用户行为分析及实战项目python

用户行为分析是对用户在产品上产生的行为以及行为背后数据进行一系列分析，通过构建行为模型和用户画像，支持产品决策，精细化运营，实现增长。

对于产品而言，用户行为分析可以验证产品可行性，找到产品缺陷，以便需求迭代；

对于设计而言，用户行为分析可以帮助提高产品体验，发现交互不足，以便设计优化；

对于运营而言，用户行为分析可以实现精准营销，挖掘使用场景分析用户数据，以便运营决策调整；

一般包括设备id，时间，行为类型，渠道等

（1）粘性指标-表现用户-提高认知度A激活：关注周期内持续访问，比如：留存率、流失率、新用户占比、用户转化率等；

（2）活跃指标-表现行为-诱导参与留存：用户参与度，比如：活跃、新增、流失、平均访问时长、使用频率等；

（3）产出指标-分析出-培养忠诚度R变现：用户价值输出，比如：消费金额、页面UV、消费频次等；

（1）行为事件分析：根据关键指标对用户行为进行分析，比如：注册、登录、搜索流量商品、加入购物车、提交订单、付款、评价一系列属于电商完整事件。在根据用户细分维度，用户渠道、注册时间、订单频率、新老客等维度找到规律，制定方案。

（2）用户留存分析：分析用户产品参与度的指标，一般遵循40-20-10法则，即日留存大于40%周留存大于20%月留存大于10%。

（3）漏斗分析：描述用户使用产品时关键环节转化率情况，能够验证设计是否合理。分析用户在哪个环节流失，为什么流失，如何降低流失提高转化率。

（4）用户路径分析：用户在使用产品过程中的访问路径。首先要梳理用户行为轨迹，认知-熟悉-试用-使用-忠诚。轨迹背后反应的是用户特征，这些特征对产品运营有重要参考价值。当发现偏差时，可能就是产品的缺陷。

（5）福格模型：用来研究用户行为原因的模型。B行动=M动机A能力T触发器。以分享为例，动机-该分享对分享者和被分享者有什么好处，能力-分享路径实现是否有难度，触发器-分享按钮是否醒目，用户是否意识到这个分享带来的好处。

已知数据集中包括用户ID、商品ID、商品类目ID、行为类型和时间戳，其中行为包括点击、购买、加购、喜欢。

（1）用户活跃指标

（2）用户粘性指标

（3）用户行为分析

能明显看出12月2日周六的PV突增，但是11月25日和26日同为周末，PV量级却没有那么大，需要继续查看数据，有可能是异常情况。

与PV情况相似，但是UV增加不一定就是PV增加的原因，还有可能是某些用户访问次数增加导致PV增加或统计问题，因此需要看一下人均访问次数确定。

人均访问次数接近，由此可知PV的增加就是新访客带来的。由于双12属于年底大促，因此12月2日访问量突增的原因可能与商家开始进行促销和宣传有关系。

人均消费频次28次

可以看出主要活跃集中在10-23点，从晚上7时开始至10时用户访问处于最佳活跃状态，21时是一天中活跃最高点。

收藏、加入购物车、购买与pv的趋势相似。

10时附近付费率最高，因此应该保持10时的运营活动加大21时的活动力度。

由图可知，前7个商品类目属于高销量，与第8个类目销量差异较大。

商品类目为‘4159072’付费率最高

进一步探索与它同销量的’1320293‘付费率却极低，发现1320293的访问量很高但是购买平淡无奇，而4159072虽然访问量低但是每十个人访问就有一人付费。可以 深入研究一下它是否有什么特殊性或者高效运营手段，详情页如何展示介绍商品，文案如何设计等，找出规律应用到其他商品上面，提高付费率 或者 从渠道的角度分析是否前者渠道目标用户不如后者精准 。

有过销量的类目共3666个，以销量由大到小排序占总销量的80%为止，有628个商品类目。因此可以说着628个商品类目占总销量的80%，奇妙的28定律！

前面平均消费频次为28，销量top20中，‘2885642’‘4756105’‘4159072’这三个类目消费频次与销量差距悬殊，可以根据商品性质分析如何提高用户消费频次，同时可以参考其他消费频次较高商品如‘982926’的运营手段等。

普遍说明每发生14次收藏就有1次购买行为。

可以分析出几个商品每收藏4-5次才会购买一次，考虑是否对这类商品进行个性化召回，比如定向推送询问用户收藏的该商品最近有优惠券是否前来购买等。

与区分商品类目的分析相似，这里指针对有异常商品类目下的商品名称进行分析

从商品ID维度分析以商品类目ID=’1320293‘和’4159072‘两者销量相似但是付费率相差悬殊为例。

说明商品类目下有与其大量商品不如小而精，精准定位用户需求。

能辅助证明上面的观点，如果在某类目下有几个商品吸引用购买，那么该类目的销量就会大增。

使用sql较容易实现

可以看出整体次日留存率较高，越接近12月份留存率逐步上升，与临近双十二商家宣传促销有关。

用户复购率也在逐渐提高。

从浏览到加入购物车的转换率仅62%，有空间提升。

10留存率能够达到70%以上，复购率达到20%以上，在临近双12明显提升。

11通过观察漏斗可以看出，加入购物车的转化率仅62%还有很大的空间提升。

由于此次数据集没有提高销售金额，因此无法进行ARPU方面数据分析。这里补充下关于消费金额的知识点：

LTV是平均每个用户带来的价值，可以决策为每个用户付出多少成本。一般来说LTV>CAC认为公司发展空间大，LTV<CAC认为公司变现能力弱，LTV/CAC=3认为公司健康，大于3说明市场拓展较为保守；小于3说明转化效率底下。

LTV=LTARPU

LT指用户平均生命周期，留存率之和。

举例：如果知道用户一个月内的留存率，可以使用excel做出对数趋势线，看下r方。根据对数公式计算出留存率之和，也就是LT。

注意：ARPU与LT要有单位之间的换算。

CAC计算要考虑进去成本，包括营销费用、推广费用、以及人力成本。CAC是一个平均值，可能在各渠道下成本不一，可以区分渠道分别计算。

即花费的用户获取成本能在多长时间内回本。PBP越短资金周转越快。

参考：

>

如何管理电商的五个基础逻辑

流量逻辑

做生意，无论线上线下，都要解决“获取顾客”的问题。凡是能带来顾客的，都可以看作流量。这个渠道能带来多少流量，单个用户的获取成本是多少，是每个生意人都会算的一笔账。

比如你开一家麻辣烫。开在小区里一天需要100元摊位费，能获取50个客户，单个成本2元。开在地铁口呢，可能摊位费1000元，能获取400个用户，单个成本25元。

作为摊主，你可以选择开100个小区摊位，充分利用低成本流量。也可以选择在地铁口搞个大摊位，多搞些串的种类和饮品，提升单个用户收益，充分利用高成本流量。

流量逻辑包含三个基本的规则：

趋势红利

越早进入一个渠道，成本就越低。2010年开淘宝店，赚钱比较容易。2012年再开，你可能得开个淘宝直通车、买点竞价排名。随着卖家越来越多，淘宝的流量越来越贵，最终会上升到和线下一样的成本。所以淘宝并不便宜，便宜的只是淘宝刚兴起时的趋势红利。

前两天陌陌的人说，现在最大的感受就是流量真心贵，而且必须得买了。2017年他们必须要投钱去购买各家应用市场的头部排名，才能拿到流量，这是前所未有的事情。

移动端的流量越来越贵，用户越来越难以获取。实际上，用户并不便宜，只是智能手机刚兴起的时候，用户的在线时间突然得到了一个极大的释放。便宜的，只是移动端兴起时的趋势红利。

生意规模的边界

同一个渠道，想获取更大的量级，成本一定会升高。

CAC指的是你每获取一个用户的成本。LTV指用户生命周期内为你贡献的利润。只要一家公司的CAC﹤LTV，就可以继续扩大生意，直到两者相等。换句话说：生意的边界，就是CAC=LTV。而且随着用户规模的扩大，CAC一定会越来越高。

比如你卖榴。你如果自己写软文，在朋友圈发广告，CAC=0，但每天只能卖2个。想多卖一点可以考虑做个公众号，找水果店帮忙吸粉，可能变成CAC=3，每天卖50个。继续扩大，只能去投广点通了，CAC=20了，每天能卖1000个。还想扩大，那就增加粉丝通投放的量级，每天烧个几十万，你 会发现终于成本上升到了榴的利润覆盖不了的地步，这就是你生意的边界。

公司规模也存在着类似的边界，公司规模的边界是管理成本=外包成本。也就是如果外包比自己招人省钱，公司就没必要继续扩大规模。现在公司的规模正在变得越来越小，就是因为工具越来越完善，外包协作越来越容易。

总有便宜的渠道

越是只适合你的，就越便宜。由于不同产品的产品逻辑、用户属性都有着很大区别，有些渠道会仅适用于你的产品，由于缺乏竞争者，流量的价格就会相对便宜。

很多手游上线的时候，会联系游戏公会，通过送福利包的形式推广产品，其他的App就没法走这条路，那这样的CAC一定是相对便宜的。

只有莆田系，才舍得几百块一个点击地买流量，因为LTV实在是高。假设200元一个点击，100个点击换取1个就医患者，这个人就要为流量成本买单2万元。所以莆田系就算治得好病也别去。

成本逻辑

任何产品都有成本。

成本有多重构成，比如一部iPhone，研发、制造、零售商、物流、服务(客服/保修)、营销，都是成本。每次iPhone上市，都会有很多人转《一个iPhone的造价仅XX美元》的文章，其实没什么意义。须知经过这么多年的商业发展，在各方面相对稳定的情况下，一个商品的售价和定倍率都是相对稳定的，也是合理的。

但互联网的到来，改变了很多商品的成本逻辑，主要是从两个方面。

互联网改变了成本结构

一件商品的成本构成是很复杂的，制造成本仅占其中很小的一部分。

互联网的实质是连接，直接连接厂商和用户，省去中间的多次物流成本、经销商扣点、营销成本和广告费用，商品就能以极低的价格出售，用户获得更多实惠，厂商也能获得更多的利润。

互联网产品的边际成本为0

所谓边际成本，指的是每多生产或者多销售一个商品，带来的总成本的增量。

京东每年都亏损，为什么大家还是很看好它因为到一定的规模时，每多上架一个商品的成本接近0，这时候，京东怎么做都是赚钱的。而超市就不行，上架商品要占货架，要消耗租金，要人工来理货，成本无法降低到0。

定价逻辑

一款商品做出来了，如何定价呢

销售额=单价×销售量。那么定价就有两种倾向：高单价高毛利，或者低单价大量销售。

一般情况下，越是满足感情需求的，放在感性心理账户的商品，越会选择高单价。极端的情况是奢侈品，比如机械表，走得没有电子表准，性能也不如电子表，但造价高，有机械之美，有所谓的“工匠精神”，定价极高。买机械表的人，买的不是一块表，而是一种符号，成功男士的'符号。

而满足基本生理需求的，由于价格d性较低，基本就只能走低单价的路了。前几年凡客诚品想试试高溢价卖衬衣、裤子什么的，看看这两年的热度你就知道，不太靠谱。

风险逻辑

做生意就肯定有风险。有些商业模式就会通过购买风险的方式获取利润。

比如茅台酒，经销商为什么能赚那么多因为经销商承担了库存的风险。厂家不知道生产多少是最合适的，而大量库存导致的资金链断裂是非常致命的。总代理呢，就把所有的货都包过来：“你的库存风险我包啦!但你得给我便宜的价钱才行。”之后总代再将商品逐步地销售出去。

注意：总代既然承担了风险，就不会只赚不赔!如果商品销路不好，总代就要降价倾销，是要赔钱的。那么总代这门生意的实质，就是对未来风险的判断。他判定商品的销路会好，是他做生意的前提。

风险买卖在商业中非常常见。自如的三年不涨价，天猫的7天无理由退换，各类保险公司，各种基金、贷款，本质都是在做风险买卖的生意。

规则漏洞

如果刷过单，你就会知道这世上专门有一类人靠着商业逻辑的漏洞赚钱。这种人，在线上叫羊毛党，在线下叫黄牛党，本质是一类人。

我们来看一个经典的例子：

电信公司推出活动，充200返200购物券。200元，换200话费+200购物券很合算，但话费是和账户关联的，没办法流通。有没有办法换成，200元，换200元购物券+200元购物券呢

有!再找一个人做等量置换就可以了。

A给B200元，B去营业厅，把这200元充到A账户里，自己又掏200充到A账户。此时A得到了400元话费，B得到了400元购物券!

这时候就简单了，比如你所在的城市有3所大学，每所大学5000学生，找一帮学生帮忙，打一个“充200赠200”的条幅，每搞到一个用户就奖励他们20元。假设每所大学能获取2000个用户，那么3所大学总共能获取6000个用户。每个用户，你都帮忙充值200，套取400元购物券，你就获得了240万购物券，九折变现，再去掉给学生的分成奖励，净赚84万，简直可怕……

前两年O2O大火的时候，有多少推广的钱，是烧给了这些羊毛党我相信真实的数字是很惊人的。大量的用户补贴被羊毛党套利获取，十几台手机，一家线下门店，每个月套利几万元乃至十几万元的黄牛，大有人在。

流量便宜的时候，怎么做都有得赚。流量昂贵的时候，就要回归商业的本质。如何提升流量使用效率，优化成本结构，采取合理定价策略，灵活处理风险，避免规则漏洞，这些都是电商从业者要修炼的基本功。

提出这个问题的原因是目前存在着很多对于用户增长的误区。

常见误区主要有：

用户增长就是做微信裂变，将增长局限在术的层面；

用户增长就是做用户获取，将增长局限在某一个环节；

用户增长就是做投放，将增长局限在某一个工种；

用户增长就是做AARRR，将用户增长局限在方法论层面。

首先要明白用户增长包括3个阶段的增长：产品出现前的用户增长、产品生命周期内的用户增长和产品生命周期外的用户增长。而现在我们大多数人讨论是产品生命周期内的用户增长。

产品出现前的用户增长主要是找到用户增长的根本驱动因素，发现用户痛点，分析产品的价值。产品生命周期外的用户增长是要在产品衰退之前找产品的第二增长曲线，实现用户的可持续增长。

产品生命周期内的用户增长涉及到产品萌发期、发展期、成熟期、衰退期的不同阶段。就具体到实际工作内容而言，分为用户外增长和用户内增长。

用户外增长，就是获取用户，通过各种渠道和玩法获取用户，为产品导流，比如社群裂变、信息流广告、补贴、事件营销、品牌活动、SEO、网红直播、社交平台广告、线下展台等。这也是我们平常听到最多的，因为互联网人口红利期未过去之前，用户获取的成本低于维系用户的成本，或者说用户获取的收益高于维系用户的成本，粗放增长背景之下，用户获取成为了最重要的事。

用户内增长在流量红利见顶之后变得越发重要，维系老用户比拉新变得容易多，由此对用户的精细化要求也变得更高。用户内增长指在产品内设计和优化转化路径，并通过数据和策略实现用户价值最大化，特别注重策略、数据和业务理解，比如用户激励体系、用户成长体系、积分登记机制、用户分层运营、用户召回与防流失等。

通过以上的产品生命周期内的用户增长的描述，可以发现用户增长不是简单的用户数量的增长，用户获取、激活、留存、变现、推荐等都属于用户增长讨论的范畴，同时用户增长是一个系统，一个由行业、用户、竞品、痛点、产品、渠道、技术、传播、创意、数据等构成的体系，需要多部门协同来完成。

抖音A3人群获取成本指的是在抖音平台上通过广告投放等方式获取到的A3人群的成本，通常以每千人成本（CPM）或每点击成本（CPC）来计算。具体的计算方法可以根据广告投放的具体情况来确定，一般来说，需要考虑以下因素：

1 投放广告的形式和位置：不同形式和位置的广告对应的成本也不同。例如，首页广告和个性化推荐广告的成本可能会高于其他位置的广告。

2 广告投放的时间：广告在不同时间段的投放成本也可能会不同。例如，在高峰期投放广告的成本通常会比平时高。

3 投放广告的目标人群：不同人群的投放成本也会不同。A3人群相对于其他人群来说，投放成本可能会更高。

综上所述，抖音A3人群获取成本的计算方法需要根据具体的广告投放情况来确定，需要考虑多个因素。同时，也需要注意不同广告投放策略的效果和收益，以便在最小成本的前提下获得最大的收益。

以上就是关于用户行为分析及实战项目python全部的内容，包括:用户行为分析及实战项目python、谈谈「交押金免费使用」的运营价值、如何管理电商的五个基础逻辑等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！