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, U002date行为日期2024-01-15action行为类型view, add_cart, purchaseplatform平台来源app, web, mini_program

可选字段#

字段名说明product_id商品IDcategory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#

text

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#

text

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#

text

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：

1. 执行摘要 - 核心发现和关键指标
2. 趋势图表 - 可视化活跃度变化
3. 数据洞察 - 深度分析和原因解读
4. 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