python电商用户购买力分析_Python+tableau电商用户行为数据分析实战

数据背景：基于阿里巴巴电商平台上某店铺的真实用户商品行为数据，通过数据分析了解数据背后更深入的意义，并对商家提出适当的运营建议

实战工具：Python、tableau、Excel

实战过程：

一、数据清洗及整理

数据量约有104万，时间节点从2014年11月18日至12月18日，利用Python进行数据清洗（Excel跑不动的）

电商用户行为原始数据

数据说明

1. 导入数据并了解数据属性：数据不存在异常值，地址信息缺失值不影响数据分析，故不需要进行异常值及缺失值处理

异常及缺失数据检查-代码

2. 日期类数据类型处理：将日期与时间段分列，有利于每日及每个时间段的数据整理

日期类数据处理-代码

3.分组获取所需数据：

3.1 获取每日或每时间段的点击/收藏/加购/购买浏览量（代码可用循环进行优化）

3.2 获取相对应的每日或每时间段的点击/收藏/加购/购买独立访客数

3.3 获取每日或者每时间段的总访问量及总访客数

3.4 获取一个月内不同用户总购买次数

注：

访客数(UV)：一天之内网站的独立访客数，一天内同一访客多次访问网站只计算1个访客

浏览量(PV)： 即页面浏览量或点击量，若同一用户多次打开或刷新同一个页面，PV值会累加

（本文说的访问量与浏览量同义）

用户行为访问量数据获取-代码

用户行为访客数数据获取-代码

总访客数及浏览量-代码

一个月内用户总购买次数-代码

4.数据计算及整理

将Python获取的数据填入Excel中，利用Excel函数工具进行简单的计算并整理出一份数据表

运营数据计算：

(1)平均每付费用户收入=付费总收入/付费总用户数（用购买次数代替消费金额）

(2)平均每用户收入=付费总收入/付费总用户数（用购买次数代替消费金额）

(3)付费率=付费总人数/活跃用户数=购买访客数/访客数

(4)跳出率=浏览单页即退出的次数 / 访问次数=单日点击数/单日浏览量

(5)转化率=产生下一行为的访客人数 / 上一行为的访客人数

如：点击-购买转化率=购买访客数/点击访客数

数据整理表格（1）

数据整理表格（2）

数据整理表格（3）

二、数据分析

将Excel表格数据导入tableau，利用tableau进行数据分析及可视化操作

注：文中分析所说平日指的是不包含12月12日的数据值，当日指的是12月12日的数据值，所计算的平均值均是平日的数据

1. 用户行为箱线图分析：每日的点击量/收藏量/加购量/购买量的中位数分别31167/657/885/299，数据分布都比较集中，说明每日用户行为的数据波动性不大；因为12月12日是“双十二”促销，所以该天的用户行为数均比平常值高很多，临近的12月11日的用户行为也较为活跃

用户行为箱线图分析

2. 每日用户行为数据概况分析：“双十二”狂欢节对用户行为影响非常明显，当日点击量比平日增长1.77倍，购买量增长4.33倍，访客量增长1.29倍，浏览量增长1.80倍，付费率增长2.86倍，ARPPU增长1.14倍，ARPU增长3.24倍，跳出率降低2个百分点，说明促销效果非常好，给商家带来明显的营业收入增长

另外，受”双十二“影响，浏览量从12月9日开始明显增长，付费/购买行为也开始明显减少

每日用户行为概况

每日用户行为概况（双轴）

付费率与跳出率

浏览量与访客数

平均每用户收入及平均每付费用户收入

3. 转化率分析：平日的用户行为路径为：点击——>加入购物车——>收藏——>购买，平均转化率分别为0.1379—0.6886—0.5958，而点击——>购买的转化率为0.0566；当日的用户行为路径为点击——>加入购物车——>购买，转化率分别为0.2253—0.7346，而点击——>购买的转化率为0.1655

页面跳出率约为94%，点击到下一步的操作转化率低于30%，说明该商品本身的属性偏向于吸引有需要的人群，用户的加购、收藏、购买的转化率均高于50%，说明店家应该提高商品页面质量更容易吸引有需要的顾客进行购买

另外，12月12日的收藏数少于购买数，也就是当日用户偏向于先加入购物车再购买，或者当日直接购买，减少收藏这一环节，可能是为了在促销期间提高消费效率

每日用户行为转化漏斗分析

4. 每个时段的用户行为分析：

一天的时间内用户从17时开始持续活跃至23时，店家应该利用这个黄金时间段，譬如开展更多的促销、优惠、直播卖货等活动，吸引更多用户关注并购买，提高转化率

10-16时的转化率较高，说明用户偏向于在这个时间段完成购买活动，建议点击在此时间段开展促销活动，能够提高用户消费金额

每个时段的用户行为概况

每个时段的访问量与访客数

每个时段的转化率

5. 其它数据分析：

一个月内的用户购买次数分析：4330个用户ID中只有55个用户的单月购物次数大于10次，也就是87%的用户单月购买次数在10次以下

复购率分析：复购率=重复购买客户数量/客户样本数量（重复购买即为购买次数大于1）

购物次数大于1的用户数量为2295位，占总用户数的53%，也就是一个月内的复购率为53%

购物次数

三、数据可视化

利用tableau仪表板展示上述的数据分析结果

每日用户行为分析仪表板

每时段用户分析仪表板

用户行为分析仪表板