原文链接：http://tecdat.cn/?p=27482

原文出处：拓端数据部落公众号

 

随着互联网和电子商务的发展，人们已经习惯了网上购物。 在中国，电子商务平台非常受欢迎。 在每年的618、双11、双12活动中，大量用户在如淘宝等电商平台浏览商品，或收藏、加入购物车或直接购买。 通过用SQL对用户行为的分析，我们可以挖掘用户的购买规律，了解产品的热度，并结合门店的营销策略，实现更精细、更精准的运营，让业务获得更好的增长。

数据集包含用户行为，由用户ID、产品ID、产品类别ID、行为类型和时间戳组成。 本次分析共导入数据约383万条。 在导入过程中，与主键联合设置了5个字段，在导入过程中消除了重复值。

用户行为间的转化情况

用户行为转化漏洞分析

从上面的漏斗图分析可以看出，从用户进入APP浏览页面开始，购买环节的最终转化率为2%。 用户点击页面后，用户流失巨大。 从浏览到购买的转化率是多少？

用户购买的路径分析

点击-收藏-购买的转化路径分析：用户浏览商品后，约有1/5的用户进行收藏，然后收藏中约13.26%的用户进行购买。

转化路径分析：从上图可以看出，用户浏览商品后，约有41.13%的用户会加入购物车，远高于进行收藏的用户，但加入购物车后，只有 17% 左右的用户最终进行了购买，超过 80% 的用户没有进行购买。 我们需要分析这个环节。 推测的原因可能是：

1、加入购物车是在不同店铺比较同种产品的价格；

2、为了凑单，全减；

3、先放在一边，过几天再买；

4、等其他活动折扣

用户点击的商品和下单之间的关系

这里我们重点关注用户点击的产品与用户订购的产品之间的关系，是否支持我们的假设：平台推送的产品不符合用户的需求。

产品点击量排名前九的产品类别：

对点击进行排序后，分析最畅销的商品，找出点击与购买之间的关系。 从上图我们可以看出，点击率最高的产品的购买率只有0.56%，而点击率第6的产品的购买率已经达到了5.8%。

结论：假设成立

通过以上分析可以得出结论，电商平台的推送机制不合理，推送的商品无法匹配用户的需求，导致用户在浏览过程中没有找到想要的商品，因此转化率：用户实际购买的比例非常低，即用户流失严重。

本文章中的所有信息（包括但不限于分析、预测、建议、数据、图表等内容）仅供参考，拓端数据（tecdat）不因文章的全部或部分内容产生的或因本文章而引致的任何损失承担任何责任。

---

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标