电商平台用户行为分析与 RFM 价值分层体系搭建
Python + SQL 完整分析链路 · 用户全景画像 / 行为深度分析 / RFM 价值分层 / 消费驱动因素
SQLPythonPandas SQLitescipy 统计检验matplotlib
一、项目背景与目标
当前电商行业获客成本持续攀升，粗放式运营已无法支撑平台长期增长，精细化用户运营成为提升营收、降低流失的核心抓手。 多数电商平台面临「用户画像模糊、价值分层不清晰、运营策略无差别、资源投入 ROI 低」的痛点，无法精准定位高价值用户， 也无法针对性解决用户流失问题。
本项目基于电商平台用户全维度行为数据，完成 用户全景画像 → 用户行为深度分析 → RFM 用户价值分层 → 消费行为影响因素挖掘，为平台精细化运营提供数据支撑与可落地的策略建议。
二、数据说明与预处理
2.1 数据说明
公开电商平台用户行为与属性数据集：1000 条用户样本，14 个有效字段， 覆盖用户属性（性别/年龄/地域/兴趣/收入）、行为特征（登录天数/停留时长/浏览页数/邮件订阅）、消费特征 （购买频率/平均订单价值/总消费/品类偏好）三大维度。
2.2 数据质量审计（SQL 层完成）
| check_item | value |
|---|---|
| raw_rows | 1000 |
| missing_total | 0 |
| dup_full_rows | 0 |
| neg_spending_rows | 0 |
| neg_freq_rows | 0 |
| age_lt_18 | 0 |
| age_gt_70 | 0 |
| login_days_min | 1 |
| login_days_max | 29 |
三、用户全景画像分析
3.1.1 用户人口属性分布
性别分布：男 526 人（52.6%）、女 47.4%，结构均衡。
年龄分布：核心用户集中在 36–55 岁（36–45 岁 217 人、46–55 岁 237 人，合计占比 45.4%）， 是平台营收主力；18–25 岁年轻用户仅 154 人，是增长潜力缺口。
3.1.2 用户地域与偏好分布
地域分布：郊区 349 人、城市 344 人、农村 307 人；下沉市场（郊区+农村）合计占比 65.6%，是平台用户基本盘。
兴趣 TOP：Sports（213 人）、Fashion（209 人）、 Travel / Food（各 196 人，并列第三）；品类偏好 TOP：Apparel（218 人）、 Electronics（209 人）、Books（198 人）。 兴趣与品类高度匹配（运动/时尚 → 服饰），为场景化推荐提供数据支撑。
四、用户行为深度分析
活跃度分布（登录天数 1–29 天，本数据无 30 天以上样本，据此定义分桶口径）： 高活跃（1–7 天）+ 活跃（8–15 天）用户合计占比约 49.0%； 「活跃下滑（16–22 天）+ 流失高风险（23–29 天）」用户合计占比 51.0%，是召回与挽留的重点对象。
粘性因素：邮件订阅用户平均停留 300.7 分钟（中位数 300.0）， 非订阅用户平均 293.9 分钟（中位数 288.0），订阅组略高但差距很小； Mann-Whitney U 检验 p=0.5375，未达统计显著 —— 参考项目"订阅用户粘性显著更高"的结论 在本数据上缺乏统计支持，建议作为低成本留存实验方向做 A/B 验证，而非直接断言有效。
登录活跃度分桶明细
| Login_Bucket | user_count | pct | avg_stay_minutes | avg_pages |
|---|---|---|---|---|
| 高活跃(1-7天) | 205 | 20.5 | 287.0 | 25.4 |
| 活跃(8-15天) | 285 | 28.5 | 312.9 | 24.8 |
| 活跃下滑(16-22天) | 258 | 25.8 | 285.5 | 23.3 |
| 流失高风险(23-29天) | 252 | 25.2 | 300.3 | 24.4 |
邮件订阅组间统计检验
| 指标 | 订阅均值 | 非订阅均值 | 订阅中位数 | 非订阅中位数 | U统计量 | p值 | 显著(p<0.05) |
|---|---|---|---|---|---|---|---|
| 停留时长 | 300.7 | 293.9 | 300.0 | 288.0 | 127791.5 | 0.5375 | — |
| 浏览页数 | 24.1 | 24.7 | 25.0 | 24.0 | 121542.0 | 0.452 | — |
| 总消费 | 2542.5 | 2563.7 | 2540.0 | 2551.0 | 123985.5 | 0.8284 | — |
五、RFM 用户价值分层分析
RFM 口径：R=最近一次登录距今天数（越小越优，倒序打分）、F=购买频率（越大越优）、M=总消费额（越大越优）；
采用 SQL 窗口函数 NTILE(5) 等频五等分完成 1–5 分打分，再按经典 8 分法规则分群。
核心结论：高价值用户 57 人（占 5.7%），贡献 GMV 8.9%； 高价值 + 深耕 + 流失预警 + 流失高价值四个中高消费群体合计贡献约 63.3% 的 GMV —— 消费价值高度集中，分层运营是提升 ROI 的关键。
分层明细表
| User_Level | user_count | user_pct | avg_r | avg_f | avg_m | segment_gmv | gmv_pct | avg_aov |
|---|---|---|---|---|---|---|---|---|
| 流失高价值用户 | 139 | 13.9% | 21.7 | 2.6 | 4120.8 | 572788.0 | 22.4% | 109.3 |
| 流失预警用户 | 109 | 10.9% | 20.8 | 7.6 | 4091.0 | 445919.0 | 17.5% | 103.1 |
| 深耕用户 | 95 | 9.5% | 7.7 | 2.7 | 3904.2 | 370903.0 | 14.5% | 112.8 |
| 低价值用户 | 208 | 20.8% | 21.2 | 2.8 | 1550.3 | 322458.0 | 12.6% | 100.6 |
| 需召回用户 | 144 | 14.4% | 21.3 | 7.6 | 1603.2 | 230862.0 | 9.0% | 103.9 |
| 新用户 | 158 | 15.8% | 7.1 | 2.6 | 1456.5 | 230124.0 | 9.0% | 100.0 |
| 高价值用户 | 57 | 5.7% | 7.1 | 7.6 | 3980.2 | 226872.0 | 8.9% | 111.5 |
| 潜力用户 | 90 | 9.0% | 6.3 | 7.4 | 1700.3 | 153031.0 | 6.0% | 98.4 |
六、消费行为影响因素分析
实测结果：与总消费相关性最强的仍是 平均订单价值（r≈0.097），其次是上次登录天数（r≈0.055）、 购买频率（r≈0.022），但整体均属弱相关 —— 现有字段对总消费的线性解释力有限， 说明平台需要补充订单明细、点击行为序列等更细粒度的数据。
补充验证 1（五分位集中度）：消费 TOP20% 用户贡献 35.3% 的 GMV （约为底部五分之一用户的 7.5 倍），消费价值确实高度集中；而平均订单价值 TOP20% 用户仅贡献约 21.6% 的 GMV （接近均等的 20%）—— 单靠客单价无法解释消费差异，真正的驱动因素需要更细粒度的订单与行为数据来定位。
补充验证 2（分类维度差异）：
- 年龄层 × 总消费：Kruskal-Wallis H=0.5，p=0.9691（差异不显著）
- 地域 × 总消费：Kruskal-Wallis H=2.1，p=0.3571（差异不显著）
- 品类偏好 × 总消费：Kruskal-Wallis H=8.0，p=0.09235（差异不显著）
- 收入层 × 总消费：Kruskal-Wallis H=7.1，p=0.02911（差异显著）
与总消费的相关性排序（Pearson）
| 相关系数 | |
|---|---|
| aov | 0.0967 |
| login_days | 0.0547 |
| freq | 0.0222 |
| Age | 0.0183 |
| stay_minutes | -0.0064 |
| pages | -0.0287 |
| Income | -0.0845 |
七、分群运营策略建议
基于分层结果，给出可落地的分群运营动作（按 GMV 贡献优先级排序）：
| 用户分层 | 群体特征 | 运营动作 |
|---|---|---|
| 流失高价值用户 | 139 人 · GMV 22.4%（最大 GMV 池） | 高优先级召回：专属挽回包 / 老客回归礼 / 1v1 触达 |
| 流失预警用户 | 109 人 · GMV 17.5% | 立即唤醒：Push+短信+专属优惠组合召回 |
| 深耕用户 | 高活跃+高消费、复购偏低 | 会员积分 / 复购券，重点把复购频率做上去 |
| 高价值用户 | 57 人 · GMV 8.9% | VIP 专属权益 / 1v1 客户经理 / 优先客服通道，防止流失 |
| 低价值用户 | 低活跃低复购低消费 | 控制运营投入，自动化旅程低成本维系 |
| 需召回用户 | 低活跃+高复购、消费偏低 | 批量触达召回：站内信+邮件组合 |
| 新用户 | 高活跃、低复购低消费 | 首单转化券 / 新客专区，完成 0→1 |
| 潜力用户 | 高活跃+高复购、消费偏低 | 向上引导客单价：满减 / 升级推荐 |
平台级建议：① 以「高价值 + 流失高价值」用户为 GMV 核心资产（合计贡献约 31.3% GMV）， 先做召回再做拉新；② 把邮件订阅做成低成本留存实验（订阅组停留略高但未达显著，需 A/B 验证）； ③ 针对 18–25 岁年轻用户补增长缺口；④ 补充订单明细与行为日志数据，升级为可解释的消费预测模型， 替代当前弱相关的单指标运营。
八、附录
方法说明
- 技术栈：Python 3.12 + pandas + scipy + matplotlib；数据库 SQLite，全部聚合在 SQL 层完成（16 个查询），结果落盘
output/sql_*.csv可追溯。 - RFM 打分：SQL 窗口函数
NTILE(5)等频五等分（R 倒序：6-NTILE），分段规则采用经典 8 分法。 - 统计检验：Mann-Whitney U（订阅组间差异）、Kruskal-Wallis H（分类维度 × 总消费）、Pearson / Spearman 相关。
- 复现：
python py/01_etl.py && python py/02_analysis.py && python py/03_charts.py && python py/04_report.py
数据口径
- 来源：公开电商平台用户行为与属性数据集（1000 条样本，14 个有效字段）。
- 审计：无缺失、无完全重复、无负值；年龄 18–64 岁；登录天数 1–29 天（无 30 天以上样本）。
- 与参考项目的差异：参考项目描述的"剔除 2 条重复 + 1 条负消费""18% 用户超 30 天未登录""AOV 相关系数 0.967" 在本数据中均不成立，本报告已按实测结果修正并注明。