提出问题

• 日PV有多少
• 日uv有多少
• 付费率情况如何
• 复购率是多少
• 漏斗流失情况如何
• 用户价值情况

理解数据

• 数据集共104万条，内容2014年11月18日-2014年12 月18 日用户行为数据，公共6列
  • user_id:用户身份
  • item_id:商品ID
  • behavior_type:用户行为类型（点击、收藏、加购物车、 支付分别用1,2,3,4表示）
  • user_geohash:地理位置
  • item_category:品类ID(商品所属的类别）
• • time： 用户行为发生时间

数据清洗

• 导入模块，数据

  
  
  图片.png

• 了解数据

  
  
  图片.png
  • user_id，item_id需要转换数据类型，time需要转化数据类型，添加新列date，和hour，用于写下来的统计
  • user_geohash 用大量缺失值，别的列没有缺失值

• 数据类型转化，添加新列

  
  
  图片.png
  
  
  图片.png

用户行为分析

pv和uv

• pv（访问量）：即Page View 具体指网站的页面浏览量或者点击量
• uv（独立访客）：即访问您网站的一台电脑客户端为一个访客

日访问量分析

图片.png

• pv和uv，数量级差距大，折线的波峰是双十二的时候
• uv在10000左右。

不同时段访问量

图片.png

• 0-5点访问量快速下降，5点到时10点，pv，uv上升，而到18点后访问量活跃度上升。

根据类型对访问量分析

图片.png

• 四种用户行为的波动情况基本一致，从图2可以看出，加入购物车这一用户行为的pv总量高于收藏的总量。

用户的购买情况

用户的购买次数

图片.png

日ARPPU

• ARPPU :从每位付费用户获得的收入 ARPPU=总收入/活跃用户付费数

人均消费次数=消费总次数/消费人数

图片.png

• 付费人数的平均消费次数在2次左右，双12的时候在4 次左右

活跃用户数平均消费次数=消费总次数/活跃用户人数

图片.png

• 付费次数在当天的活跃人数占比是0.25，双12的时候是0.5倍

同一时间段消费次数情况

图片.png

• 同一时间段用户为单位消费1次的占绝大多数。

复购情况分析

复购情况，即两天以上有购买行为，一天多次购买

• 复购率=有复购行为的用户数/有购买行为的用户总数

  
  
  图片.png
  
  

  -- 复购率：0.8717

所有复购时间间隔消费次数分布

图片.png