whyzsm 电商用户行为分析
分析电商平台的用户购物行为数据，追踪用户活跃度趋势，生成可视化图表和洞察报告。
功能特性
1. 活跃度趋势分析
- DAU/MAU 趋势追踪
- 活跃用户增长率
- 用户活跃周期识别
- 回流用户分析
2. 可视化图表生成
- 折线图：活跃度趋势
- 柱状图：每日/周/月活跃对比
- 热力图：用户活跃时段分布
- 漏斗图：活跃度层级转化
3. 行为洞察
- 活跃度异常波动预警
- 高活跃用户特征识别
- 流失风险用户标记
- 活跃度提升建议
使用方法
数据输入格式
支持以下数据格式：
- CSV 文件（推荐）
- Excel 文件
- JSON 格式
必需字段
| 字段名 | 说明 | 示例 |
|---|---|---|
| user_id | 用户唯一标识 | U001, U002 |
| date | 行为日期 | 2024-01-15 |
| action | 行为类型 | view, add_cart, purchase |
| platform | 平台来源 | app, web, mini_program |
可选字段
| 字段名 | 说明 |
|---|---|
| product_id | 商品ID |
| category | 商品类目 |
| amount | 交易金额 |
| session_duration | 会话时长 |
使用示例
示例 1：分析月度活跃度趋势
请分析这份数据的用户活跃度趋势，按周汇总，生成趋势图
输出：
- 周活跃用户趋势折线图
- 峰值/谷值标注
- 异常波动说明
示例 2：识别高价值活跃用户
找出活跃度前20%的用户，分析他们的行为特征
输出：
- 高活跃用户行为模式
- 活跃时段偏好
- 购买转化率对比
示例 3：活跃度预警
最近一周活跃度下降明显，帮我分析原因
输出：
- 下降幅度量化
- 可能原因分析
- 改进建议
分析维度
时间维度
- 日/周/月活跃度
- 同比/环比分析
- 季节性规律
用户维度
- 新老用户活跃对比
- 用户分层活跃度
- 渠道来源活跃度
行为维度
- 浏览活跃度
- 加购活跃度
- 购买活跃度
- 复购活跃度
输出报告
分析完成后，将生成包含以下内容的报告：
- 执行摘要 - 核心发现和关键指标
- 趋势图表 - 可视化活跃度变化
- 数据洞察 - 深度分析和原因解读
- 行动建议 - 可执行的优化策略
适用场景
- 电商运营团队日常监控
- 用户增长策略制定
- 活动效果评估
- 用户流失预警
- 产品迭代效果验证
注意事项
- 数据量建议：1万-100万条记录效果最佳
- 时间跨度：建议至少7天，最佳为30天以上
- 数据隐私：不存储用户原始数据，仅输出分析结果