一般借款闲置资金的关系，除了定义和特征，剩下的劳烦用大白话解释一下？

来源：蜘蛛抓取(WebSpider) 时间：2022-06-06 14:59 标签： 坏账准备大白话解释

在不知道作者亲自下场澄清柳清歌是直男的时候，有一段时间我是very相信柳清歌就是暗恋沈清秋的。

嘛，《人渣》我有一段时间没刷了，除了主剧情和影响比较深的片段基本上忘光了，但我现在仍坚信柳清歌喜欢沈清秋（作者亲自澄清那当我没说）。

我大致好像记得沈清秋死后尸体一直被洛冰河保管，然后柳清歌应该是和洛冰河打过n次就为了抢回沈清秋的尸体（？），结果每一次都输，输了再继续。23333我记得柳清歌一开始最不喜欢沈清秋吧，即使后来因为沈清秋换了个芯子这也对沈清秋好的太过分了，其它峰的峰主貌似都没像柳清歌这样疯狂挑衅魔族首领就为了找回同门好友的尸体（这不和宋·晓那一对差不多嘛），你说这样没点爱情的火花吗？

还有就是我好像记得无论沈清秋的扇子丢到哪里柳清歌都会给他找到。找了几次来着？两次还是三次？这种小细节貌似连洛冰河都不太关注（那时候还在和沈清秋闹别扭2333），但柳清歌一个直男，还是一个好战的直男，居然会为自己兄弟捡扇子？还是那种自发去捡的那种？啊这....

还有番外那一段，貌似有魅妖问柳清歌喜欢谁，结果柳清歌脑补了沈清秋（是这样吗？我不记得，但大概好像是这么个意思）。如果柳清歌真的是个直男，那这个番外是啥意思？yy自己的好朋友+兄弟？这是直男该有的思想吗？而且柳清歌后来被魅妖戳穿以后还脸红了，然后反应特别大地义正严辞拒绝，在我看来这难道不是被戳破心事后的恼羞成怒吗？我当时看完这一段都确认柳清歌暗恋沈清秋无疑了，但后来发现沈清秋喜欢洛冰河就释然地祝福那种感觉。

作者硬要说是直男那好吧就是直男，不过也应该是个不太直的直男。

本项目以阿里巴巴移动电商平台的真实用户-商品行为数据为基础，使用MySQL进行数据清洗，以AARRR模型、RFM模型为基础展开分析，再用Power BI做可视化，最后从提升用户活跃度、促进商品成交、差异化用户营销三个方面提出建议。

参考了网上公开分享的一些帖子，把思路整合后发现：需要提取的一些模型、指标、算法，基本可以落到AARRR模型、RFM模型中。因此从这两个模型出发，查找需要的数据，进行分析，再把部分数据使用Power BI可视化。

在正式写代码之前，先理顺分析思路，同时考虑后续可视化过程会用到的数据、表现形式。当然，所有的细节部分不是一下就能全部想好的，也是在敲代码的过程中不断完善。

Let’s Go. 让我们一起开始吧。

竞赛数据包含两个部分。

Zip文件中的数据集更大，有1225万。我用的是下图中的红框中的数据，33.2MB，共有80万条。

导入数据时，所有的字段都按照默认格式varchar导入▼，导入成功后再设计表，按照需求修改字段格式。

血泪教训 ：第一次导入时，把time设置成了datetime格式，导入成功后time一列全部显示为0，后面又费了功夫把它给调对。

将80万条数据导入mysql，花费了30分钟，导入成功，点击关闭。▼

有重复，但是根据业务理解，不需要作处理。代码如下：


查看各字段的数量，发现time有一条缺失。代码如下：


查看找到它，删除。代码如下：

对time字段分成日期date和时段hours两个字段；为了便于理解，把behavior_type的数字改为英文简写。代码如下：

血泪教训：刚开始完全把hours设置成time格式,使用right(time, 8),最终结果显示为00:00:00的格式。但是，后来在使用powerbi可视化过程中发现，这样会出现一些如下图红框中的错误显示。最终决定，hours使用varchar格式，显示12、13、15、17这样的格式，方便可视化。错误代码如下，不要这样做：


使用sql进行数据分析的过程，我把它理解为，理解业务，写代码，建视图，可视化。

视图命名规则基本按照【维度_度量】这样的格式，方便自己理解。命名基本用英文全称，少用简写，方便后续的理解与回顾。

1. 整体活跃度，基于AARRR模型

代码参照后面的留存率day_0

每日都有新增用户。11月18日—11月21日新增用户骤降，后续持续递减。▼

本项目数据从11月18日开始，到12月18日结束，11月18日前无可分析数据。在靠近11月18日的当日新增用户中很大一部分并非当日新增，而是18日前就已经活跃用户。日期靠后的数据，越能体现出当日新增真实值，具体值需要等待后续数据。

浏览页跳失率为25.84%，关键页跳失率74.16%。

跳失分析：商品不符合用户需求，竞争力不够。可对比竞品网站，在商品的定价、商品陈列故事、商品详情描述等方面做出改进。

从时间维度的日期、时段、星期，来观察用户行为。

从11月30日开始，pv、cart值增大，12月5日、8日出现小范围减小；12月12日当天pv、cart、buy值激增，达到高点，次日骤降,回归平均水平。▼
从日时段来看，用户在10点到24点较为活跃。从17点开始逐渐增高，晚上21点—22点达到最高值。▼
从星期来看，周四、周五、周六形成一个客流小高峰，在周五完成购买。▼

基于以上数据，12·12活动一般选择在11月底、12月初开始预热，至少提前1-2周进行；网站的客服、维护尤其要注意晚上20点—23点这一时段；日常的推新、促销选择在周四——周六这一时间段进行。

为了排除11月18日前，未统计数据的影响。选择近一个月的中间日期，从12月3日开始看用户留存率。

12·12活动前后的用户留存率高于同期水平。从留存率看，预计12月18日后近期会有另外的促销活动开展。▼

这一条是代码思路，供需要的朋友参考：

本项目中的收藏col与加购cart的行为不是相互独立的，都是确定购买buy意向的行为，没有先后之分。因此，从浏览pv、加购cart、购买buy这一路径来简要分析。

从浏览到加购的转化率为2.98%，用户花了大量时间寻找合适的产品。可优化网站筛选、关键词搜索功能，推荐更适合用户的商品，方便用户迅速获取信息。

从加购到购买的转化率约为35%。可针对加购未购买产品细分，采用提供优惠券、推荐同款商品等促销方法。▼

用户购买次数在1-5次，更高次数的用户很少，整体复购率为52.89%，相对可观，可将运营重点放在培养用户忠诚度上，从质量、价格、服务、物流等方面做出改进，鼓励用户更高频次的消费。▼

血泪教训：把购买率转换成百分比后，无法按照购买率直接进行排序。mysql的语法不支持按照百分比排序。因此需要新建一列sort来作为排序列。错误情况如下▼

从购买次数，分析商品类别、商品id的受欢迎程度。

成交品类较高的是10392、1894、11279三大类。▼

按照成交量与浏览量的高低，把商品类别分为四大类。

  • pv低buy低，多数商品集中在这一类，商品存在替代性，可增加该类商品的客流量，以提高成交量；
  • pv低buy高,商品是有竞争力的，可在活动中作为主打商品，提高复购率，同时增加宣传，打开市场、吸引新用户，营造品类口碑；
  • pv高buy低，购买存在较大随机性，可在商品的描述、价格等方面做出改变，提升商品竞争力；
  • pv高buy高，用户有较高需求，可提炼商品卖点、精简描述，方便用户更快做出购买决策。


查看各品类及商品被购买次数，包括0次即没有成交记录，在可视化时可以，计算商品购买率，并按照需要筛选相应指标。

3. 用户价值，基于RFM模型

仅在会员（购买过商品的用户）范围内，进行价值划分,R/F等级为1-5，由于本项目的数据不涉及M(Monetary)，所以只做4类划分。▼

通过RFM模型，了解每位顾客的特性，实现差异化营销。

  • 重要价值用户，R高F高。经常在网站购物，并形成习惯，做好维护即可。
  • 重要深耕用户，R高F低。这类用户粘性不强，近期有消费行为，可能是针对需要的商品直接下单，不会过于频繁地进行其他商品的浏览、购买。可推荐更符合用户喜好、性价比高商品，吸引其进行购买，逐渐建立消费习惯。
  • 重要唤回用户，R低F高。最近没有购买行为，可以通过短信等场外提醒，引导其入场参与优惠活动，尽快完成下次购买行为。
  • 重要挽留用户，R低F低。该类用户容易流失，占比40.02%，可提升空间大，运营活动可重点针对这部分用户，通过拼团打折、积分兑换、捆绑销售等活动唤起用户注意力，提升用户兴趣。

下面这一条是代码思路，分步骤理解，供需要的朋友参考：

题外代码：三个不同的用户数，理解思路。

根据“导出向导”的提示操作，导出数据。在红框处选择“导出选择的到相同文件”，可以把需要进行可视化的数据，导出到一个文件中。▼
勾选“包含列的标题”，这样导出的数据会有列标题。不然是纯数据，不方便可视化操作。▼

导出数据，花了将近一个小时，忘了截图。这个时间可以用来写报告。

关注总体指标，提升用户活跃度


对比竞品网站，在商品的定价、商品陈列故事、商品详情描述等方面做出改进，减少用户跳失。

大型活动至少提前1—2周进行预热，可活跃用户，提升用户留存率；网站维护、客服尤其要关注晚上20点—23点时段；日常的推新、促销可选择在周四至周六这一时间段进行。

优化网站筛选、关键词搜索功能，推荐更适合用户的商品，方便用户迅速获取信息；针对加购未购买产品细分，采用提供优惠券、推荐同款商品等促销方法，提升用户行为转化率，促进更快、更顺利完成购买行为。

精准划分品类，促进商品成交


在成交品类较高的10392、1894、11279等大类后，可设置引流通道。对成交量高的品类，提炼可复用的营销方法。

对pv低buy低的商品，可增加其客流量，以期提高成交量；在活动中把pv低buy高的商品作为主打，提高复购率，打开市场、吸引新用户，借其增强品类口碑；针对pv高buy低的商品，在商品详情、价格等方面做出改变，提升商品竞争力；提炼pv高buy高的商品卖点、精简描述，引导用户更快做出购买决策，提升购买体验。

了解用户特性，差异化营销

做好重要价值用户的维护工作，推荐更符合重要深耕用户喜好、性价比高商品，吸引其进行购买，逐渐建立消费习惯。通过发送短信等场外提醒给重要唤回用户的方式，引导其入场参与优惠活动，尽快完成下次购买行为。运营活动可重点关注容易流失的重要挽留用户，通过拼团打折、积分兑换、捆绑销售等活动唤起用户注意力，帮助用户建立对平台的兴趣。

——————————**********———————————

以上就是本项目的全部内容了，欢迎留言更多探讨。
有问必答。（如果我知道）

我要回帖

更多关于 坏账准备大白话解释 的文章

 

随机推荐