一．提出问题
1. 基础数据计算
针对日活跃量和总活跃量分析日/月/周的活跃率，以及有购买行为的用户数量和人均购买次数与复购率进行计算。2。用户模型转换
比较四个环节中每个环节的转换率，并为它们提出建设性建议？
三。根据时间段找出用户的活动日期，并构建用户级评估模型（构建范围是用户行为的前十个用户）？
二。了解数据
天池.aliyun.com/数据
该数据集是从2014年的一个月的淘宝APP中选择的，用于分析一些用户行为。
下载的数据包含1,048,576行和6列。
数据来自2014年11月18日至2014年12月18日的淘宝APP用户行为数据。
字段含义如下表所示：
三。数据清理
一。选择一个子集
数据集的每个字段都是有效的，全部在此处选择。
2。列名重命名（如图所示）
三。删除重复值
由于此数据源是调查每个时间段的用户行为的数据，因此无需删除此数据源的重复值。
4。一致性治疗
原始数据的时间以“年-月-日”的格式表示，为便于后续数据分析，需要将“年-月-日”和“时间”分开。
编写功能如下图所示：
结果数据将填写如下图所示：
为了便于后续数据分析，对用户行为类别进行分类并重命名其文档。
4。数据异常值处理
选择两列用户身份和时间进行处理，未找到异常值。
四，建立一个模型
（1）基本分析
总访问量：
1048,575个
日常活动和每日/每周/每月活动率如下图所示：
平均每日访问量为34,952.5
购买行动的数量是4330
人均购买次数为2.36
赎回率（购买用户使用超过或等于两次购买的比例）为53%
损失率：
94.21%的
（2）将用户行为转换为漏斗模型
如上图所示，访问点击集合加购物车付款的转换率分别为94.21%，2%，2.81%和0.98%。
（1）App访问量最高，此阶段是产品使用阶段，因此App的内置主页将影响客户对此应用程序的体验。
其次，点击量，用户是否对商品感兴趣取决于商品的价格和质量以及使用效果等许多方面。价格是随时衡量产品的重要因素，因此价格设定是否合理与其后续变量有关。
三。同样，收集量是用户对商品感兴趣的第一件事，即单击收集或直接加入购物车。在淘宝app中，购物车只能添加120个项目，因此当购物车的数量满时，然后单击收集，因此两个收集级别和购物车的数量应该是相同的级别。通常，我们大多数人都会直接加入购物车。只有当购物车装满120件物品时，单击“收集”按钮。
（4）在淘宝app中，从开放到最终支付有7个步骤，这极大地影响了最终支付和其他相关价值。
目标客户可根据上述四种基本用户行为进行分级
点击：
有很多客户不购买这种产品。其中大部分是由于价格和其他因素造成的，因此这部分客户需要刺激消费。这属于客户的一般发展。商人需要组织活动并发布优惠价格以刺激消费。
收藏：
这部分客户可能暂时处于观望状态，收集商品进行后续检查和收集商品相关信息；
这部分客户属于一般价值客户，需要推动相关商品的收集活动。
加推车：
这部分客户是付款前的一步，有兴趣将此产品添加到购物车以便于跟进和购买，此类客户是重要的开发客户，可能会刺激消费。
付款：
此类客户属于重要价值客户，需要长期维护用户的活动以及付款金额等要素。这部分客户可以分级以促进消费，例如88名淘宝会员。
前10位，点击
收集量
额外购买量
付款
上图是每个时间段的用户。从图中可以看出，21-22分期间用户的点击量激增，这是大多数工人下班的时间，因此此时访问量激增。
上图是从11.18到12.18的整个月的用户行为图表。从图中可以看出，2014年12月12日的点击量激增。这个数据非常异常。这一天只是双十二消费的第13年，这一天的付款也飙升。
4。模型分析方法
步骤1：
是为了获得用户
因此，淘宝已成为中国第一个拥有庞大用户群的电子商务平台，自2011年以来，淘宝已成为全球购物节，因此其渠道曝光率和每日新用户数量急剧增加。
通过优惠券和各种折扣降价活动增加用户数量。
2。步骤2：
激活用户（上面分析了基础值）
从浏览到点击到收集或添加购物车和购买整个过程，每个阶段的比例不同，访问量达到94.21%，但访问量仅为访问量的2%，而收集量减少与点击量相比，达到2.81%，最终付款仅占总比例的0.98%，可能是因为用户花费大量时间寻找合适的商品，但由于价格和评论以及影响用户行为的其他相关因素。
对于商人来说，首先要优化淘宝平台的数据过滤功能，推动指定用户，并为用户筛选合适的商品。
请参阅更多付款步骤，优化淘宝的单一步骤，并改善用户体验。
三。步骤3：
提高保留率
根据客户的用户行为习惯，使用淘宝平台提高客户保留率，根据用户使用习惯和用户付款数量建立客户模型，使用付款数量和金额来衡量VIP级别，形成分层升级系统，提高用户的保留率和平台的忠诚度。
4。第4节：
增加收入
提高客户单价，支付客户比例和平均收入，交易转换率，赎回率和销售率。
5。步骤5：
向其他人推荐用户推荐
淘宝平台可以扩展和推荐其他用户，并以用户为单位向用户提供优惠券，并在邀请他人帮助他们在登录页面解锁某个奖励以实现通信功能的同时实现登录功能。
五，概要
一。数据源是2014年11.18至12.18之间的用户行为数据。总活动为1048575，人均购买次数为2.36，赎回率为53%，跳跃率为94.21%。建议商家优化app的内置功能。
2。在这四个链接中，最大比例是点击，要求商人发放优惠券并进行活动以增加付款金额，而收集和加入购物车是要求商人不断激励和推动相应产品的消息，以及最终付款链接是为了衡量真实价值客户。建议商人构建会员评定系统以激励用户的购买行为。
三。根据平台记录的时间段找出用户的活动日期和每个周期，根据大数据分析得出的用户相关行为将感兴趣的产品推给用户，及时发放优惠券和促销活动促进用户消费；其次，为目标用户建立评级模型，为各类客户建立评级机制，以促进和快速管理每个用户的信息和消费习惯。