电子商务用户消费行为的数据分析

对于初级阶段的新电子商务，关键是积累数据，找准运营方向，关注流量，开源；对于中级阶段的电子商务，首要任务是稳定客流，提高门店销量；对于规模较大的电子商务，更重要的是要保持和积极主动，提高整体运行水平。

在不同阶段，数据分析指标的侧***也不同。本文以一个电子商务用户订单记录为例，***分析了用户消费和用户消费行为的总体趋势，分析并展示了用户规模和用户粘性的几个核心数据点：

分析过程思维图：

来自电子商务网站用户订单记录的数据

观测资料：一。日期需要转换。二。大多数订单购买的货物较少。平均值约为2。极值为99。有干扰。三。用户消费量稳定。也有极端的干扰

时间格式转换：需要按月分析数据。这里它直接转换为月份，忽略特定日期

销售量的趋势与销售量的趋势一致

三、用户数量分布使用数据透视表查看每月用户数量、销售量和销售量

用户平均消费量在1-2倍之间，1997-1998年呈上升趋势

从散点图分布来看，极值影响严重。根据切比雪夫定理，95%的数据集中在距离平均值的5个标准差内

用户消费次数柱状图：

它们大多集中在10倍以内，其中一小部分数据会造成干扰

其中大部分在250元以下，大部分集中，一小部分数据造成干扰

按消费金额排序，使用累计和函数计算用户消费金额的比例

月度比较：

五、用户层次结构-RFM模型使用数据透视表提取用户消耗量、上次消耗日期和消耗量数据

从上次消费日期到上次消费日期的天数（由于数据是很久以前的，为了更好地显示数据，比较标准改为所有用户的上次消费日期）

数据以平均值作为X、y、Z轴的标准值，编写Python函数，将用户m、R、f数据分成四个象限，用0、1作为标准值的上、下象限，并分别标注用户。8类标签分别是：重要保留客户、重要价值客户、重要开发客户、重要保留客户、一般保留客户、一般价值客户、一般开发客户、一般保留客户

销售总额、消费总次数、用户数统计

一般来说，大多数客户是保留的，其次是保留客户，其次是保留占销售额比例***的客户

RFM客户分层分布：

从RFM的分层可以看出，大部分用户对留住客户很重要，但这是由于极值的影响，使得平均值提高，用户划分不准确

六、用户分层：新老用户、活跃用户、回流用户、流失用户

使用数据透视表统计每个用户每月的消耗量。1表示用户本月已购买，0表示用户本月未购买

使用Python函数根据用户月消费量进行标注