PowerBI Copilot淘宝用户行为数据分析实战

一、背景介绍

Copilot作为Microsoft大杀器,已经推出了有一段时间,本公众号也专门多次撰文介绍:

Copilot in Power BI等了好久终于等到今天

Copilot in Power BI详细使用说明

PowerBI Copilot已全面支持中文识别

PowerBI Copilot 零售数据分析自动化报告实战

PowerBI Copilot让你的MacBook在周末的星巴克里更闪耀

一文搞懂Microsoft Copilot品种及定价说明

大家对零售数据分析实战颇感兴趣,纷纷要求再看看对其他行业数据的支持情况,今天继续用copilot做一哥淘宝用户行为数据分析的自动化报告,大家可以参考当前copilot的理解水平与报告制作能力。

数据集下载自阿里巴巴天池

https://tianchi.aliyun.com/dataset/649

原始数据有1亿条,随机抽取了其中的100万条进行分析。一共有5列数据:用户ID、产品ID、类别ID、用户行为、时间戳。

PowerBI Copilot淘宝用户行为数据分析实战_第1张图片

二、copilot实战过程

1、首先直接用csv数据创建语义模型

在premium工作区点击“新建语义模型”:

PowerBI Copilot淘宝用户行为数据分析实战_第2张图片

添加csv文件:

PowerBI Copilot淘宝用户行为数据分析实战_第3张图片

上传完毕后,返回工作区,找到这个语义模型,点击“···”后,找到“创建报表”:

PowerBI Copilot淘宝用户行为数据分析实战_第4张图片

2、启动copilot创建报告并分析初步结论

点击“copilot”按钮:

PowerBI Copilot淘宝用户行为数据分析实战_第5张图片

咱们这次直接安排copilot按照我们的要求进行报告创建:

PowerBI Copilot淘宝用户行为数据分析实战_第6张图片

很快就给出了结果:

PowerBI Copilot淘宝用户行为数据分析实战_第7张图片

从以上结果总可以看到:

假设以pv量为1,那么cart和fav合计为10%,buy量为2%,也就是说平均浏览10个产品会产生一个收藏或者添加购物车动作;平均浏览50个产品才会发生一次购买行为。

这个统计是用户的所有行为,也就是用户不去重,我们稍微变一下问法,看看独立访客的情况:

PowerBI Copilot淘宝用户行为数据分析实战_第8张图片

注意以上两种提问方式,copilot是可以理解“独立访客”的意义为去重用户的数量,并得到了不同的结果展示,如下:

PowerBI Copilot淘宝用户行为数据分析实战_第9张图片

在1万个独立访客中,7.7千人加入了购物车,4.1千人收藏,7千人购买。

独立访客维度,用户的付费比例约70%,相当高了已经。

综合以上两个维度进行分析,可以得出以下结论:

用户打开淘宝浏览相关产品后的购买率约70%,转化率较高;但是用户平均需要浏览50个产品页面才会进行购买,这说明大部分用户在进行淘宝购物时都要反复对比才能确定心仪的产品,也说明当前的获客成本其实还是蛮高的,想要在用户浏览的一众商品里让用户心仪并下单,还是需要花费不小力气的。

接着输入其他的语句,创建其他的页面:

PowerBI Copilot淘宝用户行为数据分析实战_第10张图片

并不是很理想

PowerBI Copilot淘宝用户行为数据分析实战_第11张图片

再问个别的问题,

PowerBI Copilot淘宝用户行为数据分析实战_第12张图片

展示如下:

这个结果肯定是有问题的,因为数据里面是时间戳,而不是日期和时间

PowerBI Copilot淘宝用户行为数据分析实战_第13张图片

而copilot目前是没有办法直接根据时间戳计算出日期和时间,因此我们需要去powerquery中进行数据获取与整理并重建模型。

将模型调整后重新自动生成,好多了,至少能看出来从0时到24时的变化趋势:

PowerBI Copilot淘宝用户行为数据分析实战_第14张图片

手动调整一下字段为具体的小时就清楚多了:

PowerBI Copilot淘宝用户行为数据分析实战_第15张图片

接下来可以分析了,不同的时间段有不同的浏览量和购买量拨波动,这相当正常。不过我们仍然发现一个问题,上午和中午的浏览量最高,而晚上的黄金时间购买量却是最低的,这很明显不正常的。

于是我们查看数据并进行逻辑分析,时间戳转换时默认是0时区,而咱们数据是东八区,因此需要再次在powerquery中进行调整,然后再次进行copilot生成展示:

PowerBI Copilot淘宝用户行为数据分析实战_第16张图片

这次就很准确了,每天凌晨大家睡觉的时候浏览和购买就会处于低谷,白天基本上比较平均,下班后的黄金时间明显处于最高处:

PowerBI Copilot淘宝用户行为数据分析实战_第17张图片

这再次说明,想用copilot自动生成效果较好的报告,模型的质量是先决条件,也就是ETL阶段和建模关系阶段要确保准确。

而在很多大型公司,本身etl阶段就有专门的人甚至部门进行维护,业务使用人员需要关心的只有最终的可视化与逻辑展示。

而国内实际上大部分使用powerbi的人员负责了从数据获取与整理到建模关系到数据可视化到权限控制等一系列全部流程,自然会觉得目前copilot的功能仅在中间的一步起作用,有点鸡肋。

然而这也只是copilot预览阶段的第一步,按照微软的产品定位,接下来copilot会逐步支持dax度量值按照自然语言自动生成,powerquery编辑处理等全链条工作。

总结

Microsoft Copilot是一个全平台系统性解决方案,在这个AI功能大爆发的时代,拥抱重回全球市值第一的微软,绝对不会有错!

目前copilot分为多个平台各自为战:

PowerBI Copilot淘宝用户行为数据分析实战_第18张图片

加入“Copilot星球”知识星球,以上所有Microsoft Copilot功能,独享账号,一年内全部享有!

外加一年期科学上网环境,解决后顾之忧!

一年内不限次Copilot技术提问+不定时新鲜技术分享!

你绝对是Copilot-AI时代第一批吃螃蟹的人!

“Copilot星球”本周试运营,联系学谦加入费用为2000元/年。下周恢复正常价格。

学谦微信:powerxueqian,暗号:Copilot星球

PowerBI Copilot淘宝用户行为数据分析实战_第19张图片

你可能感兴趣的:(powerbi,copilot,数据分析)