0数据分析结论

ppt地址：ppt报告

以4周用户行为数据为基础，运用多维度分析，对比分析，漏斗分析等方法，得到如下结论：

1. 男性用户占比60%；年龄段为5，6的用户占比超70%；用户等级集中分布在1、5、6、7级，其中7级用户最多，34.2%；用户城市分布集中在1、3、4、5级城市中，其中4级城市用户最多，占比约30%。

2. 用户白天的使用高峰在10-11点之间，夜间的使用高峰在22-23点之间。一周中的使用高峰在本周四至下周一。周末平均使用次数较工作日稍低。

3. 人均浏览次数，在第四周下降明显，对其进行拆解，发现第四周活跃人数明显增加，浏览次数并没有明显增加，活跃用户增加主要出现在1级用户与7级用户，增长率34.3%，年龄段为5，6 的用户活跃增长率为36.5%。

4. 4周内下单转化率8%，评价转化率40%。拆解分析，3级城市的下单转化率最低，仅为7.2%，六级城市的下单转化率最高为8.8%。

5. 浏览最多的产品是手机，男性偏好外套、茶叶、笔记本，女性偏好美妆，平板。

6. 购买最多的产品是茶叶，男性偏好外套、项链，女性偏好美妆，项链。

7. 90%的用户活跃天数为一天，7%的用户活跃2天，2%的用户活跃3天，仅1%的用户活跃超过4天。高活用户中男性占比91%，城市分类中5级城市用户占比最高为26.6%，等级分类中7级会员占比最高为61%。

8. 仅有0.3%的用户在4周内复购。1级用户，5级城市，年龄段3的用户下单意愿最强。

9. 一天内存在3个下单高峰，分别是10点—12点，14点-16点，20点-23点，工作日的高峰期更加明显。

1数据来源

某app3月19日至4月15日共计四周，用户行为数据，部分信息脱敏。

共包含52292个用户的62770条行为记录。

以此数据为基础，对用户进行分析洞察，增加对用户的了解。

2需求分析

通过4周用户数据分析，加深对客户了解程度。现结合数据，从以下角度展开分析。

1.用户总体分布情况

用户年龄，性别，城市，用户等级情况。

2.用户行为分析

使用时间情况，每天什么时段，每周什么时段是用户使用高峰期

使用频率情况，每个行为的人均次数以及周、日的变化趋势

行为转化率，用户行为路径的转化率是怎样的，变化趋势如何

行为偏好，用户使用时，不同（性别）用户的行为偏好如何

3.重点用户分析

高活跃用户时如何分布的

付费用户时如何分布的，每天的交易高峰在什么时段

#新增客户分布，都买什么

（暂时搁置

1 男生的使用高峰与女生

2 夜间都是谁再用）

3分析过程

3.1用户分布

性别 年龄 会员等级 城市等级

3.2用户行为

3.2.1 使用时间

3.2.2 使用频率及转化率

每周 每日

3.2.3 浏览，下单偏好

男性浏览

女性浏览

男性购买

女性购买

3.3重点客户

3.3.1

客户活跃天数

高活跃用户，活跃天数大于等于4天

用户下单次数

不同下单次数的用户数