项目介绍

项目介绍：电商用户行为数据可视化分析

小象实战讲义 · ECharts 数据可视化

欢迎来到课程的最后一章！在前面的学习中，我们已经掌握了使用 ECharts 和 pyecharts 绘制各类交互式图表、地图以及进行图表组合的技能。本章，我们将把这些知识融会贯通，通过一个完整的“电商用户行为分析”综合项目，从数据分析到可视化呈现，最终制作一个集成的数据大屏，完成一次从数据到洞察再到展示的完整实战。

💡 核心导读

• 项目目标：分析电商用户行为数据，通过可视化图表探索用户行为规律，并最终将分析结果整合到一个数据大屏中进行集中展示。
• 分析框架：借鉴“人、货、场”的新零售分析思路，并结合项目特点，调整为“用户、商品、行为”三个核心分析维度。
• 可视化蓝图：围绕三个分析维度，规划了7个具体的可视化分析点，每个分析点对应一张 ECharts 图表。
• 最终成果：将7张分析图表有机地布局在一个网页中，形成一个可供业务方直观查看和交互的数据大屏。

一、项目背景与目标

在电商领域，用户的每一次操作都蕴含着丰富的信息。通常，一个完整的线上购物旅程会经历四个基本环节：

1. 点击：浏览商品详情页。
2. 收藏：将感兴趣的商品加入收藏夹。
3. 加入购物车：将商品放入购物车。
4. 支付：完成订单支付。

这四个行为构成了用户从认知到最终转化的关键路径。通过分析这些行为数据，我们可以探索用户的购物习惯、商品偏好以及转化过程中的瓶颈，从而为制定更精准的营销策略、优化产品功能、提升销售额提供数据支持。

因此，本项目的核心目标有两个：

1. 可视化分析：使用 pyecharts 制作一系列图表，对用户的点击、收藏、加购、支付行为进行多维度可视化分析。
2. 大屏展示：将所有分析图表整合到一个网页中，制作成一个布局清晰、信息集中的数据大屏，用于成果汇报或日常监控。

二、确立分析思路：“人、货、场”框架的借鉴

在开始任何数据分析项目前，建立一个清晰、全面的分析框架至关重要。这能确保我们的分析覆盖关键维度，避免遗漏。本项目借鉴了“新零售”领域经典的“人、货、场”分析框架。

• 人 (People)：指参与交易的主体。在传统零售中包括消费者和供应商。在我们的电商项目中，“人”特指消费者，即用户。
• 货 (Product)：指交易的商品。我们需要分析哪些商品或商品类别更受欢迎。
• 场 (Place)：指交易发生的场景或平台。在新零售中可能包括线上APP、线下门店等。由于我们的数据来源于单一平台（如淘宝APP），“场”是固定的。因此，我们将这个维度的分析重点转移到用户在固定场景下的行为序列与转化上。

基于此，我们构建了适用于本项目的三维分析框架：用户维度、商品维度、行为维度。

三、三维分析框架与可视化规划

围绕“用户、商品、行为”三个维度，我们细化了具体的分析问题，并为每个问题规划了对应的可视化图表。

1. 用户维度分析

聚焦于用户群体的整体行为模式。

• 分析点1：用户流量随时间如何变化？
  • 日级流量：观察一个月内，每日的用户访问量（PV）和独立用户数（UV）变化趋势，识别流量高峰日（如促销日）。
  • 可视化图表：双Y轴折线图，一条线代表日PV，另一条线代表日UV。
  • 小时级流量：分析一天24小时内，哪些时段是用户活跃高峰期。
  • 可视化图表：双Y轴折线图，展示小时PV和UV。
• 分析点2：用户的购买力分布如何？
  • 分析不同购买次数的用户数量分布，识别核心用户群体与大众用户群体。
  • 可视化图表：柱状图，展示“购买次数区间”与“用户数量”的分布。

2. 商品维度分析

聚焦于商品本身的吸引力。

• 分析点3：哪些商品类别最受关注？
  • 统计被点击次数最多的前10个商品类别。
  • 可视化图表：饼图，直观展示各类别的点击量占比。
• 分析点4：哪些具体商品最热门？
  • 统计被点击次数最多的前10个具体商品。
  • 可视化图表：饼图，展示Top10商品的点击量占比。

3. 行为维度分析

聚焦于用户从浏览到购买的行为转化路径。

• 分析点5：用户在各行为环节的转化率如何？
  • 分析从“点击”到“收藏/加购”，再到“支付”的转化漏斗，定位用户流失的主要环节。
  • 可视化图表：漏斗图，清晰展示各环节的用户留存与流失比例。
• 分析点6：如何对用户进行价值分层？
  • 运用简单的RFM模型（最近一次消费时间-Recency，消费频率-Frequency），将用户划分为“重要价值客户”、“重要发展客户”等不同群体，以便差异化运营。
  • 可视化图表：环形饼图，展示不同价值层级用户的占比。

总计，我们将制作7张核心分析图表，它们共同构成了对电商用户行为的立体画像。在后续章节中，我们将逐步完成数据准备、每张图表的编码实现，并最终将它们布局到数据大屏中。

📝 动手练一练

1. 思考题：除了我们提到的“日流量”折线图和“购买次数分布”柱状图，在“用户维度”下，还可以用哪种图表类型来分析不同年龄段用户的购买金额差异？为什么？

   点击查看参考答案

   可以使用分组柱状图或堆叠柱状图。

   • 分组柱状图：将不同年龄段的用户分组，在每个组内并列显示“平均购买金额”等指标，便于横向比较不同年龄段之间的差异。
   • 堆叠柱状图：如果还想看每个年龄段内，不同产品类别的金额构成，则可以使用堆叠柱状图。 为什么不用折线图？ 因为年龄段是分类数据，而非连续的时间序列数据，用折线图会错误地暗示数据点之间存在连续的顺序关系。

2. 规划题：假设你要为一家外卖平台设计一个分析“骑手配送效率”的数据大屏，你会从哪几个核心维度（类似“人、货、场”）来规划分析内容？并为每个维度列举1个你想通过图表展示的分析点。

   点击查看参考答案

   可能的分析框架：

   • 骑手维度（人）：
     • 分析点：不同骑手的日均接单量分布（柱状图）。
     • 分析点：骑手平均配送时长与用户评分的关系（散点图或热力图）。
   • 订单维度（货）：
     • 分析点：不同时段（早、中、晚、夜宵）的订单量变化（折线图）。
     • 分析点：热门配送区域的订单密度（地图）。
   • 效率维度（场/过程）：
     • 分析点：订单从“接单”到“送达”各环节的耗时漏斗（漏斗图或甘特图）。
     • 分析点：不同天气条件下的平均配送时长对比（分组柱状图）。

本章小结

本节我们开启了综合项目的序幕，明确了项目的商业背景与分析目标。更重要的是，我们学习并实践了如何为数据分析项目搭建一个结构化的分析框架。借鉴“人、货、场”思路并将其适配到具体项目（用户、商品、行为），是确保分析全面、高效的关键第一步。基于此框架，我们规划了7个具体的可视化分析任务，为后续的实战编码绘制了清晰的蓝图。

📋 行动清单

• 理解电商用户“点击、收藏、加购、支付”四个核心行为及其分析价值。
• 掌握“人、货、场”（适配为“用户、商品、行为”）三维分析框架的构建方法。
• 明确本项目7个分析点及其对应的图表类型，在脑海中初步构建数据大屏的布局想象。

—— 小象教研组