前言

本文根据某电商平台的实际订单交易数据，对2019年的交易情况进行分析，包括数据清洗、可视化、分析以及构造建立RFM模型。

1加载提取数据

1.1加载

数据包含如下字段：orderID：订单编号；userID：用户编号；goodsID：商品编号；orderAmount：订单价格；payment：付款金额；chanelID：流量渠道类别；platfromType：下单平台；orderTime：下单时间；payTime：付款时间；chargeback：是否退单

1.2提取

1.2.1根据业务需求提取2019年数据

1.2.2处理与业务流程不符合数据——支付时间间隔过长

1.2.3处理与业务流程不符合数据——订单金额与支付金额为负

2数据清洗

2.1清洗orderID（去重）

2.2清洗goodsID（去除无效值）

2.3清洗chanelID（空值填充）

2.4清洗platformtype（去除字符串空格，统一规范）

2.5清洗payment（处理异常值）

2.6清洗结束 查看数据

3数据分析及可视化

3.1整体销售情况

3.2各月份GMV、成交总额、实际成交额走势

暑期、双十一、双十二期间均有着较高的成交量。

3.3各渠道来源用户占比

3.4用户行为——研究周一到周日哪天订单量最高

用户在周一、周二、周日购买力水平较高。

3.5用户行为——研究哪个时间段下单量最高

用户在中午12点至下午3点，晚上7点至10点有较多的消费行为。

3.6用户行为——客户情况

3.7用户行为——客户复购率

复购率水平总体较低，营销策略应更倾向于增加用户留存。

3.8用户行为——客户RFM模型

3.8.1构造RFM透视表

3.8.2添加标签

该平台2019年的客户分层，一般挽留用户、一般发展用户占比较多，结合复购率指标水平整体较低，所以接下来平台运营策略应偏向老用户的留存，提升复购率，增加用户粘性。从商品角度来看，在质量、种类等方面进行调整，增强用户吸引力；从用户角度来看，可以对老用户发放优惠券，刺激消费；从平台角度来看，加大平台优惠力度、宣传力度，同时多组织活动，让用户更频繁地参与进来。