商務(wù)數(shù)據(jù)分析與應(yīng)用實(shí)訓(xùn)教程 課件 項(xiàng)目5 用戶分析

項(xiàng)目5用戶分析場(chǎng)景描述某店鋪近期為了更好地了解店鋪用戶的情況與想法，決定對(duì)店鋪用戶進(jìn)行一次更深層次的研究分析。希望通過(guò)一系列分析后，能夠調(diào)整運(yùn)營(yíng)方案為店鋪帶來(lái)更好的收益。項(xiàng)目目標(biāo)通過(guò)數(shù)據(jù)分析對(duì)店鋪用戶有一個(gè)明確的認(rèn)識(shí)，為店鋪接下來(lái)的運(yùn)營(yíng)方式、方案的實(shí)施提供數(shù)據(jù)支持。項(xiàng)目任務(wù)分析維度用戶分析任務(wù)1：店鋪用戶地域打標(biāo)

用戶地域透視表

用戶地域可視化任務(wù)2：用戶響應(yīng)預(yù)測(cè)分析

用戶響應(yīng)預(yù)測(cè)模型任務(wù)3：用戶價(jià)值分析

RFM模型任務(wù)4：用戶輿情分析

產(chǎn)品評(píng)論分詞

產(chǎn)品評(píng)論的詞云圖分析思路項(xiàng)目5用戶分析任務(wù)1店鋪用戶地域打標(biāo)店鋪用戶地域打標(biāo)是指對(duì)店鋪的用戶根據(jù)其所在地域進(jìn)行分類或標(biāo)記。什么是店鋪用戶地域打標(biāo)？為什么要進(jìn)行店鋪用戶地域打標(biāo)？通過(guò)對(duì)用戶地域進(jìn)行打標(biāo)，可以更好地了解用戶的分布情況，從而幫助店鋪進(jìn)行地域性的市場(chǎng)分析和銷售策略的制定。如何進(jìn)行店鋪用戶地域打標(biāo)？可以通過(guò)成交金額這一重要指標(biāo)來(lái)了解用戶的地域分布情況。某個(gè)地域的用戶成交金額較高，可能意味著該地區(qū)的用戶需求較為強(qiáng)烈。店鋪用戶地域打標(biāo)實(shí)操數(shù)據(jù)源：該任務(wù)所用到的文件名稱為“5-1用戶打標(biāo)”①選中“5-1用戶打標(biāo)”表中的任意單元格。②在“插入”選項(xiàng)卡中選擇“數(shù)據(jù)透視表”選項(xiàng)。③設(shè)置“數(shù)據(jù)透視表字段”時(shí)，要將“省份”字段放入“行”標(biāo)簽框；將“總金額”字段放入“值”標(biāo)簽框。④在數(shù)據(jù)透視表的“求和項(xiàng)：總金額”字段區(qū)域內(nèi)右擊，選擇“排序”選項(xiàng)卡下的“降序”選項(xiàng)，對(duì)總金額進(jìn)行降序排序。⑤單擊數(shù)據(jù)透視表區(qū)域，選擇“插入”選項(xiàng)卡下面的“柱形圖”選項(xiàng)。店鋪用戶地域打標(biāo)實(shí)操⑥優(yōu)化圖表：刪除網(wǎng)格線，修改圖表標(biāo)題，添加數(shù)據(jù)標(biāo)簽等。店鋪用戶地域打標(biāo)實(shí)操項(xiàng)目5用戶分析任務(wù)2用戶響應(yīng)預(yù)測(cè)分析用戶響應(yīng)預(yù)測(cè)分析是一種數(shù)據(jù)分析方法，旨在預(yù)測(cè)和理解用戶對(duì)特定行動(dòng)或事件的響應(yīng)。什么是用戶響應(yīng)預(yù)測(cè)分析？為什么要進(jìn)行用戶響應(yīng)預(yù)測(cè)分析？通過(guò)用戶響應(yīng)預(yù)測(cè)分析企業(yè)可以更好地了解用戶需求和行為，從而優(yōu)化營(yíng)銷策略和提供個(gè)性化的服務(wù)，提高用戶滿意度和業(yè)務(wù)效益。如何進(jìn)行用戶響應(yīng)預(yù)測(cè)分析？基于歷史響應(yīng)數(shù)據(jù)，可以通過(guò)函數(shù)計(jì)算參數(shù)、預(yù)估用戶響應(yīng)結(jié)果以及單樣本損失等內(nèi)容。接著，可以使用梯度下降法和適當(dāng)?shù)膶W(xué)習(xí)率來(lái)更新參數(shù)。最后，通過(guò)對(duì)比歷史響應(yīng)結(jié)果和函數(shù)預(yù)估結(jié)果，可以評(píng)估預(yù)估的準(zhǔn)確性。用戶響應(yīng)預(yù)測(cè)分析實(shí)操數(shù)據(jù)源：該任務(wù)所用到的文件名稱為“5-2用戶響應(yīng)預(yù)測(cè)”①打開(kāi)“5-2用戶響應(yīng)預(yù)測(cè)”文件。②在字段“寶貝總數(shù)量”旁添加一列，列名為“用戶響應(yīng)預(yù)測(cè)”，鍵入公式“=RANDBETWEEN(0,1)”，隨機(jī)生成0或1，這里的0或1表示用戶上一次的響應(yīng)情況。③在空白處添加“參數(shù)”字段，并在“參數(shù)”字段鍵入公式“=RAND()*0.5”。因?yàn)橛玫降臄?shù)據(jù)有4個(gè)特征列，所以設(shè)置4個(gè)參數(shù)。用戶響應(yīng)預(yù)測(cè)分析實(shí)操④在字段“用戶響應(yīng)預(yù)測(cè)”旁，新增一列名為“預(yù)估值”的字段，鍵入公式“=1/(1+EXP(-SUMPRODUCT(A2:D2,$P$3:$S$3)))”，計(jì)算“預(yù)估值”列中的值。⑤在字段“預(yù)估值”字旁添加一列，列名為“單樣本損失”，鍵入公式“=-IF(F2=E2,0,(E2*LOG(F2)+(1-E2)*LOG(1-F2)))”，計(jì)算出每個(gè)單樣本的損失值，“單樣本損失”字段就是建模過(guò)程中樣本的損失值。用戶響應(yīng)預(yù)測(cè)分析實(shí)操⑥設(shè)定一個(gè)“學(xué)習(xí)率”字段，“學(xué)習(xí)率”數(shù)值不易設(shè)定過(guò)大，可以設(shè)為0.01。⑦在已設(shè)置的“參數(shù)”字段下方，對(duì)應(yīng)鍵入“梯度”字段，并鍵入公式：“=AVERAGE(SUMPRODUCT($F$2:$F$64,A2:A64)-SUMPRODUCT($E$2:$E$64,A2:A64))”通過(guò)AVERAGE函數(shù)和SUMPRODUCT函數(shù)兩者的結(jié)合計(jì)算得出“梯度”字段的值。⑧在已設(shè)置的“梯度”字段下方，對(duì)應(yīng)鍵入“更新后參數(shù)”字段，并鍵入公式“=P3*$W$3*P5”計(jì)算出“更新后參數(shù)”字段的值用戶響應(yīng)預(yù)測(cè)分析實(shí)操⑨將“更新后參數(shù)”字段按粘貼“值”的方式復(fù)制粘貼至“參數(shù)”行，其他字段會(huì)自動(dòng)更新。⑩利用COUNTIF函數(shù)統(tǒng)計(jì)“用戶響應(yīng)”和“預(yù)估值”字段中0和1的個(gè)數(shù)，鍵入公式“=COUNTIF(E2:E64,0)”。兩列0和1的個(gè)數(shù)進(jìn)行比較，判斷預(yù)估的準(zhǔn)確性。項(xiàng)目5用戶分析任務(wù)3用戶價(jià)值分析用戶價(jià)值分析是一種評(píng)估和理解用戶對(duì)企業(yè)的價(jià)值和貢獻(xiàn)的方法。什么是用戶價(jià)值分析？為什么要進(jìn)行用戶價(jià)值分析？用戶價(jià)值分析可以幫助企業(yè)將客戶進(jìn)行細(xì)分，將用戶劃分為不同的群體，根據(jù)不同的用戶特征和行為制定有針對(duì)性的營(yíng)銷策略。如何進(jìn)行用戶價(jià)值分析？可以通過(guò)創(chuàng)建RFM模型，利用消費(fèi)者的近期購(gòu)買行為、購(gòu)買的總體頻率以及花了多少錢3項(xiàng)指標(biāo)來(lái)描述該消費(fèi)者的價(jià)值狀況。RFM模型是消費(fèi)者管理領(lǐng)域里的一種消費(fèi)者消費(fèi)行為分析模型。R為近度（Recency）代表最近購(gòu)買時(shí)間，指上次購(gòu)買至現(xiàn)在的時(shí)間間隔。R值越大表示網(wǎng)店與消費(fèi)者發(fā)生交易的時(shí)間越久，反之與網(wǎng)店發(fā)生交易的時(shí)間越近。理論上R值越小（即最近有購(gòu)買行為）的消費(fèi)者是復(fù)購(gòu)可能性越高的有價(jià)值消費(fèi)者。F為頻度（Frequency）代表購(gòu)買頻率，指的是某一期間內(nèi)購(gòu)買的次數(shù)。F越大代表該段時(shí)間內(nèi)消費(fèi)者的購(gòu)買頻率越高，存在極大的復(fù)購(gòu)可能性；反之F值越小，則消費(fèi)者活躍度越低，相應(yīng)的價(jià)值越低。M為額度（Monetary）代表總購(gòu)買金額，指的是某一期間內(nèi)購(gòu)買商品的金額。M越大表示該類消費(fèi)者對(duì)本網(wǎng)店（產(chǎn)品）的購(gòu)買意愿轉(zhuǎn)化為購(gòu)買行為可能性越大，該類消費(fèi)者的價(jià)值越應(yīng)受到關(guān)注，反之亦然。RFM模型理論R的計(jì)算方法是計(jì)算現(xiàn)在與最近一次購(gòu)買日期之間的間隔天數(shù)。F的計(jì)算方法是對(duì)消費(fèi)者下單的訂單數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。M的計(jì)算方法是將消費(fèi)者的消費(fèi)金額進(jìn)行匯總。RFM計(jì)算基于RFM模型的消費(fèi)者分組為消費(fèi)者分組，即將三個(gè)指標(biāo)分別分為“高”和“低”兩種，高于均值的為“高”，低于均值的為“低”。用戶價(jià)值分析實(shí)操數(shù)據(jù)源：該任務(wù)所用到的文件名稱為“5-3用戶價(jià)值”①選中“5-3用戶價(jià)值”表中的任意單元格。②在“數(shù)據(jù)”選項(xiàng)卡中，選擇“來(lái)自表格/區(qū)域”選項(xiàng)，即可將數(shù)據(jù)加載至PowerQuery。③在“添加列”選項(xiàng)卡中，選擇“自定義列”選項(xiàng)。在彈出“自定義列”對(duì)話框中，將“新列名”框設(shè)置為“今天日期”，在“自定義列公式”框中鍵入公式“=DateTime.Date(#datetime(2021,1,1,0,0,0))”。用戶價(jià)值分析實(shí)操用戶價(jià)值分析實(shí)操④選中“今日日期”字段，在“主頁(yè)”選項(xiàng)卡的“轉(zhuǎn)換”選區(qū)中，選擇“數(shù)據(jù)類型”下拉列表下的“日期/時(shí)間”類型，將“今天日期”字段的類型與訂單付款時(shí)間進(jìn)行統(tǒng)一。⑤在“添加列”選項(xiàng)卡中，選擇“自定義列”選項(xiàng)，將“新列名”框設(shè)為“R”，在“自定義列公式”框中鍵入公式“=[今天日期][訂單付款時(shí)間]”。⑥刪除“訂單付款時(shí)間”字段和“今天日期”字段，將字段“R”的數(shù)據(jù)類型改為“整數(shù)”類型。⑦進(jìn)行數(shù)據(jù)分組，得到每位用戶的RFM數(shù)據(jù)。數(shù)據(jù)分組：在“開(kāi)始”選項(xiàng)卡中，選擇“分組依據(jù)”選項(xiàng)，將每組的分列依據(jù)填入分組依據(jù)中。用戶價(jià)值分析實(shí)操⑧在“開(kāi)始”選項(xiàng)卡中，選擇“高級(jí)編輯器”選項(xiàng)，進(jìn)入函數(shù)編輯頁(yè)面，在上表代碼in前補(bǔ)上以下關(guān)于用戶等級(jí)判斷的條件語(yǔ)句，并將最后一行將“分組的行”改為“已添加條件列”。AR=List.Average(分組的行[R])，AM=List.Average(分組的行[M])，AF=List.Average(分組的行[F])，已添加條件列=Table.AddColumn(分組的行,"用戶等級(jí)",eachif([R]<AR)and([M]>AM)and([F]>AF)then"高價(jià)值用戶"elseif([R]>AR)and([M]>AM)and([F]>AF)then"重點(diǎn)保持用戶"elseif([R]<AR)and([M]>AM)and([F]<AF)then"重點(diǎn)發(fā)展用戶"elseif([R]>AR)and([M]>AM)and([F]<AF)then"重點(diǎn)挽留用戶"elseif([R]<AR)and([M]<AM)and([F]>AF)then"一般價(jià)值用戶"elseif([R]>AR)and([M]<AM)and([F]>AF)then"一般保持用戶"elseif([R]<AR)and([M]<AM)and([F]<AF)then"一般發(fā)展用戶"else"潛在用戶")用戶價(jià)值分析實(shí)操改完后的代碼及運(yùn)行結(jié)果如圖所示。用戶價(jià)值分析實(shí)操項(xiàng)目5用戶分析任務(wù)4用戶輿情分析用戶輿情分析是指對(duì)用戶言論和觀點(diǎn)進(jìn)行收集、整理、分析和評(píng)估的過(guò)程。什么是用戶輿情分析？為什么要進(jìn)行用戶輿情分析？用戶輿情分析可以幫助企業(yè)了解用戶的需求和偏好，發(fā)現(xiàn)用戶的不滿和問(wèn)題，及時(shí)采取措施解決，并優(yōu)化產(chǎn)品或服務(wù)。如何進(jìn)行用戶輿情分析？將消費(fèi)者在線上留下的文字（聊天記錄、評(píng)論等）進(jìn)行統(tǒng)計(jì)分析和建模，了解消費(fèi)者對(duì)品牌、產(chǎn)品的看法。用戶輿情分析實(shí)操數(shù)據(jù)源：該任務(wù)所用到的文件名稱為“5-4用戶輿情分析”①選中“5-4用戶輿情分析”表中的任意單元格。②在“數(shù)據(jù)”選項(xiàng)卡中，選擇“來(lái)自表格/區(qū)域”選項(xiàng)，即可將數(shù)據(jù)加載至PowerQuery。③右擊“評(píng)價(jià)內(nèi)容”字段，單擊“刪除其他列”按鈕。用戶輿情分析實(shí)操④在“添加列”選項(xiàng)卡中選擇“自定義列”選項(xiàng)。⑤利用代碼對(duì)“自定義列”字段進(jìn)行設(shè)置時(shí)，要將代碼中括號(hào)內(nèi)的“評(píng)價(jià)內(nèi)容”字段刪除，再單擊右邊“可用列”選擇要拆分的“評(píng)價(jià)內(nèi)容”。鍵入代碼：“=Csv.Document(Web.Contents("/get.php?source="&Uri.EscapeDataString([評(píng)價(jià)內(nèi)容])&"¶m1=0.8¶m2=0"))”用戶輿情分析實(shí)操⑥單擊“自定義”按鈕，選擇展開(kāi)“自定義”字段。⑦擊“自定義”右側(cè)“▼”按鈕，單擊“刪除空”選項(xiàng)，進(jìn)行簡(jiǎn)單的數(shù)據(jù)清洗。用戶輿情分析實(shí)操⑧右擊“自定義”按鈕，選擇“分組依據(jù)”，設(shè)置為默