商务数据分析与应用实训教程 课件 项目5 用户分析

项目5用户分析场景描述某店铺近期为了更好地了解店铺用户的情况与想法，决定对店铺用户进行一次更深层次的研究分析。希望通过一系列分析后，能够调整运营方案为店铺带来更好的收益。项目目标通过数据分析对店铺用户有一个明确的认识，为店铺接下来的运营方式、方案的实施提供数据支持。项目任务分析维度用户分析任务1：店铺用户地域打标

用户地域透视表

用户地域可视化任务2：用户响应预测分析

用户响应预测模型任务3：用户价值分析

RFM模型任务4：用户舆情分析

产品评论分词

产品评论的词云图分析思路项目5用户分析任务1店铺用户地域打标店铺用户地域打标是指对店铺的用户根据其所在地域进行分类或标记。什么是店铺用户地域打标？为什么要进行店铺用户地域打标？通过对用户地域进行打标，可以更好地了解用户的分布情况，从而帮助店铺进行地域性的市场分析和销售策略的制定。如何进行店铺用户地域打标？可以通过成交金额这一重要指标来了解用户的地域分布情况。某个地域的用户成交金额较高，可能意味着该地区的用户需求较为强烈。店铺用户地域打标实操数据源：该任务所用到的文件名称为“5-1用户打标”①选中“5-1用户打标”表中的任意单元格。②在“插入”选项卡中选择“数据透视表”选项。③设置“数据透视表字段”时，要将“省份”字段放入“行”标签框；将“总金额”字段放入“值”标签框。④在数据透视表的“求和项：总金额”字段区域内右击，选择“排序”选项卡下的“降序”选项，对总金额进行降序排序。⑤单击数据透视表区域，选择“插入”选项卡下面的“柱形图”选项。店铺用户地域打标实操⑥优化图表：删除网格线，修改图表标题，添加数据标签等。店铺用户地域打标实操项目5用户分析任务2用户响应预测分析用户响应预测分析是一种数据分析方法，旨在预测和理解用户对特定行动或事件的响应。什么是用户响应预测分析？为什么要进行用户响应预测分析？通过用户响应预测分析企业可以更好地了解用户需求和行为，从而优化营销策略和提供个性化的服务，提高用户满意度和业务效益。如何进行用户响应预测分析？基于历史响应数据，可以通过函数计算参数、预估用户响应结果以及单样本损失等内容。接着，可以使用梯度下降法和适当的学习率来更新参数。最后，通过对比历史响应结果和函数预估结果，可以评估预估的准确性。用户响应预测分析实操数据源：该任务所用到的文件名称为“5-2用户响应预测”①打开“5-2用户响应预测”文件。②在字段“宝贝总数量”旁添加一列，列名为“用户响应预测”，键入公式“=RANDBETWEEN(0,1)”，随机生成0或1，这里的0或1表示用户上一次的响应情况。③在空白处添加“参数”字段，并在“参数”字段键入公式“=RAND()*0.5”。因为用到的数据有4个特征列，所以设置4个参数。用户响应预测分析实操④在字段“用户响应预测”旁，新增一列名为“预估值”的字段，键入公式“=1/(1+EXP(-SUMPRODUCT(A2:D2,$P$3:$S$3)))”，计算“预估值”列中的值。⑤在字段“预估值”字旁添加一列，列名为“单样本损失”，键入公式“=-IF(F2=E2,0,(E2*LOG(F2)+(1-E2)*LOG(1-F2)))”，计算出每个单样本的损失值，“单样本损失”字段就是建模过程中样本的损失值。用户响应预测分析实操⑥设定一个“学习率”字段，“学习率”数值不易设定过大，可以设为0.01。⑦在已设置的“参数”字段下方，对应键入“梯度”字段，并键入公式：“=AVERAGE(SUMPRODUCT($F$2:$F$64,A2:A64)-SUMPRODUCT($E$2:$E$64,A2:A64))”通过AVERAGE函数和SUMPRODUCT函数两者的结合计算得出“梯度”字段的值。⑧在已设置的“梯度”字段下方，对应键入“更新后参数”字段，并键入公式“=P3*$W$3*P5”计算出“更新后参数”字段的值用户响应预测分析实操⑨将“更新后参数”字段按粘贴“值”的方式复制粘贴至“参数”行，其他字段会自动更新。⑩利用COUNTIF函数统计“用户响应”和“预估值”字段中0和1的个数，键入公式“=COUNTIF(E2:E64,0)”。两列0和1的个数进行比较，判断预估的准确性。项目5用户分析任务3用户价值分析用户价值分析是一种评估和理解用户对企业的价值和贡献的方法。什么是用户价值分析？为什么要进行用户价值分析？用户价值分析可以帮助企业将客户进行细分，将用户划分为不同的群体，根据不同的用户特征和行为制定有针对性的营销策略。如何进行用户价值分析？可以通过创建RFM模型，利用消费者的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该消费者的价值状况。RFM模型是消费者管理领域里的一种消费者消费行为分析模型。R为近度（Recency）代表最近购买时间，指上次购买至现在的时间间隔。R值越大表示网店与消费者发生交易的时间越久，反之与网店发生交易的时间越近。理论上R值越小（即最近有购买行为）的消费者是复购可能性越高的有价值消费者。F为频度（Frequency）代表购买频率，指的是某一期间内购买的次数。F越大代表该段时间内消费者的购买频率越高，存在极大的复购可能性；反之F值越小，则消费者活跃度越低，相应的价值越低。M为额度（Monetary）代表总购买金额，指的是某一期间内购买商品的金额。M越大表示该类消费者对本网店（产品）的购买意愿转化为购买行为可能性越大，该类消费者的价值越应受到关注，反之亦然。RFM模型理论R的计算方法是计算现在与最近一次购买日期之间的间隔天数。F的计算方法是对消费者下单的订单数据进行统计。M的计算方法是将消费者的消费金额进行汇总。RFM计算基于RFM模型的消费者分组为消费者分组，即将三个指标分别分为“高”和“低”两种，高于均值的为“高”，低于均值的为“低”。用户价值分析实操数据源：该任务所用到的文件名称为“5-3用户价值”①选中“5-3用户价值”表中的任意单元格。②在“数据”选项卡中，选择“来自表格/区域”选项，即可将数据加载至PowerQuery。③在“添加列”选项卡中，选择“自定义列”选项。在弹出“自定义列”对话框中，将“新列名”框设置为“今天日期”，在“自定义列公式”框中键入公式“=DateTime.Date(#datetime(2021,1,1,0,0,0))”。用户价值分析实操用户价值分析实操④选中“今日日期”字段，在“主页”选项卡的“转换”选区中，选择“数据类型”下拉列表下的“日期/时间”类型，将“今天日期”字段的类型与订单付款时间进行统一。⑤在“添加列”选项卡中，选择“自定义列”选项，将“新列名”框设为“R”，在“自定义列公式”框中键入公式“=[今天日期][订单付款时间]”。⑥删除“订单付款时间”字段和“今天日期”字段，将字段“R”的数据类型改为“整数”类型。⑦进行数据分组，得到每位用户的RFM数据。数据分组：在“开始”选项卡中，选择“分组依据”选项，将每组的分列依据填入分组依据中。用户价值分析实操⑧在“开始”选项卡中，选择“高级编辑器”选项，进入函数编辑页面，在上表代码in前补上以下关于用户等级判断的条件语句，并将最后一行将“分组的行”改为“已添加条件列”。AR=List.Average(分组的行[R])，AM=List.Average(分组的行[M])，AF=List.Average(分组的行[F])，已添加条件列=Table.AddColumn(分组的行,"用户等级",eachif([R]<AR)and([M]>AM)and([F]>AF)then"高价值用户"elseif([R]>AR)and([M]>AM)and([F]>AF)then"重点保持用户"elseif([R]<AR)and([M]>AM)and([F]<AF)then"重点发展用户"elseif([R]>AR)and([M]>AM)and([F]<AF)then"重点挽留用户"elseif([R]<AR)and([M]<AM)and([F]>AF)then"一般价值用户"elseif([R]>AR)and([M]<AM)and([F]>AF)then"一般保持用户"elseif([R]<AR)and([M]<AM)and([F]<AF)then"一般发展用户"else"潜在用户")用户价值分析实操改完后的代码及运行结果如图所示。用户价值分析实操项目5用户分析任务4用户舆情分析用户舆情分析是指对用户言论和观点进行收集、整理、分析和评估的过程。什么是用户舆情分析？为什么要进行用户舆情分析？用户舆情分析可以帮助企业了解用户的需求和偏好，发现用户的不满和问题，及时采取措施解决，并优化产品或服务。如何进行用户舆情分析？将消费者在线上留下的文字（聊天记录、评论等）进行统计分析和建模，了解消费者对品牌、产品的看法。用户舆情分析实操数据源：该任务所用到的文件名称为“5-4用户舆情分析”①选中“5-4用户舆情分析”表中的任意单元格。②在“数据”选项卡中，选择“来自表格/区域”选项，即可将数据加载至PowerQuery。③右击“评价内容”字段，单击“删除其他列”按钮。用户舆情分析实操④在“添加列”选项卡中选择“自定义列”选项。⑤利用代码对“自定义列”字段进行设置时，要将代码中括号内的“评价内容”字段删除，再单击右边“可用列”选择要拆分的“评价内容”。键入代码：“=Csv.Document(Web.Contents("/get.php?source="&Uri.EscapeDataString([评价内容])&"¶m1=0.8¶m2=0"))”用户舆情分析实操⑥单击“自定义”按钮，选择展开“自定义”字段。⑦击“自定义”右侧“▼”按钮，单击“删除空”选项，进行简单的数据清洗。用户舆情分析实操⑧右击“自定义”按钮，选择“分组依据”，设置为默