2014年天猫用户行为分析
数据源：阿里云—天池—Brand and Item Data from Rec-Tmall Contest
文件名称：(sample)sam_tianchi_2014002_rec_tmall_log.csv
包含特征：
数据集每列详细描述如下
| 列名称 |
类型 |
| 用户ID |
字符串 |
| 商品ID |
字符串 |
| 行为类型 |
字符串，包括（‘click’,’cart’,’collect’,’aplay’） |
| 时间 |
行为发生时的时间 |
使用数据库管理软件SQL，导入数据集。根据sql查询，共有4844条数据
SQL查询结果如下：
二、数据清洗
2.1去除重复值
为了防止出现多余重复数据，使用SQL去除同一时间，同一用户购买同一商品情况。
SQL查询结果如下
2.2检查缺失值
使用计数方式，查询每一列的非空数值
SQL查询结果如下
每一列都有记录数据，不存在缺失值。
2.3数据展示
经过数据查重、查缺数据由4840条脏数据变为4603条可用数据。
源数据如下图：
2.4剔除异常值
因为我们分析的时间范围是2017-09-01至2014-09-30这30天，所以剔除不在这30天的数据：
通过SQL检查，数据已经符合分析要求。
- 时间维度
3.1分析思路
3.2总体流量
SQL查询语句如下：
SQL查询结果如下
Excel可视化
数据来源：中国产业信息网
3.2.1分析说明
在2014年时，天猫成立两年，天猫在进行战略转移。2014年时，手机尚未全面普及，受流量和手机功能不完善的影响，中国网购大多集中在家里，使用PC进行购物。2014年，天猫正从PC端向移动端转移，从总体数据比例上看，2014年时期用户浏览量远远高于用户加购和支付量。中国网购尚未进入普及化，日常化阶段。
3.3每日流量
SQL查询语句如下：
SQL查询结果如下：
可视化：使用Excel展示
3.3.1分析说明
9.01-9.30网站流量都没有太大波动，但每日点击数指标最大围绕在9.9-9.11，推测可能由于中秋节活动，使得流量大幅增加。
在9.24-9.28期间，流量明显连续减少，且9.27-9.28是周末时段，推测是
由于为十一假期准备，9.27-9.28要进行加班，使得流量持续走低。
3.4每时流量
SQL查询语句如下：
SQL查询结果如下：
使用Excel可视化
3.4.1分析说明
以点击数为例进行分析，在0点之后7点前流量出现每时流量最低谷且趋于稳定。应该是用户处于休息状态，符合一般用户的作息规律。可以看到，在7点之后，点击数量逐渐上升。10点时存在小高峰，且10点后流量数较高且相对平稳。在每日的12点，用户用餐时刻，用户有更多*控制的时间，此时到达每时流量高峰。在13点时，点击数量有大幅下降，由于用户休息导致。在16点时，再次出现小高峰，此时属于用户下班前的倦怠期，浏览量较大。在16点后到18点间，流量处于较高范围，推测由于用户下班回家高峰导致。在回家之后，19点至22点时，先减后增，22点到达小高峰，之后逐渐缓慢下降。用户开始准备入睡。我们可以推测出：每日活跃时间集中在中午10-12点间、16-18点间、以及20-22点间。
以收藏数量分析，我们发现18点和22点时处于用户收藏高峰，该时段用于购买意图比其他时段更加强烈。
建议：
用户的购买意图在下班时和睡前比较强烈，在这一时段可以相应推出营销活动来吸引用户关注，提高用户下单率。而在，10-13点间，用户的浏览量很大，但购买欲望不太强烈，可以在相应时段推出具有特征性广告宣传，提高产品知名度。
四、商品维度
4.1商品销量排行前7
4.1.1分析说明
每个产品都只有一个购买量，并没出现最热销商品。
4.2商品浏览量统计
SQL查询结果如下：
取平均值划分根据浏览量维度对下单维度商品类型进行象限划分
4.2.1分析说明
由SQL查出，平均点击量为7。我们根据二八法则进行象限划分，因此 选定cliclk=10为划分界限
Pv_total>10 buy-total>=1为高浏览量高销量——A类产品
Pv_total>10 buy-total<1 为高浏览量低销量产品——B类产品
Pv_total<10buy_total<1为低浏览量低销量产品——C类产品
Pv_total<10 buy_total>=1为低浏览量高销量产品——D类产品
从总体上来看，B、C类产品占据了绝大多数地位，而A和D类基本只占据了1%。
总体来说，2014年的天猫，用户使用网络购买产品相对较少。
对于A类产品，高浏览量，高销售量属于日常用消费品类。数量大，用户多，且产品常见、易得。该类产品由于现实购买更加方便，需要主打营销手段。通过每日的营销推送更多的吸引用户，比实体商店更低的价格增强对用户的吸引力，提升市场竞争能力。
对于B类产品，高流量低销量，用户只看不买或者说用户需要多方对比才能选定购买。有两种情况，一种是，品牌推送、广告运营针对用户不够准确，大量投入营销精力，却没有击中用户的痛点。另一种是，在营销方面投入大量成本，在销售价格方面没有到达用户的心里价位，用户觉得性价比不够高。该种产品首先要确定，精准打击对象用户，大范围的广告不如准确投送来的有用，其次可以考虑增加产品性价比，在同类产品中产生更大的竞争优势。
对于C类产品，属于低流量，低销售。用户买的少，看的也少。对于购买量大的产品种类，可能是商家营销力度不够，没能出现在用户面前。对于购买量本身就比较小的产品，也建议加大营销力度，使用户以后在购买该类产品时能有相应印象，也会考虑商家品牌。
对于D类产品，属于低浏览量高销售量，对应于奢侈品类。在2014年中，D类和A类购买数量相差不大。推测由于奢侈品类购买人群，文化相对较高，对于新事物的接受能力也比较强，因此和A类产品购买数相差不大。D类产品应该主打营销品牌，推送品牌效应。提升网店信誉和服务，让用户即使是网上购物也能享
受更好的服务，提高老用户忠诚度。
五、用户
5.1行为流量转化漏洞
分析用户点击、收藏、加购、支付环节中的流量转换率。
可视化：使用excel展示
5.1.1分析说明
可以看出2014年时，用户的流量转换率还处于一个非常低的范围，大部分用户停留在点击阅览阶段。由于移动支付方式尚未普遍接受，用户还习惯于在实体市场进行购物。
建议：可以主打日常用品、消耗用品的性价比。营销比实体市场更好的性价比产品，吸引用户尝试从而建立用户信任。
5.2跳失率
5.2.1分析说明
一次浏览就跳出页面的人共计582人，跳出率582/4603=12.6%。依据中文互联网的数据来看，在2014年时，购物类网站排名第一的Amazon.com，跳出率为35.73%。天猫的跳出率远低于Amazon的一半，可以看出当时天猫的网页浏览体验是比较好的。
- 结论及意见
6.1时间维度
可以看出用户的点击率，浏览量在一个月的不同时间有所变化。但往往处于节假日时，用户浏览流量相对较多。商家可以根据每月中时段的不同，精细化调整营销手段。可以采取工作日定价高，休息日进行小促销活动。让用户产生对比心里，在休息日浏览更多商品时，更愿意购买。
每时用户的点击率也是不同的，但用户的购买欲在下班时和睡眠前最为强烈。而在中午11、12点左右，有比较强的浏览欲。商家可以在下班时和睡觉前推出促销手段。目前来看，双十一的商家往往选择在凌晨开启促销活动是非常有根据的。首先，凌晨已经累计了大量睡前用户，这时用户的购买欲是比较强的。开启促销活动，刺激用户购买，往往会出现更高的销量。其次，能够熬夜到凌晨等待促销活动的用户，往往是目标明确或者对品牌有强烈的喜好，属于忠诚类用户。在凌晨时开启促销可以提前抓住这部分用户，同时也不影响白天时促销活动对中立用户或不忠诚用户的吸引。
6.2商品维度
不同商品采取不同的营销手段，前面已经谈到，在此不在赘述。
但从数据上可以看出，商品购买的数量并不多，4000用户点击中，并没有出现一件商品有超过一次的售卖。说明，并没有出现卖的特别火爆的商品。而爆品思维时我们需要考虑的，依据二八法则，爆品往往能够占据市场绝大多数份额，因此爆品的打造，对于收益有着重要影响。对于爆品的打造是需要有针对思维，细化用户分类。针对不同用户打造不同爆品。同时也不能局限在tmall一个网站，爆品的打造需要多平台全方位的推广。
6.3用户方面
在2014年时，天猫的用户还处在试探阶段。相比如今，愿意网购的人数并不太多。最主要的就是缺乏对平台的信任和由于网络距离带来的不安全感。天猫推出了旗舰店概念，通过其他品牌入驻天猫，成为旗舰店。以其他品牌的信任为基础，提高用户信任度，带动鼓励用户尝试，进而转移用户信任。如今，天猫已经成为正品购买网站的选择之一，累计了巨大的用户。天猫通过明确针对用户，主打品牌直买，收割了淘宝尚不能针对的专注体验感用户。