第4章

商務(wù)數(shù)據(jù)分析方法與指標(biāo)SOUTHWESTERNUNIVERSITYOFFINANCEANDECONOMICS嚴謹勤儉求實開拓01商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析方法02商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析指標(biāo)03實訓(xùn)提起農(nóng)夫山泉，你會想到什么？案例引入農(nóng)夫山泉為何成功？1.針對顧客需求：農(nóng)夫山泉針對年輕人群體推出了色彩繽紛、口感豐富的果味飲料，如茶π系列，憑借其時尚的包裝和獨特的口味迅速走紅；針對健康意識較強的群體，開發(fā)出低糖、零卡路里的產(chǎn)品，滿足了他們對健康飲品的追求。2.供應(yīng)鏈優(yōu)化：分析銷售數(shù)據(jù)和天氣預(yù)報，農(nóng)夫山泉能提前預(yù)測不同季節(jié)和天氣狀況下的產(chǎn)品銷量，根據(jù)數(shù)據(jù)結(jié)果調(diào)整生產(chǎn)計劃，避免了以往的產(chǎn)品積壓或斷貨現(xiàn)象。當(dāng)預(yù)測到即將到來的高溫天氣時，會提前加大生產(chǎn)力度，確保充足的庫存供應(yīng)；而當(dāng)某一區(qū)域的銷售數(shù)據(jù)呈現(xiàn)下滑趨勢，會靈活調(diào)整運輸和庫存，避免產(chǎn)品積壓。案例引入Part1商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析方法嚴謹勤儉求實開拓4.1商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析方法描述性分析探索性分析預(yù)測性分析優(yōu)化性分析1.描述性分析：平均值、中位數(shù)和眾數(shù)；標(biāo)準(zhǔn)差、方差等。2.探索性分析：（1）數(shù)據(jù)可視化：通過圖表、圖像等形式展示數(shù)據(jù)，幫助發(fā)現(xiàn)數(shù)據(jù)中的模式和關(guān)系。（2）關(guān)聯(lián)規(guī)則挖掘：利用關(guān)聯(lián)規(guī)則挖掘算法發(fā)現(xiàn)數(shù)據(jù)之間的有趣關(guān)系，如購買商品之間的相關(guān)性。4.1商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析方法3.預(yù)測性分析：常用的預(yù)測模型包含回歸分析、分類算法等?；貧w分析旨在依據(jù)其他變量的數(shù)值來預(yù)測某個連續(xù)型變量的取值，例如預(yù)測未來的銷售額等。而分類算法則是通過利用歷史數(shù)據(jù)對分類模型進行訓(xùn)練，以預(yù)測對象所屬的類別，如判斷用戶是否會購買某商品等。二者的計算步驟如下：（1）數(shù)據(jù)準(zhǔn)備（2）數(shù)據(jù)清洗：處理缺失值、異常值和重復(fù)數(shù)據(jù)；（3）數(shù)據(jù)轉(zhuǎn)換：對預(yù)測變量進行必要的特征工程，如縮放、編碼等；（4）模型選擇：選擇適合的回歸模型，如線性回歸、邏輯回歸等；（5）訓(xùn)練模型：使用訓(xùn)練數(shù)據(jù)集訓(xùn)練回歸模型；（6）模型評估：使用測試數(shù)據(jù)集評估模型的性能?；貧w分析常用均方誤差、R方值等來衡量，而分類算法準(zhǔn)確率、混淆矩陣等來衡量；（7）模型應(yīng)用：將訓(xùn)練好的模型應(yīng)用于實際數(shù)據(jù)，進行預(yù)測。4.1商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析方法4.優(yōu)化性分析：（1）庫存優(yōu)化：通過數(shù)學(xué)模型和算法優(yōu)化庫存管理，確保庫存充足且不積壓，以減少缺貨風(fēng)險并提高用戶滿意度。（2）定價策略優(yōu)化：分析歷史銷售數(shù)據(jù)和市場趨勢，制定有效的定價策略，提高銷售額和利潤率。（3）物流路徑優(yōu)化：通過算法優(yōu)化物流配送路徑，降低運輸成本并提高配送效率，有助于提升用戶滿意度并降低退貨率。4.1商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析方法Part2商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析指標(biāo)嚴謹勤儉求實開拓頁面或產(chǎn)品的用戶活躍程度流量指標(biāo)習(xí)慣與偏好用戶行為指標(biāo)銷售效果轉(zhuǎn)化指標(biāo)數(shù)字廣告投放中的指標(biāo)和直播中的在線實時指標(biāo)。其他關(guān)鍵指標(biāo)4.2商務(wù)數(shù)據(jù)常用的數(shù)據(jù)分析指標(biāo)01流量指標(biāo)頁面訪問量指在一定時間范圍內(nèi)，用戶訪問網(wǎng)絡(luò)頁面的總次數(shù)，包括每次用戶打開或刷新頁面。（例：廣告點擊量）獨立訪客數(shù)（UniqueVisitor，簡稱UV）特定時間段內(nèi)訪問網(wǎng)絡(luò)頁面的獨立用戶數(shù)量。（例：每日新訪客）直觀反映網(wǎng)絡(luò)頁面受關(guān)注的程度，洞察用戶對平臺的興趣程度和粘性。反映用戶的數(shù)量和活躍度。更精確了解用戶的來源、訪問頻率以及用戶群體的特點。01流量指標(biāo)瀏覽量（PageViews，簡稱PV）用戶瀏覽的頁面總數(shù)（例：用戶瀏覽5個商品頁→PV=5）用戶互動率：用戶互動行為（包含點贊、評論和分享等）的發(fā)生次數(shù)與總觀看次數(shù)之間的比例關(guān)系，包括點贊數(shù)、評論數(shù)、分享數(shù)和收藏數(shù)等?；勇?（點贊+評論+分享）/觀看次數(shù)×100%直接反映出用戶對網(wǎng)頁內(nèi)容的興趣和關(guān)注度?？梢陨钊肓私庥脩舻臑g覽習(xí)慣和興趣點，從而優(yōu)化商品陳列和推廣策略衡量用戶與社交平臺內(nèi)容互動程度，用戶對內(nèi)容投入度與興趣度。直接反映了內(nèi)容的吸引力和用戶的活躍程度，這一指標(biāo)的核心在于量化用戶對社交媒體內(nèi)容的響應(yīng)和參與度。01流量指標(biāo)如果小紅書上博主的某篇筆記的點贊數(shù)和評論數(shù)較高，說明該內(nèi)容受到用戶的歡迎，博主會分析該內(nèi)容的主題、形式、關(guān)鍵詞等因素，以便在后續(xù)的創(chuàng)作中繼續(xù)采用類似的策略；如果某篇筆記的參與度較低，博主會嘗試調(diào)整內(nèi)容主題、優(yōu)化標(biāo)題和配圖，以提高用戶的參與度。

02轉(zhuǎn)化指標(biāo)衡量平臺將流量轉(zhuǎn)化為實際銷售效果能力，評估平臺銷售能力和用戶滿意度。通過深入分析轉(zhuǎn)化指標(biāo)，運營方可以更好地了解用戶需求，優(yōu)化銷售策略，提升用戶滿意度，從而實現(xiàn)持續(xù)的增長和發(fā)展。行業(yè)

按展示付費（千次/元）按點擊付費（元）平均按點擊付費（元）服裝配飾3~250.1~0.70.25教育培訓(xùn)3~270.2~20.653C數(shù)碼3~250.1~0.70.23日用百貨3~280.1~0.70.26母嬰育兒3~280.1~0.70.2402轉(zhuǎn)化指標(biāo)321指用戶在訪問網(wǎng)頁后，從普通用戶轉(zhuǎn)化為注冊、購買等其他用戶類型的比率（轉(zhuǎn)化率=（成交用戶數(shù)/訪客數(shù)）×100%）。轉(zhuǎn)化率在一定時間內(nèi)用戶在商務(wù)平臺下單購買商品或服務(wù)的數(shù)量訂單數(shù)平均訂單金額=總銷售額/訂單數(shù)平均訂單金額高轉(zhuǎn)化率意味著該活動或內(nèi)容能夠有效地吸引并留住用戶，將流量轉(zhuǎn)化為實際的銷售，實現(xiàn)業(yè)務(wù)增長和盈利。反映用戶的購買活躍度和對平臺的信任度。穩(wěn)定的訂單數(shù)增長意味著用戶對平臺有持續(xù)的購買意愿和信任。反映了每個訂單的平均消費額度和用戶的消費水平和消費習(xí)慣，提高平均訂單金額意味著增加銷售額和利潤。02轉(zhuǎn)化指標(biāo)在“618”大促期間，京東平臺推出了各種促銷活動，如滿減、折扣、限時搶購等。如果某款商品在活動期間的訪問量和瀏覽量大幅增加，但轉(zhuǎn)化率卻沒有明顯提升，可能說明商品詳情頁或促銷策略需要優(yōu)化。

03用戶行為指標(biāo)用戶行為指標(biāo)是衡量用戶在平臺上的行為特點和習(xí)慣的關(guān)鍵指標(biāo)。通過深入分析用戶需求可以更好地被發(fā)掘，從而優(yōu)化用戶體驗，提升用戶滿意度和忠誠度。用戶行為指標(biāo)主要包括用戶停留時間、用戶點擊率、用戶復(fù)購率、活躍用戶數(shù)和用戶停留時間等03用戶行為指標(biāo)購買率用戶從點擊商品到實際完成購買行為的轉(zhuǎn)化率。直接關(guān)聯(lián)著商品的銷售額和商家的利潤。高購買率意味著商品的質(zhì)量、性價比、用戶評價等因素都符合用戶的預(yù)期。用戶停留時間用戶在平臺或特定內(nèi)容上平均停留的時間長度，即從用戶進入平臺到離開平臺的時間差。反映內(nèi)容吸引力、用戶對平臺的關(guān)注度和粘性，直接關(guān)聯(lián)到用戶對平臺的滿意度和忠誠度、平臺的流量和轉(zhuǎn)化率。點擊率用戶在瀏覽頁面時點擊鏈接、按鈕或其他交互元素的比例。反映用戶對頁面內(nèi)容的興趣和參與度，衡量頁面內(nèi)容質(zhì)量和用戶體驗。03用戶行為指標(biāo)退貨率及退貨滿意度用戶購買商品后退回的比例，退貨滿意度通過用戶對退貨處理過程和結(jié)果的評價了解。低退貨率：商品的質(zhì)量可靠高退貨滿意度：商家售后服務(wù)好影響用戶的復(fù)購率和商家的口碑活躍用戶數(shù)日活躍用戶數(shù)(DAU)指每日登錄或使用平臺功能的獨立用戶個體數(shù)量，月活躍用戶數(shù)(MAU)則是每月達成此行為的獨立用戶個體數(shù)量。體現(xiàn)平臺的用戶活躍程度。高活躍用戶數(shù):平臺擁有龐大且活躍的用戶基礎(chǔ)，側(cè)面證明平臺內(nèi)容、服務(wù)等契合用戶需求，用戶參與度高。復(fù)購率在一定時間內(nèi)，用戶在重復(fù)購買該商品或服務(wù)的比例。反映用戶對商家或平臺的信任度和忠誠度，會員復(fù)購率比普通用戶高30%。04商務(wù)活動效果評估指標(biāo)廣告投入回報率（ROI）活動參與度與滿意度ROI=收益/投入成本，反映廣告投放經(jīng)濟效益和回報率高ROI：廣告投入成本得到良好的回報，廣告投放策略有效。優(yōu)化廣告內(nèi)容和投放方式可以提高ROI，實現(xiàn)更高的廣告效益。用戶參與營銷活動的程度以及對活動的滿意度評價，反映營銷活動的吸引力和用戶反饋。較高參與度和滿意度：活動設(shè)計合理、獎勵機制吸引人，能夠激發(fā)用戶的興趣和參與度。積極參與和正面反饋可以推動活動傳播和效果。05供應(yīng)鏈與物流指標(biāo)010203庫存周轉(zhuǎn)率在一定時間內(nèi)庫存商品的周轉(zhuǎn)次數(shù)，即庫存商品從入庫到銷售出庫的循環(huán)速度，反映了庫存管理的效率和經(jīng)濟性。物流時效與滿意度用戶對物流配送的時效性和服務(wù)質(zhì)量的評價，反映平臺的物流配送能力和服務(wù)質(zhì)量，評估用戶體驗和忠誠度。高效且準(zhǔn)時的物流配送系統(tǒng)：滿足用戶的購物需求；提升用戶對商家或平臺的信任感和滿意度。訂單處理時間用戶下單到完成訂單處理所需的時間，（生鮮電商要求<2小時）包括訂單確認、揀貨、包裝、發(fā)貨等環(huán)節(jié)，反映平臺訂單處理能力和效率，直接影響用戶購物體驗和滿意度。JUNE12th庫存周轉(zhuǎn)率的高低直接影響資金利用率和運營成本。較高庫存周轉(zhuǎn)率：庫存商品能快速周轉(zhuǎn)，減少資金占用和倉儲成本，提高整體運營效率。05供應(yīng)鏈與物流指標(biāo)蘇寧易購根據(jù)需求預(yù)測、補貨周期、存儲成本等因素，設(shè)定合理的庫存水平，并選擇經(jīng)濟訂貨量（EOQ）、安全庫存策略等庫存管理策略。例如，在夏季來臨前，預(yù)測到空調(diào)的需求會增加，提前加大空調(diào)的采購量，確保庫存充足，避免出現(xiàn)缺貨現(xiàn)象；在銷售淡季，適當(dāng)減少庫存，降低存儲成本。

05供應(yīng)鏈與物流指標(biāo)順豐速運在配送貨物時，通過收集所有待配送的訂單數(shù)據(jù)，規(guī)劃最佳的物流配送路線。根據(jù)路線規(guī)劃，合理分配配送車輛、人員等資源，并實時監(jiān)控配送進度和路線情況，根據(jù)實際情況進行調(diào)整。例如，在遇到交通擁堵或其他突發(fā)情況時，及時調(diào)整配送路線，以確保貨物能夠按時送達。

06其他數(shù)據(jù)指標(biāo)數(shù)字廣告投放中的指標(biāo)每成本點擊（CostperClick，簡稱CPC）廣告主為每次廣告點擊所支付的費用（成本每點擊=廣告費用/點擊次數(shù)），評估廣告投放的成本效益。低成本每點擊：廣告主能用更少費用獲得更多點擊量，在預(yù)算內(nèi)實現(xiàn)更優(yōu)推廣效果。成本每千次曝光（CostPerMille，簡稱CPM）廣告主每獲得一千次廣告展示需支付的費用。成本每千次曝光=(廣告費用/廣告曝光次數(shù))×1000較低成本每千次曝光：以較低成本獲取更多曝光機會，了解不同廣告位、不同投放渠道的曝光成本，選擇性價比高的曝光方式.06其他數(shù)據(jù)指標(biāo)JUNE12th某品牌在抖音上投放廣告，如果廣告的CPC過高，說明獲取點擊的成本較高，品牌會優(yōu)化廣告關(guān)鍵詞、改善廣告創(chuàng)意或精準(zhǔn)定位受眾，以降低CPC；如果廣告的轉(zhuǎn)化率較低，品牌會分析用戶的購買路徑，優(yōu)化落地頁設(shè)計，以提高轉(zhuǎn)化率。

06其他數(shù)據(jù)指標(biāo)直播中的在線實時指標(biāo)平均在線人數(shù)在直播時長內(nèi)觀看直播內(nèi)容的人數(shù)的平均值，反映直播間持久承接和穩(wěn)定流量的能力。衡量直播運營效果，幫助評估直播賬號的影響力和受眾群體的規(guī)模平均在線時間平均每個用戶訪問直播網(wǎng)頁停留的時間長度。平均在線時間較短，說明觀眾對直播內(nèi)容不感興趣，可能需要進行話術(shù)或內(nèi)容調(diào)整或改進。當(dāng)前在線人數(shù)直播中15分鐘內(nèi)在線的訪客數(shù)。了解直播活動的實際影響力，識別出觀眾參與直播的熱點時段和內(nèi)容，及時調(diào)整直播計劃和內(nèi)容策略，提高直播活動的曝光和傳播效果。Part3實訓(xùn)嚴謹勤儉求實開拓

淘寶用戶行為數(shù)據(jù)集`taobao.csv`，該數(shù)據(jù)集記錄了用戶每天的多種指標(biāo)信息，包括省份、城市、店鋪名稱、商品名稱、商品單價、付款人數(shù)、是否包郵、是否來自天貓、滿減情況等。請運用上文提到的數(shù)據(jù)分析方法和指標(biāo)對數(shù)據(jù)集`taobao.csv`進行研究。實訓(xùn)步驟一：導(dǎo)入必要的Python庫

在Python數(shù)據(jù)分析中，導(dǎo)入`Pandas`和`numpy`這兩個常用的庫。`Pandas`主要用于數(shù)據(jù)的讀取、處理和分析，它提供了`DataFrame`等數(shù)據(jù)結(jié)構(gòu)來方便地操作表格型數(shù)據(jù)；`numpy`則主要用于數(shù)值計算，提供了高效的數(shù)組操作和數(shù)學(xué)函數(shù)等。實訓(xùn)步驟二：讀取數(shù)據(jù)并且進行描述性統(tǒng)計分析1.使用DataFrame對象的head()函數(shù)，默認查看前5行數(shù)據(jù)。這可以快速了解數(shù)據(jù)的大致結(jié)構(gòu)和內(nèi)容，確認數(shù)據(jù)是否被正確讀取以及各列的數(shù)據(jù)類型和格式等。2.通過`DataFrame`對象的`info()`方法，獲取數(shù)據(jù)的基本信息，包括列名、每列的數(shù)據(jù)類型、非空值的數(shù)量等。這有助于了解數(shù)據(jù)是否存在缺失值等問題，以便后續(xù)決定是否需要進行數(shù)據(jù)清洗等操作。實訓(xùn)實訓(xùn)步驟二：讀取數(shù)據(jù)并且進行描述性統(tǒng)計分析

利用DataFrame對象的describe()方法，計算數(shù)據(jù)集中數(shù)值型列的描述性統(tǒng)計信息，包括均值、標(biāo)準(zhǔn)差、最小值、最大值、25%分位數(shù)、50%分位數(shù)（中位數(shù)）、75%分位數(shù)等。這些統(tǒng)計量可以幫助我們了解數(shù)據(jù)的集中趨勢、離散程度等特征。實訓(xùn)步驟三:獲取有用的指標(biāo)1.數(shù)據(jù)集中已經(jīng)有“訪客數(shù)”這一列，直接從`data`這個`DataFrame`對象中提取該列數(shù)據(jù)即可。在Python中，通過`data['訪客數(shù)']`的方式獲取“訪客數(shù)”列的數(shù)據(jù)。2.同理，數(shù)據(jù)集中有“瀏覽量”列，通過`data['瀏覽量']`的方式獲取該列數(shù)據(jù)。3.計算每周轉(zhuǎn)化率。首先取數(shù)據(jù)并將日期列轉(zhuǎn)換為日期時間類型，接著添加了周數(shù)列，然后通過groupby()方法按周數(shù)分組，對“成交用戶數(shù)”和“訪客數(shù)”求和后計算出每周的轉(zhuǎn)化率，并最終打印輸出包含周數(shù)和每周轉(zhuǎn)化率的結(jié)果實訓(xùn)步驟三:獲取有用的指標(biāo)THANKSFORYOURLISTENING本章結(jié)束感謝聆聽第五章

用戶行為洞察與分析UserBehaviorInsightsandAnalysis嚴謹勤儉求實開拓01用戶行為洞察02用戶行為分析實例03實訓(xùn)案例引入通常只是男士運動服尺碼的簡單改小，顏色改為粉色?！癝uperGirls”Lululemon的成功建立在對“SuperGirls”及后來“新中產(chǎn)”的精準(zhǔn)洞察。對用戶需求的深刻理解，讓品牌能夠提供切合時代潮流的產(chǎn)品，在競爭激烈的市場中脫穎而出。“新中產(chǎn)”階層Part1用戶行為洞察UserBehaviorInsight嚴謹勤儉求實開拓01用戶行為洞察用戶行為分析概述數(shù)字時代的用戶行為對企業(yè)商務(wù)活動的深刻影響與用戶的交互方式個性化營銷內(nèi)容營銷預(yù)測用戶行為企業(yè)利用各種數(shù)字化渠道如電子郵件、社交媒體直接與用戶進行溝通互動，使得品牌可以更迅速、全面地傳遞信息，從而塑造品牌形象、提升私域流量。用戶根據(jù)自己的情況提出商品需求，企業(yè)盡可能按照其需求去生產(chǎn)以滿足用戶的個性需求和品位，并通過建立用戶的個人數(shù)據(jù)庫和檔案，采用靈活的調(diào)整策略以提高生產(chǎn)者與用戶之間的協(xié)調(diào)合作。更注重品牌的故事和核心價值，企業(yè)通過向用戶提供有價值的信息，利用用戶的價值認可和情感共鳴吸引用戶。通過歷史數(shù)據(jù)的分析能提前預(yù)測出用戶對產(chǎn)品的消費行為，并針對性地調(diào)整產(chǎn)品、定價和營銷策略，更好地滿足市場需求，從而影響用戶的購買行為。01用戶行為洞察數(shù)字時代用戶的行為特征數(shù)字時代下用戶的行為特征體現(xiàn)在：科學(xué)消費觀注重自我需求選擇廣泛科學(xué)種草01用戶行為洞察數(shù)字時代用戶的行為特征科學(xué)消費觀數(shù)字時代更多用戶認為消費的意義在于更高質(zhì)量的生活，通過明智的選擇可以實現(xiàn)對生活方方面面的改善?？沙掷m(xù)消費是指在消費過程中考慮環(huán)境保護和資源節(jié)約的行為。邊際效用是消費者在消費某種商品時，所獲得的額外效用或滿足感。粉紅稅是指女性獲得同樣的產(chǎn)品或服務(wù)比男性付出更多金錢的現(xiàn)象。相對收入消費理論：消費者的消費支出不僅依賴于他的現(xiàn)期收入，而且還依賴于其他人的收入水平以及他過去曾達到的最高收入水平。有助于用戶保持健康的經(jīng)濟狀況并且推動市場朝向健康、可持續(xù)的方向發(fā)展。01用戶行為洞察數(shù)字時代用戶的行為特征注重自我需求選擇廣泛

互聯(lián)網(wǎng)上時刻涌現(xiàn)著各種產(chǎn)品，但用戶在購買過程中展現(xiàn)出強烈的自我意識，更注重根據(jù)自身實際需求進行購物決策。用戶更加強調(diào)產(chǎn)品與個體需求的契合度，從實際需求、實用性等，購買更符合自己需求的產(chǎn)品。這一消費觀念的崛起展示了用戶對于自主選擇和個性化的追求。他們不再受制于潮流的束縛，而是更加注重在購物過程中體驗到的實際益處。無論是產(chǎn)品的規(guī)格、功能、品質(zhì)，還是其他用戶的使用經(jīng)驗和評價，都可以在平臺上得到詳盡的展示。此外，用戶不再受限于地域和傳統(tǒng)渠道，可以從各種各樣的購物App隨時隨地輕松獲取各種產(chǎn)品。01用戶行為洞察數(shù)字時代用戶的行為特征科學(xué)種草知識型種草通過各種知識型平臺，如小紅書、知乎、百度等，獲取有關(guān)產(chǎn)品的詳盡信息，如產(chǎn)品的原材料、制造工藝、功能特點等方面的知識。購物不再僅僅是一次交易，更是對產(chǎn)品背后知識的了解和分享。科普型種草科普性的介紹產(chǎn)品背后的科學(xué)原理、技術(shù)革新等方面的信息。這種方式使得購物不再僅僅是滿足需求，更是一個知識獲取和學(xué)習(xí)的過程。測評型種草基于用戶的實際使用體驗和評價，讓其他用戶通過真實地了解產(chǎn)品的優(yōu)劣，從而做出購物決策。用戶能夠從多個角度、多個維度了解產(chǎn)品，更有把握地選擇符合個人需求的商品?？破招头N草的核心目標(biāo)是破除信息差，比如揭露行業(yè)真相/掃除認知盲區(qū)。知識型種草是提供可操作的選購方法論，幫助不同需求的消費者實現(xiàn)精準(zhǔn)購買。《2024年掃地機器人選購指南：6大參數(shù)對比+避坑清單》——知識型種草《膠原蛋白口服液是智商稅？生物學(xué)家解讀吸收真相》——科普型種草01用戶行為洞察用戶行為分析用戶信息和特征整合成虛構(gòu)的“用戶畫像”——用戶在購買、使用和評估產(chǎn)品或服務(wù)的過程中，展現(xiàn)出來的一系列心理和行為活動是用戶用戶畫像的重要指標(biāo)。用戶畫像對把握用戶行為具有以下意義：：1.用戶行為具有多層次、多角度的復(fù)雜性。2.用戶行為是多樣化需求的聚合。全樣本性事實性方便性動態(tài)性預(yù)測性01用戶行為洞察用戶行為分析模型

數(shù)字時代的用戶在電子商務(wù)市場中的購買行為與傳統(tǒng)實體市場存在顯著差異。在數(shù)字時代，通過大數(shù)據(jù)和個性化推薦算法，企業(yè)可以更精準(zhǔn)地滿足用戶的需求，提供個性化的產(chǎn)品和服務(wù)。

文化影響社會影響

身邊人的意見和社交圈的影響也是用戶購買決策的重要考量。家庭影響

在家庭環(huán)境中養(yǎng)成的消費觀念和習(xí)慣會深刻地影響到用戶的購物決策。涵蓋生命周期階段、職業(yè)、經(jīng)濟收入、生活方式、個性、自我觀念和心理（態(tài)度、動機、感知和學(xué)習(xí)經(jīng)驗）等多方面的因素。除了考慮傳統(tǒng)的外部和個人因素，數(shù)字時代特有的影響因素：網(wǎng)絡(luò)文化、個人在線行為、網(wǎng)絡(luò)零售商店氣氛設(shè)計、在線用戶形成的社交網(wǎng)絡(luò)和在線評論等01用戶行為洞察用戶行為分析模型漏斗模型是一種常用的用戶行為模型，用于描述潛在用戶在購買過程中經(jīng)歷的各個階段。它可以量化和優(yōu)化整個銷售過程中的每個環(huán)節(jié)，將潛在用戶逐步引導(dǎo)轉(zhuǎn)化為實際購買者。通過將整個購買流程拆分為多個步驟，并用轉(zhuǎn)化率來衡量每個步驟的表現(xiàn)，可以更好地了解每個環(huán)節(jié)的效率，同時針對異常的數(shù)據(jù)指標(biāo)進行調(diào)優(yōu)，提高整體的購買轉(zhuǎn)化率。漏斗模型01用戶行為洞察用戶行為分析模型獲取（Acquisition）指從不同渠道，如廣告、營銷、社交媒體等吸引用戶，引入新用戶。需要解決渠道貢獻、宏觀走勢、注冊轉(zhuǎn)化率等問題，以掌握不同渠道等獲客效率和成本。激活（Activation）將新增用戶轉(zhuǎn)化為活躍用戶。很多用戶可能是通過廣告被動進入商品頁面的，如何把他們轉(zhuǎn)化成活躍用戶是這部分需要解決的問題。留存（Retention）關(guān)注如何減少用戶流失率，以及持續(xù)使用產(chǎn)品的情況，需要解決用戶規(guī)模穩(wěn)定性、推廣效果評估等問題。收益（Revenue）用戶在產(chǎn)品上發(fā)生可使企業(yè)收益的行為，包括付費率等指標(biāo)，需要解決付費率、活躍付費用戶數(shù)等問題。推薦（Refer）涉及用戶通過產(chǎn)品推薦引導(dǎo)他人使用產(chǎn)品。階段指標(biāo)定義獲取日新登用戶數(shù)每日注冊并登錄App的用戶數(shù)激活日活躍用戶數(shù)每日登錄過App的用戶數(shù)周活躍用戶數(shù)每周登錄過App的用戶數(shù)月活躍用戶數(shù)每月登錄過App的用戶數(shù)用戶粘性用戶每月訪問App的平均天數(shù)是多少留存次日存留率日新增用戶在+1日登錄的用戶數(shù)占新增用戶的比例三日存留率日新增用戶在+3日登錄的用戶數(shù)占新增用戶的比例七日存留率日新增用戶在+7日登錄的用戶數(shù)占新增用戶的比例收益付資率付費用戶數(shù)占活躍用戶的比例活躍付費用戶數(shù)關(guān)注日付費用戶和周付費用戶推薦K因子（K=每個用戶向他的朋友們發(fā)出的邀請的數(shù)量×接收到邀請的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率）當(dāng)K>1時，用戶群就會像滾雪球一樣增大。當(dāng)K≤1時，用戶群到某個規(guī)模時就會停止通過自傳播增長。01用戶行為洞察用戶行為分析模型RFM模型是一種用于評估用戶價值和創(chuàng)利能力的重要工具。用戶最近一次交易（Recency）:用戶最近一次和上一次交易的時間間隔（活躍度）交易頻率（Frequency）:指一定時間段內(nèi)交易的次數(shù)（忠誠度）交易金額（Monetary）:指用戶在一定時間段內(nèi)的交易金額（購買力）每個維度都需要設(shè)定一個閾值，比如在R維度，低于整體R值的平均值，用0表示；高于整體R值的平均值，用1表示。01用戶行為洞察用戶生命周期分析用戶生命周期理論可以把用戶群體劃分為五個關(guān)鍵群體，分別對應(yīng)五個階段：展望群體潛在用戶單一購買用戶重復(fù)購買用戶忠實用戶01用戶行為洞察用戶生命周期分析這個階段的用戶群體，雖然尚未透露個人信息或出現(xiàn)實際購買行為，但卻表達了對品牌有購買意向的潛在用戶。營銷策略：這是用戶生命周期的起始階段，企業(yè)應(yīng)通過定向廣告和產(chǎn)品展示吸引潛在用戶的注意力。個性化的廣告和產(chǎn)品展示有助于在激烈的市場競爭中脫穎而出，引導(dǎo)潛在用戶進入購買決策流程。01用戶行為洞察用戶生命周期分析當(dāng)用戶表現(xiàn)出更為明顯的興趣和購買意向時，則進入了成長用戶階段。這一時期，用戶可能已經(jīng)開始在品牌網(wǎng)站上瀏覽產(chǎn)品，將商品添加到購物車，或在社交媒體上積極參與品牌活動。營銷策略：企業(yè)需要加強與潛在用戶的互動，通過個性化服務(wù)和定制化體驗提高其購買意愿。建立完善的CRM系統(tǒng)，實現(xiàn)數(shù)據(jù)的互通互聯(lián)，為潛在用戶提供一致而有針對性的服務(wù)。01用戶行為洞察用戶生命周期分析隨著第一次成功購買，用戶轉(zhuǎn)化為單一購買用戶，成為品牌的新用戶。他們已經(jīng)親身體驗了品牌的產(chǎn)品或服務(wù)，并品嘗到了與品牌建立連接的滋味。營銷策略：針對已完成首次購買的用戶，企業(yè)應(yīng)通過定期的促銷活動、會員權(quán)益等方式延長其消費周期。01用戶行為洞察用戶生命周期分析一次購買不僅僅只是一次交易，而是用戶逐漸建立忠誠度的開始。在休眠期，用戶不斷選擇品牌的產(chǎn)品或服務(wù)，表明他們對品牌的滿意度較高。營銷策略：針對已經(jīng)成為回頭客的用戶，企業(yè)需要更深入地了解他們的偏好和需求，提供更具個性化的產(chǎn)品和服務(wù)。通過積分制度、會員專享等方式，激發(fā)用戶的再次購買欲望。01用戶行為洞察用戶生命周期分析當(dāng)用戶逐漸建立深厚的忠誠度，成為品牌的忠實用戶時，品牌與用戶的關(guān)系變得更為牢固。但這時應(yīng)該留意用戶的流失。營銷策略：對于已經(jīng)形成忠誠度的用戶，企業(yè)應(yīng)當(dāng)保持持續(xù)的關(guān)懷和溝通。定期的會員活動、專屬禮遇以及個性化的關(guān)懷服務(wù)都有助于鞏固用戶忠誠度，進一步提升其生命周期價值。Part2用戶行為分析實例ExamplesofUserBehaviorAnalysis嚴謹勤儉求實開拓02用戶行為分析實例用戶行為數(shù)據(jù)集概況數(shù)據(jù)集包含了淘寶App中2017年11月25日至2017年12月3日之間用戶的所有行為。數(shù)據(jù)標(biāo)簽主要包含用戶ID、商品ID、商品類目ID、行為類型和時間戳，用戶的行為類型包括點擊1、加購2、收藏3、購買4。字段說明用戶ID淘寶用戶的ID商品ID用戶做出點擊、加購、收藏、購買行為的商品商品類目商品所屬類目的ID行為類型用戶做出的點擊、加購、收藏、購買行為時間戳行為發(fā)生的時間戳02用戶行為分析實例數(shù)據(jù)清洗讀取"UserBehavior.csv"的數(shù)據(jù)文件，查看缺失值情況。由于數(shù)據(jù)集的數(shù)據(jù)量太大，本部分使用了前10萬條數(shù)據(jù)，保留了原始數(shù)據(jù)集的全部字段。通過對數(shù)據(jù)集進行缺失值查找，發(fā)現(xiàn)數(shù)據(jù)沒有出現(xiàn)缺失值的情況，可以認為該數(shù)據(jù)集的基本情況良好，能夠進行下一步分析。02用戶行為分析實例用戶行為整體概況先針對用戶數(shù)量的基本信息進行統(tǒng)計，包括獨立訪客數(shù)、有操作的商品數(shù)量、有操作的商品類目數(shù)量、付費用戶數(shù)量（發(fā)生購買行為）以及非付費用戶數(shù)量，并將結(jié)果統(tǒng)計出來。02用戶行為分析實例用戶行為整體概況在用戶針對商品的消費行為方面，針對點擊量、購買量、加購量、收藏量進行了分析用戶行為中，點擊量以89.60%的占比表明絕大多數(shù)用戶仍停留在商品瀏覽階段。僅有約5.55%的點擊用戶會將商品加入購物車，而收藏量更低（2.81%），最終僅2.04%的點擊用戶完成購買。這樣的用戶行為基本符合沙漏模型，數(shù)據(jù)呈現(xiàn)逐層遞減的規(guī)律。02用戶行為分析實例用戶行為整體概況這平臺的訪客數(shù)（UV）達到9739人，這一指標(biāo)突顯了數(shù)據(jù)集具備龐大的用戶基礎(chǔ)，一般大部分的用戶都不會反復(fù)觀看一個商品，也意味著數(shù)字時代下淘寶用戶針對一個類目的商品有著更多元的選擇。訪客數(shù)UV付費用戶數(shù)達到6689人，付費用戶占比高達68.68%，這是一個可觀的數(shù)字，說明淘寶商品得到了受到用戶的廣泛認可，大部分用戶在瀏覽完商品后都可以選擇出合適自己的商品。在商品數(shù)量方面，共計398971個商品，由此可見淘寶平臺商品種類的多樣性不僅滿足了用戶日益多元化的需求，同時為商家提供了更廣泛的拓展空間。商品數(shù)量數(shù)據(jù)集涵蓋了5793個不同的商品類別，意味著大部分的用戶在進行瀏覽商品行為時都是有目的性地進行網(wǎng)上購物。商品類別付費用戶訪客數(shù)9739商品數(shù)量398971商品類別5793付費用戶668902用戶行為分析實例具體指標(biāo)分析-頁面訪問量PV和獨立訪客數(shù)UV這兩個指標(biāo)通常被用于分析網(wǎng)站流量、用戶活躍度以及網(wǎng)站內(nèi)容的吸引力。頁面訪問量（PV）可以反映網(wǎng)站的整體受歡迎程度和內(nèi)容瀏覽情況，而獨立訪客數(shù)（UV）則更側(cè)重于了解網(wǎng)站吸引了多少獨立的訪客數(shù)。02用戶行為分析實例頁面訪問量和獨立訪客數(shù)呈現(xiàn)小幅度的變化，而12月1日之后整體出現(xiàn)大幅度的增長，這可能跟淘寶雙十二大促有關(guān)。由于推出了較大規(guī)模的促銷活動，用戶對相關(guān)產(chǎn)品產(chǎn)生了更濃厚的興趣，從而增加了用戶對淘寶的點擊量，使得頁面訪問量和獨立訪客數(shù)都呈現(xiàn)了較大幅度的增長。具體指標(biāo)分析-頁面訪問量PV和獨立訪客數(shù)UV11-1812-1811-2512-0312-0312-1202用戶行為分析實例具體指標(biāo)分析-跳失率跳失率作為用戶行為的關(guān)鍵指標(biāo)之一，是指具有點擊行為的用戶數(shù)量與總用戶數(shù)之比。在實際應(yīng)用中，為了更準(zhǔn)確地反映用戶與網(wǎng)站的真實互動情況，通常將跳失率定義為只瀏覽一個頁面就離開的訪問次數(shù)與該頁面的全部訪問次數(shù)的比值。這樣的定義能夠更好地衡量用戶對網(wǎng)站內(nèi)容的吸引力。02用戶行為分析實例具體指標(biāo)分析-復(fù)購率復(fù)購率反映了用戶對于平臺產(chǎn)品或服務(wù)的持續(xù)關(guān)注和忠誠度。首先，找到購買記錄超過1次的用戶，并統(tǒng)