数据探索电商平台用户行为流失分析

随着互联网和电子商务的发展,人们已经习惯了网上购物。

 

由Kaizong Ye,Liao Bao撰写

在中国,电子商务平台非常受欢迎。

在每年的618、双11、双12活动中,大量用户在如淘宝等电商平台浏览商品,或收藏、加入购物车或直接购买。

通过用SQL对用户行为的分析,我们可以挖掘用户的购买规律,了解产品的热度,并结合门店的营销策略,实现更精细、更精准的运营,让业务获得更好的增长。

数据集包含用户行为,由用户ID、产品ID、产品类别ID、行为类型和时间戳组成。 本次分析共导入数据约383万条。 在导入过程中,与主键联合设置了5个字段,在导入过程中消除了重复值。

用户行为间的转化情况

用户行为转化漏洞分析

从上面的漏斗图分析可以看出,从用户进入APP浏览页面开始,购买环节的最终转化率为2%。 用户点击页面后,用户流失巨大。 从浏览到购买的转化率是多少?


课程

R语言数据分析挖掘必知必会

从数据获取和清理开始,有目的的进行探索性分析与可视化。让数据从生涩的资料,摇身成为有温度的故事。

立即参加

用户购买的路径分析

点击-收藏-购买的转化路径分析:用户浏览商品后,约有1/5的用户进行收藏,然后收藏中约13.26%的用户进行购买。

转化路径分析:从上图可以看出,用户浏览商品后,约有41.13%的用户会加入购物车,远高于进行收藏的用户,但加入购物车后,只有 17% 左右的用户最终进行了购买,超过 80% 的用户没有进行购买。 我们需要分析这个环节。 推测的原因可能是:

1、加入购物车是在不同店铺比较同种产品的价格;

2、为了凑单,全减;

3、先放在一边,过几天再买;

4、等其他活动折扣


Python用户流失数据挖掘:建立逻辑回归、XGboost、随机森林、决策树、支持向量机、朴素贝叶斯模型和Kmeans用户画像

阅读文章


用户点击的商品和下单之间的关系

这里我们重点关注用户点击的产品与用户订购的产品之间的关系,是否支持我们的假设:平台推送的产品不符合用户的需求。


随时关注您喜欢的主题


产品点击量排名前九的产品类别:

对点击进行排序后,分析最畅销的商品,找出点击与购买之间的关系。 从上图我们可以看出,点击率最高的产品的购买率只有0.56%,而点击率第6的产品的购买率已经达到了5.8%。

结论:假设成立

通过以上分析可以得出结论,电商平台的推送机制不合理,推送的商品无法匹配用户的需求,导致用户在浏览过程中没有找到想要的商品,因此转化率:用户实际购买的比例非常低,即用户流失严重。

本文章中的所有信息(包括但不限于分析、预测、建议、数据、图表等内容)仅供参考,__拓端数据(__tecdat__)__不因文章的全部或部分内容产生的或因本文章而引致的任何损失承担任何责任。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds