用Python分析淘宝用户行为

发布时间：2024-11-24 17:16

使用Python进行数据分析入门 #生活技巧# #工作学习技巧# #数字技能训练#

数据来源：

阿里云天池数据集https://tianchi.aliyun.com/dataset/dataDetail?dataId=46

阿里巴巴提供的移动端淘宝用户的行为数据集，包含2014-11-18至2014-12-18共计一千多万条数据。

数据集的每一列描述如下：

列名说明 user_id 用户身份（脱敏） item_id 商品id（脱敏） behavior_type

用户行为类型（点击，收藏，加入购物车，购买）

对应数字1,2,3,4

user_geohash 地理位置 item_category

商品类别ID

time 用户行为发生时间

分析思路如下：

根据分析结果做出以下判断： PV、UV和平均访问深度都存在周期性的变化，在每周的周五会出现波谷，PV的波峰出现在每周六，UV无明显波峰。从10号开始PV和UV逐渐上升，在12日当天都达到顶峰，然后回落。在10-12日，用户搜索、加购行为较往日有所增加，而购买行为在12日当天明显增加，是平时购买量的三倍左右。用户工作日和周末的使用时间较为相似，都集中在18:00-23:00，在21:00-22:00区间内达到最高值，但用户在周末午间的用户行为略微少于工作日。大部分用户的日均消费次数在10次以内，约一半的用户日均消费次数集中在0.66-2.67次，双十二当天用户日均消费次数明显增加。用户付费率达到88.86%，用户复购率为91.45%，需要结合更多数据进一步分析未付费用户的流失节点。双十二当天的ARPPU约为日常的 2倍，活动结束后应做好活跃用户的引流，保持用户增长。 PV—收藏行为的转化率为4.46%，PV-加购行为的转化率4.46%，收藏加购—购买行为的转化率为19.27%。由于用户浏览-收藏加购这部分转化率较低，需要更多的用户行为埋点数据进一步分析咨询、收藏、加购、直接购买、下单和支付步骤的转化率指标。根据最近一次消费时间和消费频率得到的RFM用户模型，可以结合用户画像进行精细化运营。如重点关注RF评分都高的重要价值用户，针对R高F低的重要发展用户发放优惠券、举办活动等增加用户粘性。高点击量的产品，如点击量最高的产品209323160的加购和收藏量都很高，但销量并不在前十。而销量最高的产品，点击、加购、收藏都不再前十榜单中。需要结合具体的商品类别和用户行为数据进一步分析，增加高曝光产品的购买转化率，提高销量高产品的宣传。在不同的时间点和不同的日期，商品销量具有不同的表现，可进一步对时间和活动进行商品挖掘，更加精细化地投放商品广告。根据帕累托分析，45.04%的商品实现了80%的销量。可以针对头部商品和长尾效应进一步精细化商品运营。 运营建议和反馈： 确认是否有需求提高周五的数值，需要对周五PV、访问深度降低的情况进一步探究变化原因。 11.28，11.29日的UV明显偏低，确认是否有业务活动或竞品的影响，需要结合前期更多的数据挖掘异常原因。需要重点关注双十二拉新用户后续的留存和转化，关注活动的长期效应。根据用户活动时间点，可以选择PV较高的时间段（18:00~23:00）推送广告或者活动，针对不同时间点核心购买人群推送不同的商品。用户点击、加购、收藏行为在12.12活动前两天呈明显上升趋势，建议前2-3天开始活动预热刺激搜索加购，活动当天重点刺激购买行为。用户行为数据指标不足，考虑是否增加埋点，根据对标竞品的各步骤的转化率衡量产品个步骤转化率的情况。可以根据双十二当天成交数据，挖掘平时销量低但活动期间销量高的商品种类，如3064、13230、5894等商品，在活动期间重点销售。

数据预处理

import pandas as pd

import datetime

import matplotlib.pyplot as plt

import matplotlib.dates as mdate

import seaborn as sns

df=pd.read_csv(r'D:\数据分析\数据分析\tianchi\taobao.csv',engine='python')

print(df.info())

print(df.head())

df['time']=pd.to_datetime(df['time'],format='%Y-%m-%d')

t1=datetime.datetime(2014,12,8)

t2=datetime.datetime(2014,12,15)

mask=(df['time']>t1)&(df['time']<t2)

data=df[mask]

print(data.count())

df.drop_duplicates(inplace=True)

df.drop('user_geohash',axis=1,inplace=True)

df['time']=pd.to_datetime(df['time'],format='%Y-%m-%d')

df['hour']=df.time.dt.hour

df['time']=df.time.dt.normalize()

df=df.sort_values(by='time').reset_index(drop=True)

经过日期筛选和数据标准化，最终得到8164040条数据，各列的数据类型和数据格式如下：

用户行为分析

一、时间维度分析 1、流量指标

(1) PV、UV环比增长

PV：页面浏览量，全部用户在24小时内看了多少页面，用户每打开一个页面就记做一次，多次打开同一页面算作多次。这里我们将用户所有的操作（click, collect, add to cart，payment）次数进行求和，按照日期统计作为当日的PV值。

UV：独立访客，24小时内访问网站的用户数，同一个人多次访问也算一个，通过访问的客户端计算。我们通过用户唯一标志user_id进行计数求和，按照日期通知作为当日的UV值。

条形图反映了每天的PV值，折线图为环比昨日PV的值：（今日PV-昨日PV）/昨日PV，UV同理。

从周期性分析，PV和UV值都存在周期性的波动以周为统计周期，PV在11.21，11.28，12.5这三个周五都呈现波谷，而11.23，11.30，12.7这三个周日都为一周内的PV最高峰。但UV的情况有所不同，UV在11.22，11.28，11.29，12.5这四天，呈现周期内的波谷。结合访问深度（PV/UV）的数据来看，11.21，11.28，12.5三个周五也都呈现周期性最低点。需要结合更长的时间线分析整体趋势是否存在这样的周期性变化，如果存在变化背后的原因是什么，可具体分析周五活跃用户和不活跃用户之间的区别，并结合商品进行分析，看是否需要提高周五的活跃用户数量。观察异常情况，环比昨日，同比上周分析，11.28，11.29日的UV明显偏低，需要结合当时的业务表现再具体探索。

在11.21日出现PV周期性减少，UV小幅波动，而访问深度明显降低的情况