電子商務中的客戶行為調查與分析

『壹』 電商訪客行為分析

數據源： https://tianchi.aliyun.com/competition/entrance/231522/information

數據介紹： 數據集為2014年11月18日至12月18日期間電商平台訪客的行為記錄。

分析目的： 了解電商平台的流量情況，尋找暢銷商品類目。

數據利用方式： Python 數據清洗 + tableau 可視化 + excel 透視表

分析思路：

分析步驟：

一、導入csv數據

表格樣式

註：behavior_type欄位值中「1」代表「瀏覽」、「2」代表「收藏」、「3」代表「加購」、「4」代表「下單」。

二、了解欄位屬性

可見： 數據共1546萬行，6個欄位。Time欄位用於分析時需要調整為datetime格式。

三、去重

可見： 去重處理後數據集行數同去重前一致，沒有重復行。

四、異常值處理

因為id和category代表維度，實際只需判斷behavior_type欄位數字是否有異常值；

可見： behavior_type值僅有4種，無異常。

五、缺失值處理

可見： 只有user_geohash欄位有存在異常值。從表格數據來看，對本次分析沒有多大作用，選擇刪掉該列。

六、time欄位類型轉換

可見： time欄位已轉換為datetime類型

七、導出清洗後的數據

八、將數據導入tableau

（一）流量整體情況

假定活動日為12.11和12.12兩天。

用count、countd、if組合函數篩選出behavior_type欄位=1的值，創建PV、UV計算欄位；利用time欄位，建立小時區間、日期范圍、時間段等篩選器，下鑽到每日的小時粒度進行觀察。

全局（圖1）：

平日每小時流量變化（圖2）：

活動期間流量小時流量變化（圖3）：

由圖1、圖2、圖3可知，日內訪問流量分布呈以下規律：

所以， 為應對不同時間段的處理需求，應當合理進行伺服器資源調配，實現降低伺服器成本 。

活動期間與平常日的差別：

可見： 活動日的活躍度提高較明顯，UV較平日增加40%，獨立客戶頁面平均訪問量增加2-3個頁面。

（二）每日總流量分析：

可見： 除了活動期間以外，每日的PV總量平均在44000左右，UV總量平均在12500左右，相當於每個訪客訪問3.5個頁面。

（三）每小時總流量分析：以整個期間為總體，按照小時的粒度進行展示。

可見： PV同日內流量變化趨勢分析一致；而UV卻與日內流量圖差異較大：晚間時段和白天時段相差不大，沒出現明顯的流量增加。 說明店鋪在不同日期的晚間時段有較多重復訪問人，很有可能該部分人群是店鋪常客，因此可針對該部分人群的用戶畫像（訪問人群的訪問行為畫像見另一篇《電商訪客行為畫像》）制定合適的推廣策略。

（四）總體轉化率分析：

平日各環節與瀏覽量之間的轉化率：

活動日各環節與瀏覽量之間的轉化率：

可見： 活動日下單轉化率是平日的1.7倍，加購轉化率是平日的1.2倍。

（五）各行為階段排名靠前的類目

可見： 瀏覽量和加購量靠前的品類下單量較為靠前，但並非完全正相關。

（六）各類目的下單-瀏覽轉化率比較

按照下單數量降序排序：

可見： 下單量高的類目，瀏覽-下單轉化率不一定高，其下單量高可能是因為曝光量高導致的。

進一步按照瀏覽量>100、下單量>100的條件進行篩選，按照轉化率進行降序排序：

可見： 在排除刷單可能性的情況下，有些類目瀏覽量不高，轉化率很高。 重點關注有加購量、高轉化率的類目（進一步降低刷單的可能性），可能這當中有良好niche市場前景的產品，根據購買人群的用戶畫像進行精準營銷 。

①瀏覽量-下單量散點圖

②加購量-下單量散點圖

從以上散點圖可找到， 位於趨勢線下部，瀏覽量或加購量較低但下單量較高的產品屬於優秀產品，應予以重視！

『貳』 電子商務網站客戶性格分析及應對策略

電子商務網站客戶性格分析及應對策略

識別不同客戶的類型：心願清單者，品牌向訪問者，理性訪問者，最大化者，滿足者，猶豫者，在整個決策過程中更好地輔助他們。下面整理了關於電子商務網站客戶的文章，歡迎大家閱讀！

1.心願清單者

首先是「有太多東西我想要又要不起」的問題。這種模式最常見於婦女和電子商務網站。訪問者投入許多時間和精力來仔細挑選她想要的商品，把它們放進她的購物車。但問題是，她從不進行購買。

什麼造成這種行為?

不像「現實」購物車，在線購物車會促進擁有的感覺，因為用戶可以在任意時間添加和移除商品，並且即使訪問者離開網站這些商品也會留在購物車里。她可以任意時間打開購物車並瀏覽她的虛擬財產。所有這些想要的商品都在她自己的個人購物車里，在她每次進入網站時等著她，這樣她就幾乎覺得她擁有它們。而這對她買不起它們的情況構成一種安慰。

怎樣影響購買決定?

鼓勵這種心願清單者完成購買的一個方法是，在訪問之間對她購物車里的一兩個商品進行打折，然後以彈出窗口宣布「今天是你的幸運日，你挑選的商品在特價出售。」這種出人意料的個人打折有助於加強希望的想法偏向——我們心裡所願影響我們心裡所想。它給顧客這樣的感覺，「上天在給我暗示，我應該買這件產品。」

2.品牌向訪問者

這是種只關心跟上每個人都在談論的最新潮流的訪問者。他的購買決定只基於被贊譽為頂級品牌的產品，他注意力的焦點直接放在產品的感性化特徵上，如顏色、配飾和吸引人的圖像。他的在線交互集中於把玩產品，變換它的顏色，以及檢驗能添加上它的不同配飾。

什麼造成這種行為?

品牌向訪問者就是我們叫作即興購買者的人。引發他購買的東西是感性化激勵物，這也是為什麼他試完不同的顏色和配飾，來想像擁有這件產品是什麼樣的感覺。理性參量如價格、實用性和使用便利性在他的購買決定中被給予較少比重。他用非理性的自我滿足來取代邏輯性的後續消費活動，購買既不具功能性又不必要的商品。

怎樣影響購買決定?

成功的產品頁面是那些知道如何與客戶的感性系統溝通並保持一定程度的激勵的頁面。為促進購買沖動，產品信息應該被藏在按鈕後面(並且因此只能「應要求」獲取，而不是主動地強加於訪問者)。另外，網站應該開發這種感性系統的傾向來對細微提示作出反應，利用刺激物，如多彩、吸引人的圖象，來引發感性激勵。這能讓品牌向訪問者只因為你的產品給他的感覺就購買它，而不是閱讀也許會導致他對購買再次思考的過於詳細的信息。

3.理性訪問者

另一面是理性訪問者，他們的兩步購買決定過程是(a)拒絕不滿足她最重要的標准——通常是價格——的選項，及(b)使用成本/收益分析來從留下的備選中挑選。

什麼造成這種行為?

理性訪問者覺得他們在購買決策過程中必須依賴客觀觀察和現實分析。他們尋求邏輯論點作為行動基礎。例如，他們不會只因為「是時候換我們的車了，我們已經買了它5年了」就替換他們性能良好的汽車。他們需要堅實的論點來支撐行為。主觀想法和感情在他們的決策過程中沒有位置。

怎樣影響購買決定?

你的網站必須支持理性訪問者的決策過程，提供她作精打細算的決定所需要的所有信息。例如，一個電信網站會提供關於不同手機的比對特徵(屏幕尺寸、解析度、重量等)的極其詳細的信息。這樣顧客會覺得她是在做最明智的決定。

4.最大化者

這種顧客執迷於從所有可用的選項中做出絕對最好的決定。他要讀遍從頁面頂部到底部所列出的每個產品，並且只有在那時才對他的選擇感到足夠舒服。不管它是5萬美元的車子還是5美元的二手CD，最大化者在看完每個選項之前是不能下定決心的。

什麼造成這種行為?

最大化者極度擔心做出糟糕的購買決定。實際上，很多時間里，他因焦慮變得如此購買不能以至於不買任何東西——並且即使當他買了，他通常對他的決定還是覺得有點沮喪。要記住這種決定甚至不一定得是基於效用最大化;它會以外觀、安全特徵或任何其它的標准為基礎。

怎樣影響購買決定?

對多個電子商務網站上的訪問者行為的觀察顯示，當面對大量選項時，最大化者不可避免地變得沮喪並不作購買地離開網站。因此，網站必須機智地限制呈現給最大化者的.選項的數量，使用諸如過濾，每排限制五個商品，並提供一個默認或「建議」購買這類方法。

5.滿足者

這是最大化者的反面：這類顧客選擇第一個滿足她最低或即刻需求的產品。我們看到這些訪問者從頁面頂部開始，向下滾動，在找到她們的匹配物時就馬上停下並購買，不管還有多少其它的選項可用。

什麼造成這種行為?

對於滿足者，時間就是金錢。當她可以用那時間做其它事時她不想浪費時間尋找盡可能最佳的選項。所以她在她的標准滿足時就做出行動。這不是說她會接受中庸;她的標准實際上可能非常高。但一旦她找到滿足它們的一個選項，她就滿足了。

怎樣影響購買決定?

幫助一名滿足者的一個有效方法是過濾，這讓她能向下探究與她的需求最相關的選項。實體店有客服代表對她說：「告訴我你需要什麼顏色和尺寸，我會拿給你。」而這則是數字版的等價物。零售網站也許也可以按牌子、用途或情緒(浪漫、性感或俏皮)來安排他們的列表。

6.猶豫者

猶豫者填完在線注冊表或者把想要的商品放置進購物車，卻在行為召喚(CTA)按鈕前猶豫了。他然後花大量時間點擊不同的按鈕，在CTA上懸著，就好像他在等著這個網站說服他點擊。

什麼造成這種行為?

最可能在網上購物行為中造成猶豫的性格特點是風險避免。這種猶豫者試圖避免對做出錯誤決定的後悔，常被豐富的選擇弄亂，並且對他生活中的每個方面都難以抉擇。

怎樣影響購買決定?

猶豫者需要所能得到的所有獎勵來繼續購買過程。他必須完全確信他在做正確的決定。這要求持續的反饋和認可以回應他作的每一小步。這樣做的一個方法是使用積極向的話語。例如，訂閱頁面或許可以用「選擇Forbes你做了一個很棒的決定」或「你離加入我們的高級會員只有一步之遙」來歡迎他，而不是大多數網站使用的中性語言。積極的話語具有持續影響，所以猶豫者從鼓勵性反饋中得到的感覺會把整個體驗放在樂觀的光亮下，讓他對購買過程感覺良好。同樣，網站設計應該限制他再思考他的決定的機會。這可以通過減少結賬頁面的數量，或通過一旦這個過程開始就移除返回前頁的能力來達到。

;

『叄』 電子商務調研報告範文

夏天炎熱，蚊子也逐漸多了起來，無論是居家還是外出，人們都有可能遭受蚊子的叮咬吸血。蚊子讓人奇癢難忍，讓人睡不好覺，只要蚊子不走，人蚊大戰就會輪番上演。那麼我們應該如何防蚊，避免被蚊子叮咬、傳播疾病呢?讓來幫助你。

電子商務調研報告範文(一)

電子商務是利用電子工具和網路通訊技術進行的商務活動，它開創了人們對產品購銷的一種全新模式，對以往人們面對面進行的實物購銷提出了革命性的挑戰，電子商務對地方經濟的發展將起到不可估量的影響，經濟學家預言：「在21世紀，要麼電子商務，要麼無商可務」。

為進一步優化我縣電子商務發展環境，壯大電子商務產業，推動產業升級，著力打造全省電子商務示範基地，根據縣政府領導指示，近期縣工信委、商務局、科技局組成聯合調研組，就我縣電子商務發展情況進行了調研，現將調研情況報告如下：

一、我縣電子商務發展的現狀

根據調查統計，全縣有近6000人在全國各地從事電子商務活動，其中在縣外從事電子商務人員超過5000人，他們多數是為電子商務企業打工，從事客服、美工、推廣、配貨等業務;縣內通過電子商務創業的也有近1000人。20xx年，我縣僅九洲、環球、康舒等少數企業利用電子商務進行了產品銷售。其中，環球陶瓷公司通過電商平台平均每天銷售陶瓷茶杯約1000件，九洲陶瓷公司從20xx年9月至12月實現網上銷售約400萬元。20xx年以來，我縣電子商務得到快速發展，特別是黎川東鑫電子商務園的建成和良好運營，形成集聚效應，吸引了一批高素質電子商務人才回黎返鄉創業，使黎川本地產品擴大了銷售渠道;個體電商隊伍也日益龐大，電子商務業務量與日俱增。據調查，20xx年我縣平均每天出縣快件不足100件，一輛卡車裝不滿，而目前每天出縣快件達到5000件，三輛大卡車裝不下，貨物出港件呈井噴態勢。按平均100元/件計算，現在每天出縣快件達50萬元。為規范和加強電子商務行業管理，增強電商間的凝聚力，實現抱團發展，在縣工信委、商務局、科技局、東鑫電子商務園等相關電商企業的倡導下，經過緊鑼密鼓的籌備和縣工商聯、民政局的批准， 20xx年6月20日成立了黎川縣電子商務行業商會。這也是撫州市第一家電子商務行業商會，它將有效地促進我縣電子商務業的進一步有序、健康、快速發展。根據目前電商爆炸式發展預測，不出兩年，我縣電子商務年交易額將突破10億元。盡管我縣電子商務起步較晚，但在撫州市乃至江西省，正以「黎川速度」引領兄弟市縣。

為整合黎川電商資源，發揮電子商務集約優勢，降低運營成本，培養我縣電商人才， 20xx年，我縣東鑫實業有限公司投資7200萬元，在縣陶瓷工業園區創建了黎川東鑫電子商務園。該園佔地面積48.15畝，已建成電子商務辦公樓一棟6400㎡，倉庫3棟10000㎡，可容納100戶電商入駐;建成配備有電子商務培訓室、農副產品檢測中心、快遞、網路科技、產品攝影等較為完善的服務機構;引進了高素質電子商務人才返鄉創業，如：復旦大學研究生、北京譽達康旭公司總經理周尚彪先生、上海的袁春水先生、蔡葵先生、石獅的歐陽發寶先生、義烏的孔令榮先生等電商入駐，而且還有一大批黎川籍的外地電商正在為入駐黎川東鑫電子商務園做前期准備。這些本土電子商家起點高，有著多年從事電子商務銷售經驗，預計不久，東鑫電子商務園將成為縣域經濟新的增長極。

由於黎川東鑫電子商務園不僅是我縣第一家電子商務園，也是撫州市第一家電子商務園，鑒於該園的快速發展、業績突出，該園負責人蔡福根被推舉為江西省電子商務協會副會長，今年8月，黎川東鑫電子商務園被評為江西省電子商務示範基地。省商務廳電商處王宏光處長到該園調研時，給予了該園高度評價，認為黎川東鑫電子商務園的軟硬體設施已達到省級電子商務示範園標准，園區建設和電商業務發展速度在全省屈指可數，並提出了發展電子商務「黎川速度」新概念。

不難預見，快速發展的電商業不僅會以「乘數效應」加速我縣工農業產品，如陶瓷、鞋服傘、油畫、香菇、茶樹菇、草菇、灌芯糖、香榧、紅豆杉等的快速流通，從而拉動我縣實體經濟的快速發展，而且反過來，受拉動後得到快速發展的實體經濟又將向電商業聚集，推動我縣電商業的進一步發展和壯大。如此，我縣的電商經濟和實體經濟將進入互相拉動、互相促進的良性發展期。

二、外出考察情況

為借鑒外地先進經驗，搶抓先機，促進經濟轉型升級，縣委常委、縣紀委書記姚英華、縣政府副縣長吳忠鴻於20xx年5月20日至21日，率領由縣工信委、商務局、科技局、陶瓷局、郵政局等部門和東鑫電子商務園主要負責人組成的黎川電子商務考察團，重點對福建德化、泉州兩地的電子商務發展狀況進行了實地考察。考察認為，電子商務作為拉動地方經濟發展的重要作用不言而喻，當地都出台了鼓勵和促進電子商務發展的措施，如福建泉州市20xx年1月推出的《進一步加快推進電子商務發展十條措施》，德化縣20xx年9月推出的《支持電子商務發展十二條措施》。這些措施無疑為當地電子商務的快速發展注入了強力助推劑。

為借鑒外地經驗，調研組於20xx年6月4日至5日，前往同樣以日用陶瓷為主導產業的福建德化縣進行了調研。

德化縣現有陶瓷企業約1400家，其中建有官方網站的300多家;經營網路店鋪1800多家(大部分是個體經營)，在「阿里巴巴」上，通過誠信認證的德化陶瓷企業727家，佔到該縣陶瓷企業的52%;而20xx年在淘寶網站上總共9545家「陶瓷餐具」和「陶瓷茶具」的相關店鋪中，德化陶瓷就有780家，佔到該網站的8.1%。由於金融危機和美元貶值，陶瓷出口基地的德化，也因產品出口嚴重受阻而轉內銷。然而，起步較早的德化電子商務業正好為德化陶瓷開拓國內市場提供了廣闊的平台，德化縣利用這一平台實現的陶瓷銷售額也從20xx年的6億元，猛增到20xx年的10億元，增幅達66%。陶瓷出口基地的德化陶瓷業，不僅未受到金融危機和美元貶值的影響，而且通過利用電子商務平台的拉動得到更大的發展。

為將在德化做電商的年輕人、小電商企業集中在一起發展，降低電子商務運營成本，德化縣政府於20xx年12月開始籌建「德化陶瓷電子商務園」。該園於20xx年6月建成並開始招募電商，至今年5月底，已入駐電商66家，其中陶瓷銷售企業59家，服務機構5家，培訓中心2家。僅今年前5個月，德化陶瓷電子商務園的營業額已超過10億元，該園已成為德化陶瓷快速發展的主要拉動力。

據德化陶瓷電子商務園負責人介紹，該園的快速發展主要得益於當地政府的大力支持，縣政府不但投資建成了陶瓷電子商務園外，而且於20xx年9月出台了操作性很強的《德化縣關於支持電子商務發展的措施》十二條(見附件)，並且在召集稅務等相關部門研究如何加快該園發展的會議上，縣領導明確指出：德化陶瓷電子商務園的發展要靠各有關部門的大力支持，在陶瓷電子商務園發展的初期，各有關行政執法部門僅僅睜隻眼閉隻眼還不夠，最好是兩隻眼睛都閉上。在政府大力支持下，稅務部門至今未要求園內商家納稅，其他部門也未對園內電商的正常經營造成任何不利影響，這無疑為德化引進、留住電子商家增加了吸引力，給德化電子商務業的快速發展注入了強力助推劑。

三、當前我縣電子商務發展存在的問題

1、宣傳力度不夠。電子商務，重在宣傳。今年4月1日，江西日報刊載了《黎川農民當電商》，6月16日，撫州日報頭版刊載了《電商之「黎川速度」》的文章，黎川電子商務業隨之聲名遠播，個體電商銷售業績迅速攀升。然而，在電子商務業界，由於縣內從業電子商務的多為個體經營戶，他們投入有限，更不可能花大筆資金做宣傳廣告，以致網民對黎川缺乏了解，黎川佔有電子商務市場份額少。

2、起步晚，品牌「脫穎」難。還在20xx年底，淘寶網上的陶瓷店鋪就達31700餘家，陶瓷產品180餘萬件，德化縣一些知名品牌，如冠福、卓越等9家陶瓷產品，就登上了淘寶商城，而他們的電子商務管理部門還在因危機感而呼籲吶喊，要求加快電子商務發展步伐。當時，我縣雖有一些零星電商開設了網店，一些工業產品，如九州的瓷煲、茶杯和環球的日用餐具開始利用電子商務銷售，但數量寥若晨星。20xx年我縣電子商務才開始有了較大發展，許多個體從為電商老闆打工到自己開設店面，並逐步提高店面信譽，樹立自家品牌，康舒瓷煲和一些鞋服也進入了電子商務銷售行列。今年初，東鑫電子商務園建成，隨著尚丞公司等電商的入駐，嘉順、華星、舒雅等陶瓷企業的產品才開始藉助電商平台進行銷售。然而，在浩如煙海的電商網店和電商產品里，遲到的店面和產品要讓消費者發現實非易事，只有組織強大的專業團隊，輔之雄厚的資金進行有針對性的廣泛、深入的宣傳，才是使我縣產品在短時間內脫穎而出的有效渠道。

3、電商從業人才嚴重匱乏。電子商務是個虛擬的交易過程，網購消費者點擊想要購買的物品時，只能通過網店提供的實物圖片、產品簡介、服務人員的解釋來了解形形色色的產品，卻無法看到和觸摸實物，這就對網店工作人員的照片處理技術水平、產品工藝了解程度、以及溝通「煽動」客戶的能力提出了較大的考驗。為此，要加速我縣電子商務業的發展，為我縣工農業的快速發展提供拉動力，在網路銷售方面就更需要具有高超圖片處理技巧、對產品性能了如指掌、而且能熟練利用各種網路平台、網路媒體(例如微博、論壇等)進行品牌傳播的人才，然而我縣要加快電子商務業的發展，大量缺少的正是具有這種電子商務從業人才。

4、電子商務發展環境亟待進一步優化。為減少住房、倉儲租金，降低運營成本，讓兄弟姐妹、內親外戚既可幫忙又可就業，許多在外開設網店的黎川籍商家都有意回到家鄉開店。然而，入駐黎川東鑫電子商務園的電商在我縣注冊開店不到一周，稅務部門就要求每家店鋪，不論其經營狀況如何，每月納稅800元。由於本地產品在生產企業已經納稅一次，如果通過電商銷出黎川再繳稅一次，則加大了產品銷售成本，使我縣產品在市場競爭中處於明顯劣勢。況且，國家明確規定，所有農副產品、年營業額20萬元以下的小微企業都是免稅。這些新開業的商家既要交納開店押金，又要確保完成一定的銷售量(否則，產品將被撤下網店貨架)，自身壓力已經不小，如果不給予其更寬松的環境，不僅正在觀望猶豫的外地電商不會回到家鄉，就是縣內電商也有可能外遷，嚴重影響我縣電子商務業的發展。

四、調研後的思考

目前，我國電商業正迅猛發展，全國電商年銷售額超10萬億元，僅德化縣今年前5個月的電商營業額就超過10億元;我縣電商業雖在撫州名列前茅，但與福建德化縣相比已是嚴重滯後，如再不及時花大力氣抓好電子商務，我縣的電商業將被全國的電子商海所淹沒，我縣也將錯失經濟跨越式發展的大好良機。為此，調研組認為以下問題值得思考：

(一)、盡管我縣電商業近年來得到較快發展，並於6月20日成立了黎川電子商務商會，但它畢竟還處在民間自發的自然發展狀態，如果政府能盡快加以正確的引導和支持，出台相關鼓勵政策，必將進一步促進我縣電商業的有序快速發展，黎川東鑫電子商務園聚集電商100家、實現銷售10億元也不是空想的遙遠目標。

(二)、能否由政府牽頭，聯合企業，在各大主流網站開展推介活動，利用現有電子商務平台資源，做大做強我縣地方產品品牌：

1、發揮我縣「中國日用耐熱瓷生產基地」優勢，將黎川陶瓷產品鋪進各大電商網店。

2、利用「油畫基地」品牌，吸引更多電子商家經銷我縣油畫產品。

3、利用電商平台，將我縣農副產品的銷售向更高、更廣、更深層次推進。

(三)、能否盡快制定政策措施，加速我縣電商業的發展。我省於20xx年11月印發了《關於加快電子商務產業發展的若干意見》，撫州市政府於20xx年2月推出了《關於加快推動電子商務發展的實施意見》等。據調研，許多在外從事電子商務的黎川籍電商都有意返鄉創業，如果我縣能及早制定促進電子商務發展的政策，如：電子商務自主創業貸款、入園租金減免、稅收減免、銷售獎勵、免費培訓等，必將進一步優化我縣電子商務業發展環境，壯大電商隊伍，為我縣電子商務快速、健康、有序發展助力。

電子商務調研報告範文(二)

一、電子商務的概念及我國農村電子商務的特點

(一)電子商務的理念

電子商務是指以信息網路技術為手段，以商品交換為中心的商務活動。也可理解為在互聯網(Internet)、企業內部網(Intranet)和增值網(VAN，Value Added Network)上以電子交易方式進行交易活動和相關服務的活動，是傳統商業活動各環節的電子化、網路化、信息化。

電子商務通常是指在全球各地廣泛的商業貿易活動中，在網際網路開放的網路環境下，基於瀏覽器/伺服器應用方式，買賣雙方不謀面地進行各種商貿活動，實現消費者的網上購物、商戶之間的網上交易和在線電子支付以及各種商務活動、交易活動、金融活動和相關的綜合服務活動的一種新型的商業運營模式。各國政府、學者、企業界人士根據自己所處的地位和對電子商務參與的角度和程度的不同，給出了許多不同的定義。電子商務分為：B2B、B2C、C2C、B2M、M2C、B2A(即B2G)、C2A(即C2G)、O2O 等。

(二)農村電子商務的特點

農村電子商務，通過網路平台嫁接各種服務於農村的資源，拓展農村信息服務業務、服務領域，使之兼而成為遍布鄉、鎮、村的三農信息服務站。作為農村電第一文庫網 範文頻道子商務平台的實體終端直接紮根於農村服務於三農，真正使三農服務落地，使農民成為平台的最大受益者。但目

前,電子商務行為大多局限於城市裡的消費人群和部分服務商品類企業,在廣大農村還沒有推廣開來。目前我國農村電子商務的特點有：

1.農村電子商務將傳統的商務流程電子化、數字化

一方面一電子流代替了實物流，可以大量減少人力、物力，降低了成本;另一方面突破了時間和空間的限制，突破了傳統交易在固定的時間、地點等，使交易活動可以在任何時間、地點進行，從而大大提高了效率。

2.農業網路基礎設施薄弱，缺乏區域性謀略

我國當前提供農業電子商務服務的網站為數不少，但由於農村軟、硬體的缺乏，網路接通農戶的「最後一公里」障礙，使得農民不能通過直接有效的途徑參與到電子商務中來。此外，我國幅員遼闊，區域地理環境差異校大，農業具有鮮明的區域性特徵，這進一步促使農村電子商務問題復雜化。因此，農業電子商務必須深入考慮區域特點，才能更好地發展。

3.農產品需求的不可預知性

受自然條件的影響，農產品的生產和農用品的需求具有很大的不可預知性，農產品生產區域和生產者相對分散，農產品附加值較低，農產品不耐久存，農產品種類繁多而品質評價的主觀因素較強，這些因素極大地阻礙著農產品生產產業化和流通現代化，是實現農村電子商務的難點。

4.農村電子商務的覆蓋面窄，正處於萌芽時期

目前我國農村電子商務正處於成長期。東部地區電子商務發展已初具規模，而西部偏遠山區電子商務處於初步發展階段。在偏遠的山區，由於互聯網覆蓋面積狹小，人們對電子商務的認識不全面等，導致了農村電子商務發展存在很大的困難。所以，農村電子商務在我國農村的覆蓋面窄，農村電子商務正處於萌芽階段。

二、我國農村電子商務發展的現狀

201x任何2月3日，中國互聯網路信息中心(CNNIC)發布《第35次中國互聯網路發展狀況統計報告》(以下簡稱《報告》)。根據《報告》可知，截至2017年12月，我國網民規模達6.49億，全年共計新增網民3117萬人。互聯網普及率為47.9%，較2013年底提升了2.1個百分點。中商情報網訊：2015年1-3月，移動互聯網用戶總數凈增超過2400萬戶，總數規模近9億戶，同比增長5.7%。使用手機上網的用戶數再創歷史新高，總數達到8.58億戶，對行動電話用戶的滲透率達66.3%,比上年同期提升1個百分點。無線上網卡用戶規模1600萬，同比增長3.1%。 據國家統計局2017年1月20日公布的數據顯示，2014年全年全國居民人均可支配收入20167元，比上年名義增長10.1%，扣除價格因素實際增長8.0%。按常住地分，城鎮居民人均可支配收入28844元，比上年增長9.0%，扣除價格因素實際增長6.8%;農村居民人均可支配收入10489元，比上年增長11.2%，扣除價格因素實際增長

9.2%。全國居民人均可支配收入中位數17570元，比上年名義增長12.4%。這樣的背景下，農村電子商務有著比較好的發展條件。

201*年**期間對**縣**鎮農民就農村電子商務發展現狀及存在的問題進行了訪談。

**市**鎮位於**縣縣境**部，長江穿過**鎮邊緣，距縣城*公里。面積*平方公里，人口約*萬。**至**和**至**公路過境，**至**高速鐵路也經過**。201*年來**大力改善鄉村道路**鎮通往各鄉村道路基本硬化，交通比較方便。有以**、**等加工為主的鄉鎮企業。農業主產**、**等。養殖業以**、**為主。特產**、**、**等。

為更好地實施「興工強鎮、富民興鎮」戰略，促進經濟又好又快發展，201*年7月，**縣**鎮組織召開轄區非公有制經濟人士座談會。**鎮黨委、政府認真聽取非公有制經濟人士的發言，並作好記錄，以便更好地為他們搭建引導、智力、服務、協調四大平台，協調各種事宜，用實際行動用活用夠政策，壯大非公有制經濟整體實力。

座談會上，與會的20餘家非公有制企業的代表暢所欲言，就創造良好投資環境、保護經營者合法權益、解決非公有制企業貸款難和專業技術人才培養使用等問題提出許多建設性意見和建議。會議強調，當前非公有制經濟發展要注重與**鐵路、產業大道、高速公路等重點工程以及森林、肉牛、果蔬等重點特色項目建設結合，抓住機遇，乘勢而上，依託資源優勢，拓寬發展項目，打造品牌企業，把企業做大做強，回報社會，造福鎮民。

電子商務調研報告範文(三)

隨著《國務院辦公廳關於進一步加快電子商務發展的若干意見》的出台，各地區也紛紛加快了建設的步伐，安徽作為一個並不太發達的省份也不甘落後，近幾年開展了很多工作，在省電子商務協會的大力推動下，大量企業開始上網，目前阜陽市的電子商務正步入一個健康發展時期。

一、 阜陽市電子商務雖起步較晚、目前規模較小，但發展勢頭良好。

1、電子商務日益普及、一批商貿企業集團建立了市場電子交易系統和網路營銷系統。安徽省糧食、煤炭、鋼材、有色、叉車、汽車等行業或企業亦在有效地運行B2B 電子商務。

2、農業、旅遊、醫葯、商貿等有條件的行業和企業正在開展B2C 電子商務。

3、企業的信息化水平顯著提高據悉，安徽省大型工業企業財務管理應用率已經達100%!營銷管理的應用率達到50%;企業ERP 系統的覆蓋率達到70%，建立企業網站的比率達到80%，電子信息、紡織、建材、家電、機械等行業的CA D應用率達到70%。

4、物流步入快速發展期安徽省已經初步形成了公路、鐵路、水運、民航和管道5種方式並存的綜合運輸體系，為電子商務的發展提供了一定保證。

5、支付手段進一步完善除傳統的郵局匯款、電匯、現金支付外，目前安徽省的銀行基本上都能提供網上支付的功能。如招商銀行的一網通，各大銀行的信用卡等。銀行已做到網路互聯，彼此都能進行及時的資金劃撥。

6、網路基礎設施阜陽市網路基礎設施建設速度較快，目前寬頻已深入小城鎮，網民數不斷增加，全市、縣基本完成寬頻接入網建設。

7、安徽省數字認證中心成立安徽省數字認證中心(Anhui CertificateAuthority Center，簡稱AHCA或安徽省CA中心)於2001 年10 月正式第一文庫網 範文頻道成立，作為公正的第三方機構，從事電子政務、電子商務、公眾計算機網的數字認證服務，為集團和個人用戶(包括個人、機關企業事業單位、網站伺服器、軟體代碼)等提供數字證書的申請、頒發、

存儲、查詢、廢止等數字證書服務，提供網上身份認證、數字簽名、安全信息傳輸和數字證書應用嵌入等服務。為電子商務的發展提供了安全保障。

8、省電子商務協會成立為了進一步推動電子商務的發展，2017 年9 月，安徽省電子商務協會成立大會暨第一屆會員代表大會在肥召開。電子商務協會的成立，可以更好地發揮橋梁和紐帶作用，整合全省電子商務資源，積極幫助各種所有制企業開展電子商務

活動，對電子商務在安徽省的推廣應用具有十分積極的意義。

9、人才培養為了適應社會對電子商務人才的需求，目前省內大中專院校基本上都設有電子商務、物流等專業，為電子商務的發展培養了大批人才。

二、電子商務發展存在的問題

阜陽市電子商務雖有所發展，但與發達城市相比差距較大。越來越多的企業和民眾享受到電子商務帶來的便利。而阜陽市相對來講卻滯後的很多。

具體原因主要在如下幾個方面：

1、 意識薄弱，認識存在差距。有很多人認為電子商務就是網上購物，不知道它的

內容很廣泛，網上購物只是其中很小的一部分，更多的是企業間的網上商務及政府與企業間的網上往來。它的優勢不僅在於提高了辦事的效率，關鍵是從總體上來講能夠節約社會成本。這正是我國目前大力推動電子商務發展最主要的初衷。

『肆』 如何用SQL分析電商用戶行為數據（案例）

        

本文以「淘寶用戶行為數據集」的分析全過程為例，展示數據分析的全過程

——使用工具：MySQL，Excel，Navicat，PowerBI

——分析類型：描述分析，診斷分析

——分析方法：漏斗分析，用戶路徑分析，RFM用戶價值分析，活躍/存留分析，帕累托分析，假設驗證分析。

（考慮到閱讀體驗文章中只放了SQL截圖，如需PDF版本，再公眾號後台回復「用戶行為分析」領取）

（目錄如下）

       

1.分析流程和方法

當沒有清晰的數據看板時我們需要先清洗雜亂的數據，基於分析模型做可視化，搭建描述性的數據看板。

然後基於描述性的數據挖掘問題，提出假設做優化，或者基於用戶特徵數據進行預測分析找規律，基於規律設計策略。簡單來說：

——描述性分析就是：「畫地圖」

——診斷性分析就是：「找問題」

——預測性分析就是 ：「找規律」

在數據分析中有兩個典型的場景：

一種是有數據，沒有問題：需要先整體分析數據，然後再根據初步的描述分析，挖掘問題做診斷性分析，提出假設，設計策略解決問題。

 

另一種是已經發現了問題，或者已經有了假設，這種做數據分析更偏向於驗證假設。

 

2.淘寶用戶行為分析

本次是對「淘寶用戶行為數據集」進行分析，在分析之前我們並不知道有什麼問題，所以需要先進行描述性分析，分析數據挖掘問題。

我們首先來看下這個數據集的元數據：

       

根據以上數據欄位我們可以拿用戶行為為主軸從縱深方向提出一些問題，然後再從數據中找答案

       

縱向：

——這個數據集中用戶的日活躍和周活躍時間有什麼規律嗎？

——在當日活躍的用戶次日，三日，四日……還有多少活躍？

深向：

——用戶從瀏覽到購買的整體轉化率怎麼樣？

——用戶從瀏覽到購買的路徑是怎麼樣子的？ 

——平台主要會給用戶推送什麼商品？

——用戶喜歡什麼類目？喜歡什麼商品？ 

——怎麼判斷哪些是高價值用戶 ？ 

 

 

下面是叮當整理的常用分析方法：      

我們可以給前面的問題匹配一下分析方法，便於後面的分析：

為了便於後面的數據分析，在分析之前我們需要先對做一下清洗

看元數據（欄位解釋，數據來源，數據類型，數據量……）初步發現問題為之後的處理做准備。

       

確定缺失值范圍，去除不需要欄位，填充缺失內容    

根據元數據格式和後續分析需要的格式對數據進行處理

  

去除重復值，異常值

——去除重復值：並把用戶ID,商品ID，時間戳設置為主鍵

——異常值處理：查詢並刪除2017年11月25日至2017年12月3日之外的數據

     

查詢並刪除小於2017-11-25的

——驗證數據：      

——分析思路：

——SQL提數：

       

       

——Excel可視化：

       

活躍曲線整體為上升狀態，同為周六日，12月2號，3號相比11月25日，26日活躍度更高。

用戶在周六周日相比其他時間更活躍（周六周日為休息日，用戶有更多時間）

      

一天內用戶活躍的最高峰期為21點（用戶在這個時間段空閑較多）

 

——分析思路：

——SQL提數：

列出每用戶每天及當天後面又活躍的日期，並創建「活躍時間間隔表」用於後面求次日存留，三日存留……

       

對「活躍時間間隔表視圖」引用進行分組統計，計算每日存留人數並創建視圖

對存留人數表進行計算，統計活躍用戶留存率

——Excel可視化：

       

——分析思路：

——SQL提數：

-把各種用戶行為分離出來並創建視圖方便後續查詢用戶行為數據

查詢整體數據漏斗

——Excel可視化：

       

用戶從瀏覽到購買整體轉化率2.3%，具體主要在哪個環節流失還需要再細分用戶路徑分析

 

——分析思路：

       

——SQL提數：

——PowerBI可視化：

       

用戶從瀏覽到購買的路徑主要有4條，路徑越長轉化率越底

路徑1：瀏覽→購買：轉化率1.45%

路徑2：瀏覽→加購物車→購買：轉化率0.33

路徑3：瀏覽→收藏→購買：轉化率0.11%

路徑4：瀏覽→收藏→加購物車→購買：轉化率0.03%

——分析思路：

——SQL提數：

——Excel可視化：

       

——描述性分析：

瀏覽量top100的商品瀏覽量呈階梯分布，越靠前的階梯之間的落差相對越大在這個階梯中的商品越少，越靠後商品瀏覽量階梯之間的落差相對越小，同階梯內的商品越多。

瀏覽量TOP100的商品所屬類目中，4756105，3607361，4357323三個類目瀏覽量遠超其他類目。

——分析思路：

——SQL提數：

查詢計算商品轉化率，升序排列，取前100個

       

——Excel可視化：

       

——描述性分析：

從商品看：有17款商品轉化率超過了1。

從類目看：這些商品所屬類目分布均勻，除965809，4801426，2735466，2640118，5063620，4789432，2945933這7個類目之外，其他類目都只有一個商品在轉化率TOP100的商品中。

——分析思路：

用戶價值分析常用的分析方式是RFM模型

       

本次分析中的R,F,M具體定義（僅用於演示分析方法，無實際業務參考價值）：

 

——SQL取數與分析：

1）建立打分標准：先計算R,F的值，並排序，根據R,F值最大值和最小值得區間設計本次得打分標准

-查詢並計算R，F值創建視圖

       

-引用RF數值表，分別查詢R,F的最大值和最小值

       

       

-結合人工瀏覽的建立打分標准      

2）給R，F按價值打分

3）計算價值的平均值

       

4）用平均值和用戶分類規則表比較得出用戶分類   

     

——Excel可視化      

 

通過描述性分析得到可視化的數據後我們一般會先看一下是否符合業務常識

如果符合常識接下來我們會通過與行業平均數據和本產品的同比環比對比看是否正常，如果不正常就要找原因，設計解決方案，如果正常那就看是否有可以優化的地方。

       

我們首先來看一下這些描述性分析是否符合業務常識和指標是否正常：

       

1.活躍曲線整體為上升狀態，同為周六日，12月2號，3號相比11月25日，26日活躍度更高。

2.用戶在周六周日相比其他時間更活躍

3.一天內用戶活躍的最高峰期為21點

4.從2017年11月15日致2017年12月3日，活躍用戶新增38%

5.從2017年11月15日致2017年12月3日，活躍用戶次日留存增長18.67%，當日的活躍用戶留存也在快速增長，第七日留存比次日留存高18.56%。

6.用戶從瀏覽到購買整體轉化率2.3%

7.用戶從瀏覽到購買的路徑主要有4條，路徑越長轉化率越低。

8.瀏覽量top100的商品瀏覽量呈階梯分布，越靠前的階梯之間的落差相對越大在這個階梯中的商品越少，越靠後商品瀏覽量階梯之間的落差相對越小，同階梯內的商品越多。

9.瀏覽量TOP100的商品所屬類目中，4756105，3607361，4357323三個類目瀏覽量遠超其他類目。

10.從商品看：有17款商品轉化率超過了1。

11.從類目看：這些商品所屬類目分布均勻，除965809，4801426，2735466，2640118，5063620，4789432，2945933這7個類目之外，其他類目都只有一個商品在轉化率TOP100的商品中。

根據以上診斷分析我們梳理出了以下假設，做假設驗證。

       

 

假設1：這些商品中有高轉化率的爆款商品

       

 

對比瀏覽量TOP5的商品，發現這些商品轉化率在同一類目下並不高，假設不成立

 

假設2：4756105，3607361，4357323三個類目屬於高頻剛需類目

-創建類目購買頻次表

       

-計算類目購買頻次平均值

       

-查詢4756105，3607361，4357323三個類目的購買頻次       

4756105，3607361，4357323三個類目的用戶購買頻次明顯高於平均值，假設成立

 

假設3：有部分用戶是未點擊商詳直接從收藏和購物車購買的。

       

用戶不是直接從收藏和購物車購買的，只是後續復購未點擊商詳，假設不成立

 

假設4：淘寶推薦的商品主要是「同一類目下的高轉化商品」

       

用Excel對瀏覽量TOP100的商品ID和轉化率TOP100的商品ID進行去重，結果無重復值，假設不成立

3.結論：

1）用戶活躍：用戶活躍曲線整體呈上升趨勢，在一周中周六，周日活躍度比平時更高，在一天中用戶活躍曲線從凌晨4點開始往上升，在中午12點和下午5~6點有兩個小低谷（吃飯），到晚上9點時活躍度達到頂峰。

 

2）用戶留存：從2017年11月15日致2017年12月3日的用戶留存數據來看，淘寶的用戶留存數據較好，活躍用戶次日留存增長18.67%，當日的活躍用戶留存也在快速增長，第七日留存比次日留存高18.56%。

 

3）用戶轉化：整體轉化2.3%，用戶從瀏覽到購買的路徑主要有4條，路徑越長轉化率越低。

4）平台推薦與用戶偏好：從數據集中的數據來看，排除用戶興趣偏好標簽，淘寶給用戶用戶推送的商品主要是高頻剛需的類目，促使用戶復購，流量迴流平台。

 

以上結論受數據量和數據類型的影響，並不一定準確，僅用來練習數據分析方法。

（考慮到閱讀體驗文章中只放了SQL截圖，如需PDF版本，再公眾號後台回復「用戶行為分析」領取）

『伍』 電子商務發展中的消費者行為分析結論怎麼寫

首先談下背景：來
隨著源信息化建設的不斷深入，電子商務這種形勢已悄然進入大家的生活，。。。。。。。。。
可多可少，你懂的
背景之後，開始陳述，電商如何改變人們的消費習慣和日常購物行為的。
採用舉案例的形式，最後拋出結論，比如在沒電商之前大家是如何購物的，方便與否，有電商後方便在哪裡等等
然後分析，分析這些原因所在（其實很多是商家的行為，比如團購的模式，比如庫巴CEO哭了等等）
電商不是天外來物，他也是依託於人類自身很多東西，比如貪婪，愛佔小便宜等等心裡，其實和「消費者行為學」很多雷同的地方，也有其獨特之處。
建議你買一本經典的消費者行為學，看下，相信會有很多啟發，這個課題不是很難，但是必須有相當的電商經驗和從業人員的角度來分析，我覺得更加透徹。

推薦書籍：消費者行為學第8版 邁克爾R所羅門著
人民大學出版社發行
裡面的格式和各種案例都可以借用，雖然並非電商獨有是市場和營銷上研究的東西

如果是應付導師我覺得夠了~
不清楚站內M我
我是做電商的

『陸』 電商用戶行為分析（二）

由於數據沒有購買金額相關指標，因此本文只分析R和F兩個指標：

R(Recently): 最近一天的購買時間差(以2014-12-18為基準)
F(Frequency): 近期的購買頻率

根據R和F的情況，將R/F分為四組：
R值0-5、6-15、16-23,、24-30分別對應4、3、2、1分
F值1-5、6-10、11-20、21以上分別對應1、2、3、4分

（1）、計算R和F的判斷值：

（2）給不同價值用戶貼上價值標簽

用戶分層結果分析：

重要深耕用戶的比例最高，這部分用戶粘性比較大，可以派發大額度優惠券、大促活動或超低價商品來吸引用戶，提高消費頻率；

重要挽留用戶佔比較大，這種用戶有即將流失的危險，需要主動聯系用戶，對用戶進行調研，調查清楚哪裡出了問題，可以通過簡訊，郵件，APP推送等喚醒客戶，盡可能減少流失；

對於重要價值用戶，消費頻率高且最近消費距離現在時間短，需要傾斜更多資源，給其提供VIP服務或個性化服務；

對於重要喚回用戶，這類用戶忠誠度比較高，可以根據用戶的購買記錄推送用戶偏好的品牌或品類，提高復購率。

結合AARRR模型對用戶生命周期階段進行劃分，因為數據集沒有金額，所以這里也只從R、F兩個維度進行分析：

（1）指標選擇

（2）權重計算

**（3）計算得分排名

（4）周期劃分

給每個用戶打上標簽之後，就可以根據用戶所屬的不同階段，並結合具體情況進行精細化運營；

通過對運營指標、用戶行為、漏斗模型特徵、用戶價值的分析，可得出如下結論：

1、總體運營指標方面：
1）從對流量指標和訂單產生效率指標分析可知，促銷活動對用戶各項指標的影響非常大。
建議：要充分利用好節假日的機會，策劃相關營銷活動，提升用戶活躍度，提高銷售轉化。
2）用戶行為轉化率很低但跳失率卻不高，這說明用戶在首頁進行多次點擊後並未找到中意的商品，有意向-購買轉化率50%，說明有過半數的加購物車最終也沒有成交。
建議：優化產品詳情頁、收藏頁、購物車頁面，可以通過活動、優惠券、倒計時購物車等方式增加客戶購買緊近感，促進用戶下單的利益「誘導。

2、用戶行為特徵：
1）時間上的活躍度特徵：活動日活躍平日平穩；周末活躍平日平穩；晚間活躍白天一般。
建議：營銷活動時間節點選擇可根據用戶以上活躍規律進行，實現活動效果最大化。
2）商品上的活躍度特徵：僅購買一次的用戶佔47%，購買5次以內佔比90%以上，說明留存率很低，結合基於獨立訪客的轉化率來看，運營效果不好。
建議：針對活躍商品和用戶提煉其畫像，分析其背後的需求邏輯，優化商品結構，建立用戶詳細信息庫，通過合適的渠道，進行精準營銷活動推送，提高用戶復購率。
3）購買路徑上的特徵：直接購買佔比58%、瀏覽購佔比47%，用戶並不會走完每一個步驟，商品品質和首頁引導對銷量轉化非常關鍵。
建議：優化商品結構，確保商品品質，提升用戶滿意度；優化首頁界面，減少用戶購物篩選難度，提升下單概率，提升轉化效率。
4）復購率上的特徵：總體復購率53%，可針對復購率高的商品和用戶，分析其畫像，提升復購，增加留存。

3、漏斗模型
通過漏斗模型發現用戶從瀏覽到購買的轉化率低。

建議：
1）優化電商平台的搜索匹配度和推薦策略，主動根據用戶喜好推薦相關的商品，優化商品搜索的准確度和聚合能力，對搜索結果排序優先順序進行優化。
2）商品在詳情頁突出展示用戶感興趣的信息，優化信息呈現的方式，減少用戶的時間成本。
3）從商品本身考慮，根據客戶反饋對商品進行改進優化，增加點擊後的購買率。

4、用戶價值
有購買行為的用戶中，大概有53%的用戶會重復購買，整體上看用戶的忠誠度較高。通過RFM模型對用戶進行分層，分析得到用戶主要集中在重要深耕用戶和重要挽留用戶上。

1）、重要價值客戶僅為6.7%，高價值用戶比例低。
建議：提高重要價值客戶比例，可通過提升重要深耕客戶的購買頻次等方式實現
2）、重要保持客戶64.9%，最近有購買，但是購買次數很少的客戶比例較高。
建議：建立用戶畫像進行深耕，進行精細化個性化運營，刺激消費，轉化為重要價值用戶。
3）、重要挽留/喚回客戶僅為28.5%，這部分客戶已經很久沒有購買了，要防止流失。
建議：分析歷史購買記錄，分析用戶畫像，挖掘需求點，盡可能挽回這部分用戶。