标签：需求 营销 算法 图片 产品 block 多维度 没有 end
1、业务背景
2、明确需要解决的问题
3、采用了哪些技术点(分析方法、分析工具)
4、项目成果。（得出了什么结论，效果如何，最好使用数据体现）
5、自己的复盘， 总结，想法，好的地方，不好的地方，不好的地方如何优化
针对公司一段时间订单转化率比较低的现象，运营团队希望我们数据部门能够深入分析一下具体是什么原因，
接到这个需求后，我利用了sql调取公司数据库中的相关数据并进行了清洗，根据用户行为相关数据， 在多个维度对数据进行了分析 。
首先是对用户的点击量、购买量、加购量、收藏量等行为进行了用户行为漏斗分析，分析每个环节的转化率情况后，发现用户从浏览到直接购买转化率只有1.1%，又通过对商品和平台俩个维度展开深入分析，发现转化率低的原因是平台推荐机制不合理造成的 ，推荐的商品顾客并不喜欢购买，高浏览量并没有带来购买量，所以转化率低。 需要相关部门优化推荐机制。
1.优化推荐机制，把更多流量给到顾客愿意购买的商品
2.通过更好的商品推荐，页面交互，积分会员等功能等降低流失率
3.引导加购，可以加强营销机制引导顾客加购，比如加购物车联系客服领优惠券
从用户行为时间维度分析
发现用户喜欢在晚上8点到10点之间购物，我们可以在这个时间段增加相关运营措施。
提出假设，用户周末购买行为会增加
并且为了实现用户的精细化运营，对最近一次消费时间间隔，消费频率，消费金额采用了RFM分析模型，
实现对用户的分层，并与产品部门联合沟通制定了精细化运营策略，后期跟进，效果非常不错，整体转化率提高了1%，因此我们数据部门还得到了领导得嘉奖。
RFM是3个指标的缩写，最近一次消费时间间隔（Recency），消费频率（Frequency），消费金额（Monetary）。通过这3个指标对用户分类。
计算最近一次消费时间间隔（R）
R = 数据统计时间 - 用户最新消费时间
F = 用户购买次数总和
多维度拆解分析法，行为维度、产品维度、时间维度、用户维度
结论
1.流量高的商品并不是购买量高的商品，高流量的商品购买量低导致了整体的流量转化率低，也就是推荐展示的逻辑并没有以销售为导向。
2.从用户行为路径中发现，用户浏览后直接购买的转化率较低，而通过加购，收藏等行为后购买的转化率会提升，故需要引导顾客积极加购或者收藏，且对比转化率后发现加购物车所带来的转化是最好的。
3.用户主要集中在重要发展用户和重要挽留用户，两者加总占用户数的91%
建议
1.建议算法部门优先展示购买量TOP10的商品类给顾客，例如2735466、1464116、4145813等，如果说浏览量高的商品是新品或者近期主推的商品，是否可以考虑和TOP10购买的商品按照类目合理搭配销售，提升转化率和连带率。
2.需积极引导顾客加购物车或者收藏宝贝，对于界面设计部门是考虑如何交互能够让顾客更愿意点击，对于运营部门，可以设置机制引导，例如加购联系客服送5元无门槛优惠券，加购送小样赠品等的机制来引导。
\3. 淘宝的用户搜寻商品的时间段主要在下午6点至晚上11点，也就是大多数人下班后休息的时间。建议运营部门在这个时间段多策划一些营销活动，提高转换率。
4.对于重要发展用户，其消费频率低，但最近消费距离现在时间较短，因此要想办法提高他的消费频率，通过CRM的红包发放、会员权益奖励、短信提醒优惠等方式提升消费频率。
5.对于重要挽留用户，最近消费时间距离现在较远、消费频率低。这种用户有即将流失的危险。建议通过APP推送、短信和邮件等形式发放有偿问卷主动联系用户，调查清楚哪里出了问题，制定相应的挽回策略。
标签：需求 营销 算法 图片 产品 block 多维度 没有 end
原文地址：https://www.cnblogs.com/wgwg/p/13217273.html
