基于電商用戶(hù)行為數(shù)據(jù)的可視分析研究

摘 要：隨著互聯(lián)網(wǎng)發(fā)展，在線(xiàn)交易成為了一種新興的電子商務(wù)模式，在我國(guó)也有越來(lái)越多企業(yè)認(rèn)識(shí)到這一新型商業(yè)模式所帶來(lái)的巨大經(jīng)濟(jì)效益。在線(xiàn)交易行為產(chǎn)生了大量交易數(shù)據(jù)，其中包括的一種比較典型的數(shù)據(jù)類(lèi)型就是用戶(hù)購(gòu)買(mǎi)行為數(shù)據(jù)。用戶(hù)購(gòu)買(mǎi)行為數(shù)據(jù)中包含了眾多人在購(gòu)物時(shí)的行為規(guī)模和購(gòu)買(mǎi)偏好等信息，對(duì)相關(guān)研究乃至商業(yè)的個(gè)性化推薦等方面都具有一定的推動(dòng)作用。本文基于阿里天池的淘寶用戶(hù)行為數(shù)據(jù)，采用可視化分析的手段，從時(shí)間維度、用戶(hù)行為、商品分析方面對(duì)數(shù)據(jù)進(jìn)行了多維度的分析，從中發(fā)現(xiàn)了一些有價(jià)值的用戶(hù)消費(fèi)行為模式和偏好，比如淘寶用戶(hù)在購(gòu)物時(shí)的消費(fèi)習(xí)慣、消費(fèi)偏好習(xí)慣等，對(duì)行為研究、個(gè)性化推薦等方面的研究與應(yīng)用具有一定的意義。

關(guān)鍵詞：電商;行為數(shù)據(jù);可視分析

一、引言

人類(lèi)在日常的行為和生產(chǎn)活動(dòng)中產(chǎn)生了大量的行為數(shù)據(jù)。這類(lèi)數(shù)據(jù)中包含了用戶(hù)在網(wǎng)絡(luò)平臺(tái)進(jìn)行各項(xiàng)操作的行為偏好和規(guī)律等。在行為數(shù)據(jù)中，一種很典型的數(shù)據(jù)就是用戶(hù)在電商平臺(tái)購(gòu)買(mǎi)物品過(guò)程產(chǎn)生的行為數(shù)據(jù)，也可以稱(chēng)之為電商用戶(hù)行為數(shù)據(jù)，它反映了網(wǎng)絡(luò)用戶(hù)的購(gòu)物傾向，以及商品的銷(xiāo)售規(guī)律等信息，對(duì)電商用戶(hù)行為數(shù)據(jù)進(jìn)行分析有很大的價(jià)值。

對(duì)這種行為數(shù)據(jù)進(jìn)行分析與可視化，可以挖掘數(shù)據(jù)背后潛在的人類(lèi)的行為模式，從而推動(dòng)行為研究、行為分析等領(lǐng)域的研究與發(fā)展。目前針對(duì)于電商行為數(shù)據(jù)的可視分析研究中很多是針對(duì)銷(xiāo)售數(shù)據(jù)進(jìn)行研究和處理，如劉珊運(yùn)用B2B交易平臺(tái)的交易數(shù)據(jù)對(duì)商品進(jìn)行分析;ZorattiS在社會(huì)化媒體時(shí)代企業(yè)傳播實(shí)戰(zhàn)寶典中利用數(shù)據(jù)挖掘事物間的關(guān)聯(lián)性到精準(zhǔn)營(yíng)銷(xiāo)中;陳燁等人運(yùn)用社會(huì)網(wǎng)絡(luò)分析構(gòu)建不同類(lèi)型用戶(hù)社交網(wǎng)絡(luò)有效挖掘用戶(hù)行為特征;KennedyDS從移動(dòng)互聯(lián)網(wǎng)的角度提出用戶(hù)行為畫(huà)像的具體實(shí)施方法;Mueller等人基于Twitter 會(huì)員的相關(guān)數(shù)據(jù)集，創(chuàng)立了NamChar名稱(chēng)分類(lèi)器，通過(guò)預(yù)測(cè)用戶(hù)性別構(gòu)建用戶(hù)畫(huà)像。但是，針對(duì)此類(lèi)數(shù)據(jù)的分析研究中，大多數(shù)都是從單一的角度入手進(jìn)行分析，這就會(huì)導(dǎo)致分析結(jié)果存在一定的局限性。尤其針對(duì)行為數(shù)據(jù)時(shí)，從單一的視角很難觀察到人類(lèi)復(fù)雜的行為特征。

基于上述研究現(xiàn)狀，在本文中采用阿里天池的淘寶用戶(hù)行為數(shù)據(jù)，應(yīng)用可視分析的手段，從多維度對(duì)數(shù)據(jù)進(jìn)行分析，主要包括時(shí)間維度、用戶(hù)操作行為維度、商品分析。從而從多個(gè)視角了解用戶(hù)在不同維度下的各類(lèi)操作的規(guī)模、模式，還能綜合多維度的分析結(jié)果，還原人類(lèi)復(fù)雜的購(gòu)物行為。經(jīng)過(guò)分析，本文提出的方法能夠挖掘時(shí)間段內(nèi)用戶(hù)的時(shí)間行為偏好、購(gòu)買(mǎi)商品偏好、購(gòu)買(mǎi)習(xí)慣偏好，有助于發(fā)掘行為規(guī)律，推動(dòng)相關(guān)研究發(fā)展。

二、數(shù)據(jù)與可視分析任務(wù)描述

1.數(shù)據(jù)描述與預(yù)處理

本文的樣本數(shù)據(jù)來(lái)源于天池阿里云提供的淘寶用戶(hù)行為數(shù)據(jù)集。該數(shù)據(jù)集描述了淘寶用戶(hù)在2014年11月-2014年12月內(nèi)在淘寶App中的一系列操作行為數(shù)據(jù)。該數(shù)據(jù)集的原始規(guī)模有8.90MB，包含用戶(hù)編號(hào)、商品編號(hào)、行為類(lèi)型、用戶(hù)地理位置、商品種類(lèi)、行為發(fā)生時(shí)間六個(gè)字段。對(duì)數(shù)據(jù)進(jìn)行處理后，共包括1048575條記錄，時(shí)間跨度48天，涉及到8477位用戶(hù)和701610件商品，7095類(lèi)商品。

2.可視分析任務(wù)

本文總結(jié)了在電商用戶(hù)行為中行為用戶(hù)操作類(lèi)型與具體操作行為數(shù)據(jù)中應(yīng)當(dāng)核心關(guān)注的內(nèi)容，從而指導(dǎo)本文中可視分析任務(wù)的設(shè)計(jì)，主要有以下內(nèi)容。

T1：分析群體與個(gè)體操作行為的時(shí)間偏好規(guī)律。即不同時(shí)間粒度下不同用戶(hù)的操作行為。

T2：分析群體與個(gè)體進(jìn)行購(gòu)買(mǎi)行為的數(shù)量偏好。即用戶(hù)短期內(nèi)購(gòu)買(mǎi)商品的頻次分析。

T3：分析群體在線(xiàn)上購(gòu)物的總體行為偏好。如各項(xiàng)操作的頻率與購(gòu)買(mǎi)偏好。

T4：分析商品的瀏覽、銷(xiāo)售等規(guī)律。各操作與商品之間的分析。

三、電商數(shù)據(jù)的用戶(hù)行為可視分析

基于處理后的數(shù)據(jù)集以及分析任務(wù)，本文設(shè)計(jì)用戶(hù)行為可視分析方法，從不同時(shí)間粒度進(jìn)行用戶(hù)活躍度分析、用戶(hù)操作行為分析、商品分析等。

1.不同時(shí)間粒度的用戶(hù)活躍度分析

本節(jié)分別選取了2014年11月-12月，一天中所有用戶(hù)的操作行為數(shù)量的總和，并按照天進(jìn)行統(tǒng)計(jì)與展示;選取了整個(gè)時(shí)間段中，一天內(nèi)所有用戶(hù)的操作行為數(shù)量的總和，并按照小時(shí)進(jìn)行統(tǒng)計(jì)與展示。本文將上述不同時(shí)間粒度下用戶(hù)的操作行為定義為“用戶(hù)活躍度”。

2014年11月-12月，用戶(hù)的總體活躍度如圖1（a）所示?；趫D可得，折線(xiàn)整體趨于平緩，且明顯存在兩個(gè)峰值，峰值一是每月11日-13日，峰值二是一月中的17日-19日，此二峰值均處于“雙十一”前后，故認(rèn)為由于“雙十一”優(yōu)惠活動(dòng)使得用戶(hù)在該時(shí)間段操作頻繁。

一天中用戶(hù)活躍度如圖1（b）所示。在圖中可以發(fā)現(xiàn)，從0點(diǎn)至24點(diǎn)，整體呈先減少后增加再減少的趨勢(shì)，并存在2個(gè)谷值和1個(gè)峰值。谷值一是每天凌晨2點(diǎn)-5點(diǎn)，谷值二為每天16點(diǎn)-18點(diǎn)，兩個(gè)時(shí)間段中，大部分用戶(hù)處于工作或睡眠狀態(tài)，因而活躍度較低。峰值是21點(diǎn)-22點(diǎn)，該時(shí)間大部分用戶(hù)處于非工作時(shí)間，網(wǎng)購(gòu)的活躍度普遍較高。這在一定程度上也反映了大部分用戶(hù)網(wǎng)購(gòu)的時(shí)間規(guī)律。

2.用戶(hù)操作行為分析

（1） 用戶(hù)購(gòu)買(mǎi)數(shù)量分析

本節(jié)對(duì)11月-12月之間，用戶(hù)購(gòu)買(mǎi)商品的數(shù)量進(jìn)行了分析。據(jù)初步統(tǒng)計(jì)，大部分購(gòu)買(mǎi)者購(gòu)買(mǎi)物品都是在9件以?xún)?nèi)，為便于更深入的理解與分析，也為了解大多數(shù)用戶(hù)購(gòu)買(mǎi)商品的差異性，本文將購(gòu)買(mǎi)細(xì)分為購(gòu)買(mǎi)1件、購(gòu)買(mǎi)2-4件、購(gòu)買(mǎi)5-8件、購(gòu)買(mǎi)9-100件四個(gè)數(shù)量級(jí)。結(jié)果如圖2所示。

根據(jù)圖2（a）的漏斗圖可以發(fā)現(xiàn)，用戶(hù)整體購(gòu)買(mǎi)商品的數(shù)量呈現(xiàn)遞減的趨勢(shì)。其中，購(gòu)買(mǎi)1件商品的人數(shù)極多，購(gòu)買(mǎi)2-4件商品的人數(shù)與之類(lèi)似，即大部分人屬于消費(fèi)數(shù)量較少的少數(shù)需求，謹(jǐn)慎消費(fèi)的狀態(tài)。在8477人中，只有82人購(gòu)買(mǎi)了9件以上的商品，說(shuō)明大量消費(fèi)人數(shù)占極少比例，該類(lèi)用戶(hù)可能存在大量需求，也可能為具有沖動(dòng)。

把用戶(hù)購(gòu)買(mǎi)商品的數(shù)量繪制成折線(xiàn)圖如圖2（b）所示。其中，橫軸代表購(gòu)買(mǎi)商品的數(shù)量，縱軸代表購(gòu)買(mǎi)該數(shù)量商品的用戶(hù)數(shù)量。從圖中可發(fā)現(xiàn)，整體呈現(xiàn)遞增趨勢(shì)。在購(gòu)買(mǎi)商品數(shù)量在9-82件時(shí)，整體呈現(xiàn)平緩狀態(tài)，這從另一個(gè)角度反映了極大部分用戶(hù)在短時(shí)間內(nèi)均為單次小數(shù)目購(gòu)買(mǎi)。

（2） 用戶(hù)操作行為分析

本節(jié)對(duì)用戶(hù)在11月-12月時(shí)間跨度下的付款、加購(gòu)、瀏覽、支付四種操作行為進(jìn)行了可視化分析。用戶(hù)操作行為分析從用戶(hù)五種操作的結(jié)合、用戶(hù)的“收藏-加購(gòu)-支付”行為和用戶(hù)的“瀏覽-支付”三個(gè)方面來(lái)做。

一方面結(jié)合了用戶(hù)的五種操作，并通過(guò)折線(xiàn)圖來(lái)展示用戶(hù)行為間的關(guān)系，并對(duì)用戶(hù)的付款、加購(gòu)、瀏覽、支付的行為進(jìn)行數(shù)量大小比較。結(jié)果如圖3（a）所示。其中，用戶(hù)操作次數(shù)和用戶(hù)瀏覽次數(shù)整體呈現(xiàn)先減少再增長(zhǎng)又減少趨勢(shì)，與人本身作息規(guī)律相符。而另外三種操作，即用戶(hù)付款、用戶(hù)收藏、用戶(hù)加購(gòu)的次數(shù)，整體呈現(xiàn)平緩趨勢(shì)，且與用戶(hù)瀏覽次數(shù)差距較大。綜上可得，用戶(hù)大部分操作都是瀏覽，支付的操作是遠(yuǎn)小于瀏覽。

二方面是結(jié)合了用于收藏-加購(gòu)-付款三種操作間的關(guān)系。通過(guò)形成折線(xiàn)圖與柱狀圖對(duì)其進(jìn)行趨勢(shì)分析，如圖3（c）可以得到，收藏-加購(gòu)-付款數(shù)額整體呈現(xiàn)相同趨勢(shì)，付款數(shù)額遠(yuǎn)小于收藏?cái)?shù)額，用戶(hù)的消費(fèi)沖動(dòng)不足以支撐每件商品的購(gòu)買(mǎi)，而收藏?cái)?shù)額遠(yuǎn)小于加購(gòu)數(shù)額，其原因?yàn)橛脩?hù)更喜歡用加購(gòu)習(xí)慣來(lái)對(duì)商品進(jìn)行標(biāo)記。局部來(lái)看，收藏?cái)?shù)額波動(dòng)更大，受個(gè)體差異習(xí)慣影響較大。

三方面是針對(duì)于瀏覽-支付分時(shí)轉(zhuǎn)化率間用戶(hù)分析。通過(guò)形成折線(xiàn)圖3（d）對(duì)其進(jìn)行趨勢(shì)分析?？傮w來(lái)看，瀏覽-支付比率整體呈現(xiàn)平緩趨勢(shì)，即用戶(hù)消費(fèi)習(xí)慣在一天中基本處于穩(wěn)定狀態(tài)。局部而言，在每天10時(shí)-15時(shí)情況下，轉(zhuǎn)化率突增，推測(cè)用戶(hù)此時(shí)購(gòu)買(mǎi)為剛需產(chǎn)品，從而增高轉(zhuǎn)化率。

（3） 轉(zhuǎn)化率分析

本文對(duì)11月-12月時(shí)間跨度下，用戶(hù)購(gòu)買(mǎi)商品的轉(zhuǎn)化率進(jìn)行了分析，即用戶(hù)進(jìn)行其他操作至最終支付的情況。本文將轉(zhuǎn)化率分為以下四個(gè)路徑。路徑一：從用戶(hù)瀏覽商品至收藏商品，再到加購(gòu)商品，最終支付該商品。路徑二：從用戶(hù)瀏覽商品至加購(gòu)商品到最終支付該商品。路徑三：從用戶(hù)瀏覽商品至收藏商品到最終支付該商品。路徑四：從用戶(hù)瀏覽商品后至直接支付該商品。在本節(jié)中，計(jì)算了上述四種路徑的支付轉(zhuǎn)化率，即并繪制了頻率分布直方圖展示各路徑下支付的轉(zhuǎn)化率，如圖4所示。

圖4（a）是路徑1的轉(zhuǎn)化率，圖中絕大部分轉(zhuǎn)化率集中在0-0.2區(qū)間，即處于一種低轉(zhuǎn)化率狀態(tài)，這種路徑較復(fù)雜，涉及到較多的操作，故極少有用戶(hù)在購(gòu)買(mǎi)物品時(shí)全部完成這些所有操作后最終支付商品。圖4（b）為路徑2的轉(zhuǎn)化率，其轉(zhuǎn)化率數(shù)值區(qū)間集中于0-0.45之間，其轉(zhuǎn)化率相較于其他類(lèi)型轉(zhuǎn)化率較高，該操作步驟符合消費(fèi)者一般操作習(xí)慣。圖4（c）是路徑3的轉(zhuǎn)化率，圖4（d）是路徑4的轉(zhuǎn)化率，均處于極低狀態(tài)，轉(zhuǎn)化率集中于0-0.1之間，究其原因?yàn)橛脩?hù)對(duì)收藏商品的偏好遠(yuǎn)低于加購(gòu)商品，且用戶(hù)極少直接通過(guò)瀏覽對(duì)商品進(jìn)行支付。

3.商品分析

本節(jié)對(duì)11月-12月時(shí)間跨度下，對(duì)商品銷(xiāo)量、用戶(hù)瀏覽量、加購(gòu)量、收藏量進(jìn)行分析，從而了解各個(gè)商品及商品類(lèi)型對(duì)客戶(hù)瀏覽、加購(gòu)、收藏等操作的影響。結(jié)果如圖5所示。

圖5（a）為商品加購(gòu)量前20，圖5（b）為商品瀏覽量前20，圖5（c）為商品收藏量前20，圖5（d）為商品購(gòu)買(mǎi)量前20，經(jīng)過(guò)對(duì)比，并不存在商品同時(shí)處于瀏覽、加購(gòu)、收藏、購(gòu)買(mǎi)前20中，瀏覽量第一與收藏量第一商品重合但該商品并未進(jìn)入銷(xiāo)量前20，加購(gòu)量第一也未能進(jìn)入銷(xiāo)量前20商品中，局部而言，瀏覽商品前20中僅一件商品進(jìn)入銷(xiāo)量前20商品列表中，收藏圖中無(wú)商品進(jìn)入銷(xiāo)量前20商品列表中，加購(gòu)商品共有五件商品進(jìn)入銷(xiāo)量前20。

122338823商品共計(jì)銷(xiāo)售出82件、123842164共計(jì)銷(xiāo)售出49件等可得，瀏覽會(huì)導(dǎo)致和收藏商品受用戶(hù)體驗(yàn)感影響較強(qiáng)，但用戶(hù)熱衷于瀏覽和收藏的并不能代表用戶(hù)更愿意加購(gòu)或支付該商品，即瀏覽量的高低與銷(xiāo)量的高低并無(wú)直接的強(qiáng)關(guān)聯(lián)。用戶(hù)存在大量上商品的購(gòu)買(mǎi)并未進(jìn)行大量操作，可見(jiàn)用戶(hù)直接購(gòu)買(mǎi)商品占絕大多數(shù)，多數(shù)用戶(hù)生活存在剛需，該類(lèi)商品具有支付時(shí)間短、瀏覽次數(shù)少、支付時(shí)間多的特點(diǎn)。

四、總結(jié)

人類(lèi)日常生活生產(chǎn)活動(dòng)產(chǎn)生了大量行為數(shù)據(jù)。隨著信息化的發(fā)展與普及，越來(lái)越多的人在網(wǎng)上購(gòu)物，產(chǎn)生了大量電商行為數(shù)據(jù)。這些數(shù)據(jù)中包含了人類(lèi)在購(gòu)物時(shí)的行為模式、購(gòu)物規(guī)律等，在行為研究、模式挖掘等領(lǐng)域有很大的研究?jī)r(jià)值?；诎⒗镌铺斐氐奶詫氂脩?hù)行為數(shù)據(jù)集，本文中通過(guò)三個(gè)維度分析數(shù)據(jù)，分別通過(guò)時(shí)間維度分析發(fā)現(xiàn)用戶(hù)高活躍狀態(tài)時(shí)間，通過(guò)分析用戶(hù)行為發(fā)現(xiàn)用戶(hù)對(duì)偏好商品的標(biāo)記習(xí)慣與購(gòu)買(mǎi)習(xí)慣間的關(guān)系，通過(guò)商品維度分析各操作下商品之間關(guān)系發(fā)現(xiàn)高銷(xiāo)產(chǎn)品特點(diǎn)，從而總結(jié)出了一系列淘寶用戶(hù)的行為模式與規(guī)律，對(duì)于相關(guān)研究具有一定的推動(dòng)作用。然而，本文仍然存在一定的局限性，比如尚未對(duì)用戶(hù)購(gòu)買(mǎi)商品間隔進(jìn)行分析，我們?cè)谖磥?lái)的工作會(huì)解決這些問(wèn)題。

參考文獻(xiàn)：

[1]劉珊，蔡明月，劉興.淘寶文化產(chǎn)業(yè)數(shù)據(jù)的可視化研究[J].科教文匯，2018（19）：183-185.DOI：10.16871/j.cnki.kjwha.2018.07.079.

[2]Zoratti S，Gallagher L.Precision Marketing：Maximizing Revenue Through Relevance[M].Kogan Page，2012.

[3]陳燁，王樂(lè)，陳天雨，等.基于社會(huì)網(wǎng)絡(luò)分析的社會(huì)化問(wèn)答平臺(tái)用戶(hù)畫(huà)像研究[J].情報(bào)學(xué)報(bào)，2021，40（4）：414-423.DOI：10.3772/j.issn.1000-0135.2021.04.008.

[4]Kennedy D S.The Ultimate Marketing Plan：Target Your Audience！Get Out Your Message！Build Your Brand！[M].Adams Media，2014.

[5]MUELLER J，STUMME G.Gender inference using statistical name characteristics in twitter[EB/OL].（2016-6-17）[2018-3-01].https：//arxiv.org/abs/1606.05467.

[6]阿里云天池-淘寶用戶(hù)行為數(shù)據(jù)集.https：//tianchi.aliyun.com/dataset/dataDetail？dataId=46&userId=1.

作者簡(jiǎn)介：費(fèi)千笑（2000.09- ），女，漢族，四川成都人，本科在讀，研究方向：金融數(shù)據(jù)分析