数据量庞大,此处只导入10万条信息进行处理。

本数据集主要描述了用户购买行为信息,主要包括用户ID、商品ID、用户对商品的行为类型、用户位置、商品类别、行为时间等。

三、 分析思路

根据目前所掌握的数据,提出以下分析思路。下文将逐一进行验证与分析。

四、 数据清理过程

(一)数据导入

此处选择在SQLyog中导入,因为数据量很大,本文只导入10万条数据,数据库表命名为users。

(二)缺失值处理

经检验,原始数据没有缺失值。

(三)一致化处理

因为数据集时间范围是2014-11-18到2014-12-18之间,查询表内日期是否符合要求。经查询,均符合要求。

五、 分析过程

(一)用户时间倾向

首先我们以星期维度来看用户浏览和下单的次数,从上图可知,星期五、星期日的浏览次数和购买次数均相对较高,尤其是周日。对比工作日,用户在周末有更多的自我掌配时间,平台可在周五及周末加大推送力度。

其次是用户在不同时间段浏览和下单的次数,从上图可看出,在18:00~22:00这个时间段内,用户浏览和下单的次数均呈显著增长趋势,在21:00和22:00两个时间段达到最高。因此在做精准营销时,可以选择在上述时间段内对用户进行推送,以实现精准营销的目的。

(二)用户行为倾向

通过转化率分析可看出,用户浏览页面数在用户总行为数中占比高达94.56%,但是最终购买商品的用户比例仅为1.00%,相当于每一百人仅有1人购买,用户从浏览到购买的转化率低,这是为什么呢?

通过假设检验分析方法,针对此问题提出三种假设,分析数据验证假设是否成立。

假设1验证:平台商品品类较少

商品品类共有2282个大品类,商品种类共有36790。商品品类与种类还是很丰富的。因此转化率低,与品类少没有关系,假设1不成立

假设2验证:推荐商品不符合用户需求

从商品类来看,购买量前10的商品类中,仅12189、1863、5232和5894商品类出现在浏览量前10中,重合度为40%。因此假设2成立,推荐商品类不是用户喜欢产品导致支付转化率降低。

假设3验证:用户行为路径转化

本次数据集里面用户行为字段中包括四种行为:详情页浏览,收藏,加入购物车和购买。因此本次报告在分析用户购买流程中主要考虑以下几种流程:

浏览→购买

浏览→收藏→购买

浏览→加入购物车→购买

浏览→收藏→加入购物车→购买

可以看到

1、在成功购买的行为中,浏览后直接购买支付成交次数相对较低,为4.10%,因此假设3成立

2、用户收藏再加入购物车后,成交次数大幅提升,因此可以引导用户加入购物车或收藏商品。

(三)RFM模型用户价值分析

通过RFM模型对用户进行细分,找出有价值用户,并根据不同类型用户制定对应的策略来提升购买转化率。

R:根据用户最近一次购买时间到2014-12-18之间差值,来判断用户最近一次消费时间间隔

F:数据集中2014-11-18到2014-12-18这段时间内购买次数作为用户消费频率

M:消费金额,数据集中不涉及,因此忽略此条件

通过分析发现,重要发展用户和重要挽留用户占比大。对于重要发展用户,要想办法提高其消费频率;重要挽留用户有流失的风险,可主动联系用户,调查清楚哪里出了问题,想办法解决;给重要价值用户提供VIP甚至VVIP服务;重要保持用户忠实度高,可以采用短信活动提醒、APP推送提醒等方式与他们保持不间断联系,提高复购率。

六、 结论与意见

1、 用户时间倾向方面,星期五、星期日的浏览次数和购买次数均相对较高,尤其是周日。平台用户活跃时间段,在18:00~22:00这个时间段内,用户浏览和下单的次数均呈显著增长趋势,在21:00和22:00两个时间段达到最高。建议运营部门在晚上6点至10点,多策划一些营销活动,集中开启商品相关推送。

2、 用户行为倾向方面,用户的浏览量较大,但购买支付的转化率较低。其原因主要是平台的推荐机制与用户需求不一致,浏览后流失率很大。建议相关部门优化平台的搜索匹配度和推荐策略,主动根据用户喜好推荐相关的商品,对搜索结果排序优先级进行优化。

3、 用户购买路径方面,用户浏览->收藏/加购->购买路径的转化率相对较高。在商品详情页的展示上突出用户关注的重点信息,优化加入购物车和收藏按键的触达,增加功能的使用次数。

4、 用户类别中,重要发展用户和重要挽留用户的占比较大,需要对他们作出更精细的营销策略。对于重要发展用户,可以让算法部门进行购物篮分析,改进推荐机制,较大程度的满足用户的需求。对于重要挽留用户,想办法弄明白即将流失原因,制定相应的挽回策略。

本文内容由用户注册发布,仅代表作者或来源网站个人观点,不代表本网站的观点和立场,与本网站无关。本网系信息发布平台,仅提供信息存储空间服务,其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本网站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如因作品内容侵权需删除与其他问题需要同本网联系的,请尽快通过本网的邮箱或电话联系。 
THE END
分享
二维码
< <上一篇
下一篇>>