SQL淘宝用户行为分析

一  背景和目的

社交平台营销时代，移动电子商务已经成为未来发展趋势，带来了全新的用户习惯和新的消费模式，电子商务消费逐渐转型移动端，已经成为电商市场关注的焦点，而淘宝作为国内最大的电商交易平台更是具有巨大的流量优势。淘宝APP的功能日益复杂，但都离不开最基本的收藏、购物车和购买功能，本文利用mysql对淘宝用户行为数据进行分析,从客户整个行为过程中，确认每个环节的转化率情况，了解用户的行为,并提出改善意见.

二 数据来源与数据说明

1. 数据来源

阿里云天池淘宝公开数据:  https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1

2. 数据说明

本数据集包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包括点击、购买、加购、喜欢）。

共100150807条记录

表字段

行为类型

三 思路

四 数据预处理

1.导入数据： 用时25min

2. 总表预处理

3. 分表及其预处理 

五 分析

1. 用户维度

1.1 转化率/流失率

从图表中可以看出，所有浏览过页面的用户中只有6.16%加入购物车，3.22%收藏2.25%最终购买，用户在浏览商品详情页后出现了大量的流失，有大约98%的用户没有最终转化

那么，每一个环节相对上一环节的转化率是多少呢？

路径一： 浏览——购物车——购买     购物车-购买的转化率=加入购物车后最终购买的人数/加入购物车的人数

路径二： 浏览——收藏——购买  收藏-购买转化率=收藏后购买的人数/收藏的人数

75%的用户浏览后会加入购物车，但真正转化为购买的只有30% 

40.35%的用户浏览后会加入收藏，收藏后的购买转化率是21.79%

用户更倾向于将商品加入购物车，购入购物车后的购买转化高于收藏

1.2 时间趋势

按天

四个指标的趋势大致相同，周一至周四呈现波动略有上升状态。周末的浏览次数，收藏次数，加购次数，购买次数高于工作日，周六有明显上升。此外，从图中还可以看出，12月2日（周六）12月3日（周日）的数据明显高于11月25日（周六）11月26日（周日），猜测可能是因为月初，用户的购物欲更为强烈。

按小时

可以看出，四个指标随着时间的变化趋势是一致的。凌晨的数据处于一天的低谷，从6时开始，数据量逐渐增多。从17时到18时，会有一个小幅度的下降，推测是因为用户处于通勤或用餐时间。从18时开始，数据不断增长，21-22时达到顶峰，随后不断下降

-

1.3 复购率：购买2次及以上用户数/总购买用户数

9天内复购率达到68% ，用户粘性很强

2. 商品维度

2.1 热销商品

销量前20的品类分别是：3122135 3031354 3964583 2560262 2964774 740947 1910706 1116492 705557 4443059 1415828 1034594 1168232 3189426 4219087 265985 257772 1535294 2955846 5062984

总品类数：9439  总销量：2015839

销量前20的品类（占总品类0.2%）累计销量占总销量的20%。

商品类目总数的20%约为1900种，统计销量前1900的品类，发现其累计销量为1903427，占总销量的94.4%。说明淘宝的销量主要集中在前20%的品类。

六 结论和建议

1. 可以在商品页面增加加入购物车提示，提高购物车转化率。用户加入购物车后赠送优惠券或者推荐搭配用品，或者弹出提示限时特卖等，促进购物车-购买的转化

2. 建立会员管理体系，防止老客流失

3. 可针对峰值时段，周末或月初进行营销活动

4. 淘汰滞销商品，增加畅销品类的SKU。通过关联推荐，搭配优惠等方法提高畅销品的连带率。