京東消費行爲數據分析可視化實戰案例
一、背景
京東 JD.COM - 專業綜合網上購物商城,銷售超數萬品牌,4020 萬種商品,囊括家電、手機、電腦、服裝、居家、健康、母嬰、美妝、個護、食品、旅遊等品類。
數據時間是從 2018 年 2 月 1 日到 4 月 15 日兩個半月的銷售數據。本文主要通過 python 對用戶數據進行分析,探討用戶行爲體現出的購買趨勢,爲商家提供一些運營方面的建議與策略。
二、研究問題
-
從 2018 年 2 月 1 日到 2 月 15 日商品的瀏覽,收藏,購買,加購物車的變化趨勢如何?爲什麼會有這種趨勢?
-
爲什麼此類商品會被用戶購買甚至復購?有何特徵?
-
哪種商品銷量最好?哪些品牌最受用戶歡迎?哪些店鋪排名靠前?
-
用戶瀏覽,購買,加購,收藏商品主要時間在一天中的什麼時候?爲什麼在這個時間段?
-
哪些用戶是重點用戶?哪些用戶即將流失?
-
需要完整代碼的,請在公衆號:數據 STUDIO 消息後臺回覆【code】
三、數據分析
1. 數據字段介紹
1.1 JD_labels
1.2 df_short.csv
2. 用戶行爲分析
2.1 用戶從 2018 年 2 月 1 日到 2018 年 4 月 15 日各個行爲變化趨勢?
分析:
-
可看出在 2 月 15 日前後,瀏覽量收藏量加購量都減爲 0 瞭然後又都逐漸上升而 2018 年 2 月 15 日是除夕,2 月 16 日是春節,猜測這種變化是受春節影響。
-
可看出瀏覽量很多,且瀏覽量有隨着時間逐漸減少的趨勢,而加購物車,購買,評論,收藏都相對較少,可以把瀏覽量去掉分析收藏,加購,購買這三種行爲的變化趨勢。
-
在 2018 年 3 月 25 日左右瀏覽量急速降爲 0,而後又急劇上升,推測原因:① 春節消費過度,用戶購買慾望下降 ② 3 月下旬是春季旅遊高峯期,上網人數可能會減少
分析:
type:類別
1:瀏覽,2:收藏,3:購買,4:加入購物車,5:評論
可看出加購物車隨時間變化相對於其他的都較多,加購物車用戶量超過了收藏評論的用戶量。購買量從一開始到 4 月 7 日沒有,從 4 月 8 日突然迅速增多然後又稍微下降,
推測:
①是商品有活動了
②節假日前後(2018 年 4 月的 5,6,7 日爲清明放假時間)
③該商品具有季節性(清明後天氣回暖)所以大家紛紛購買。
2.2 有購買行爲的用戶人均購買多少次?
分析:
4 月 8 日到 4 月 15 日期間,日均消費 110 次左右,人均消費 1 次左右,商品復購率不高。可提升商品質量或加大廣告力度。
2.3 用戶復購情況如何?
分析:
大多數用戶‘只看不買’,購買並復購的用戶僅佔 0.3%.
分析:
可能是數據量不大的原因,復購用戶復購的多爲日常生活用品,復購時間在 1-50 天內均有分佈,復購時間在 10 天內客戶佔了復購用戶的一半,商家應注重一週內對客戶的宣傳。
2.4 用戶下單時間大多在什麼時候?
分析:
用戶下單最多的時間是下午和晚上,凌晨消費最少,所以活動可以選擇在下午和晚上進行推送。
2.5. 點擊就購買的用戶和加購就購買的用戶佔比?
分析:
加入購物車的商品和瀏覽的商品轉爲被購買商品幾率差不多大,都爲 11.2% 左右,用戶加購物車卻不買,用戶是有購買慾望的,可能是商品的價格等不合適,建議辦一些活動來促銷,有 0.11297267514233822 點擊行爲轉爲了購買行爲, 可以增強網站的推薦機制,或許可以提高此比率。
2.6 用戶 7 天與 30 天活躍次數分析?
分析:
用戶月活躍次數與用戶周活躍次數完全一樣。
推測:可能數據裏 7 天內的新用戶佔比多,然後新用戶近 1 個月活躍次數和 7 天內基本一樣,所以數據看起來差別不大。
2.7 根據 kmeans 對用戶進行分類
kmeans 根據用戶上一次行爲距離今天天數聚類。
-
標籤 0:一般客戶
-
標籤 1:重要深耕客戶
-
標籤 2:高價值客戶
-
標籤 3:一般客戶
3 商品與品牌,店鋪分析
3.1 最受用戶歡迎的品牌?
Others 可能爲一些其他的品牌,從圖中可看出 others 爲第一,其次就是各大知名品牌了,所以建議,在營銷時除了知名品牌的宣傳外,也要注重一些小品牌的宣傳。
3.2 最受用戶歡迎的物品種類?
分析
最受用戶歡迎的物品種類前 7 分別是:手機,外衣,茶,筆記本 / 筆記本電腦,平板電腦,數碼相機,洗面奶。
3.3 最受用戶歡迎的商店種類?
兩個半月以來用戶訪問商店種類前 4 的是電子產品,衣服,美妝,食物,可在這四個方面做好售後服務,打造好口碑。
3.4 兩個半月以來各商店種類用戶點擊的變化趨勢?
分析:
2 月 15 日和 3 月底的大變化前面分析了,這裏不再贅述。從圖中還可看出,電子類商品一直以來熱度很高,其次是衣服,美妝,食物也很靠前。可以加大這方面的營銷
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/vxQ_IR-bjotKjgr1loq2PA