电商用户行为与产品多维度分析（1 亿行）

项目背景

天池淘宝用户行为数据集全量 100,150,807 行（3.67 GB），观察窗口 2017-11-25 ~ 12-03，其中 12.01-12.03 为「双 12」预热期。字段：用户 / 商品 / 类目 / 行为（pv·cart·fav·buy）/ 时间戳。

目标：沿「流量 → 行为转化 → 用户价值 → 留存 → 货品结构」五维做完整分析，量化预热期与平时差异，把亿级日志拆成可执行的运营结论。

分析过程

指标口径：转化漏斗 = 各行为阶段人数占比；次日留存 = 首购后次日再访问占比；RFM 分层 M 维以行为频次代替金额（数据集无价格字段）。

链路：DuckDB 装载全量 CSV → 宽表（派生 date / hour / 预热期字段）→ 29 组 SQL 聚合 → Python 统计层（RFM / 类目分层 / 曼-惠特尼 U / 帕累托）→ matplotlib 23 张图 → 自包含 HTML 报告。

数据质量

ETL 阶段对全量原始日志做了完整质量审计，结论如下：

• ✓完整性全量 100,150,807 行装载，无字段级缺失
• ✓时间窗口校验剔出窗口外脏时间戳 55,576 行
• ✓重复性剔出完全重复行 49 行
• ✓口径统一行为四类 pv / cart / fav / buy 归类无歧义
• ⚠局限无价格 / 金额字段，无法做客单价与 GMV 归因

核心结论

流量：周末 > 工作日，18-22 点为黄金时段；预热期小时级 PV 较平时方向提升 23.8%（主要来自周末叠加）。

转化：漏斗断点在「浏览→加购」；上午 10 点加购→购买峰值 47.9%；预热期呈「浏览加购前置、购买后置」蓄水特征。

价值：复购用户 66.0%，但 72.4% 是低频用户；次日留存 78.9% → 98.1%；重要活跃/留存/唤醒 31.9%，核心召回人群 11.6%。

货品：Top20% 商品贡献 66.2% 销量，58.2% 商品全期仅卖 1 件；类目两极分化（核心价值 44.3% / 待激活 43.8%）；Top 关联组合同秒成交 94 次。

结论边界（哪些结论不能证明）

亿级日志能证明结构与模式，但数据缺价格字段、无同期对照组，以下结论不能过度解读：

落地建议

流量与转化：投放聚焦 18-22 点；主图 / 价格竞争力提加购率；满减、限时特价、降价提醒、库存紧张提示提「加购→购买」。

用户与货品：首单后复购券撬动 72.4% 低频用户；高频用户 VIP 权益稳固 31.9% 重要用户；58.2% 单销量商品分层淘汰 / 激活 / 打爆款；关联购买 Top 组合做套餐与交叉推荐。

1. 1短期蓄水承接预热期目标设为加购 / 收藏 / 入会；正式期预售转付款提醒、加购人群定向召回
2. 2中期分层运营低频复购券、高频 VIP 权益、长尾货品分层、关联组合套餐
3. 3长期补数再验证补价格字段、新老 / 渠道分层检验、加购人群 A/B 承接策略

实验设计（如果再做一次）

为把「相关」升级为「因果」，设计一次可执行的再验证：