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