前几关的作业是将物流管理岗位与数据分析岗位工作发展与薪酬水平做了比较分析，得出了一定结果。但由于数据集维度不够广泛，后续进行业务分析受到限制，故后续将根据目前工作积累的在线旅行社（OTA）业务数据进行分析。出于信息保密原则，部分信息将被隐

一、提出问题

1. 提出问题OTA数据分析指标

数据分析指标参考下面的思维导图

参考： 1. 社群学院作业 淘宝用户行为数据分析

2. 本次业务分析的问题及适用指标

本次想通过对用户的行为数据分析，解决以下业务问题

（1） 用户从浏览到购买的中整个过程的漏斗转化情况，确定问题点及问题原因

（2） 分析不同流量渠道的转化情况，明确下一步实现订单增加目标的流量投放计划

（3） 分析订单成本与收益，根据阶段计划找准目标群

二、理解数据

1. 数据来源

数据的获取有多个渠道

（1）后台得到的订单数据，数据字段有用户ID，下单时间，订单金额，订单折扣，订单状态，订单城市，订单酒店名称与星级等(数据源由于商业机密需保密)

（2）网站，APP的流量与点击转化情况（数据来自Google analytics 与Adjust）

Google网址：https://analytics.google.com/

2. 本次分析样本为近一个月订单业务数据，分用户数据：注册联系方式，订单联系方式；订单数据：订单号，订单金额，优惠券金额，订单状态；酒店信息：所在城市和星级等

三、数据清洗

将未成交状态订单剔除，针对成交订单进行分析

四、构建模型

1. 点击及转化分析

解决问题：用户从进入主页到搜索到最终购买的转化，确定关键点位置，提出改善转化率的意见。

用户行为包括搜索，选择酒店，选择房型，使用优惠，确认订单，付款，成交

用户点击行为行为漏斗图

制作漏斗图的过程可参考教程：http://www.ittribalwo.com/article/4171.html

关键节点问题原因：

搜索落地页访问人数（漏斗图中无，另外统计）/搜索按钮过低：网页的跳转速度可能有问题，用户无法加载所以直接关闭网页

确认按钮点击/使用优惠码按钮（漏斗图中无，另外统计）过低：价格不具备优势，高于竞品价格或达不到用户心中预期

支付成功/支付按钮点击过低：支付网关跳转或回传有问题，涉及到技术问题

2.用户行为模式分析

研究最近一个月用户最活跃的日期以及近期用户每日活跃的时间段及流量渠道

（1）用户访问量

业务主要投放设备为PC, msite, App, 相比PC， msite的流量较大，且可追踪，故对msite的用户流量进行分析。

从图中可见3月25日到3月28日用户访问激增达到高峰，随后开始下降。从4月2日起开始逐步回升，10号开始下落，从11号开始访问流量波动起伏不定。

将3月26日到3月28日与3月31日到4月2日的页面独立访问用户细分到来源渠道对比来看，流量的减少来自于Google/cpc 与direct/none 流量的减少。因为从三月底起业务开始了google cpc的投放，吸引了一部分外部流量进入，持续几天后又暂停投放，造成CPC端带来流量降低。Direct/none 为直接搜索流量，对direct/none 数据再次细分维度，按照”previous path method”查看可以看出，大部分direct流量来自“entance”,谷歌查了定义后发现，这部分流量为用户直接搜索或者通过直连链接进度落地页。来自于“/”的为主站跳转至酒店站点的用户（算内部流量引流吧）。但是流量的起伏与msitede 订单量变化趋势并不一致，因为不同的渠道转化效果并不一样，换言之，流量减少的渠道可能带来的转化效果并不怎么样，业务还是依靠某一主要渠道，这就是Google cpc 渠道被砍掉的原因，欸~。

故对重要的流量渠道再做一次分析

（2） 渠道流量分析

从图中可看出流量主要来自三大渠道，direct, SMS与Google CPC。通过最近两个周度的对比可以明显看出Google cpc 带来的流量本周度相比上周下降明显，而SMS带来的流量本周明显激增，direct 流量则相对稳定。这背后存在着业务是推广手段的变化，上周由于采用市场投放，付费引入了google cpc带来的流量，因转化率原因，本周暂停投放给，而采用SMS推广手段（短信营销内容加m站网址），故本周SMS带来了相当可观的msite流量。而direct 由于是用户群体自然搜索或者点击直接链接带来的流量，相对稳定。这三类区道中，direct流量带来的转化最高，其次是SMS，其次是google CPC,就成本而言，SMS 相比google cpc动辄XXX美金的成本要划算很多。

（3）用户活跃时间段如何知道网页每天那些时间段活跃的用户最多，方便指导知道后续的业务计划。在Google analytics 可以通过自建报表来监控。可先选取最近的一段日期，在左侧custom 新建报表，选取page与hour 两个维度，建成自动报表。

从报表中可看出，主页的活跃访问时间段按访问量从高到低排序，分别是13点，12点，14点与15点

3. 用户订购偏好模型

用户年龄，性别，地区，星级，客单价

用户年龄，性别，兴趣，地区可直接从google analytic 中查看

酒店星级分布将业务数据经数据透视如下

可见两星与三星酒店是大多数用户的选择

客单价与成本涉及商业机密，不过多说明，每一期策略调整后，客单价与成本，折扣率都会有所变化。

五、结论

通过分析了用户的行为：访问转化行为与购买行为后，得到了一些总结

1. 从用户点击与转化来看，首先漏斗的分布不太合理，支付按钮居然大于确认，可能存在数据埋点问题或者支付技术问题

2. 支付成功率很低：存在相关技术问题

3. 从预定到确认的转化率也不高，说明在房型详细介绍页面的美观交互友好性上，价格优势上需要改善

4. 从用户流量渠道来看，不同推广手段手段都会影响流量的变化，前期可采用一些性价比较高的推广手段，不断试错且成本可控。Direct流量的转化率相当高，若能注重品牌宣传，培养一批忠实用户也相当不错

5. 用户喜欢在12点——下午三点之间活跃，此时可做一些小推送营销（您们订酒店都是下午吗，上午和晚上在干嘛）

6.用户喜欢选择二星和三星的酒店，业务上可加强与这一类型的酒店合作，增加酒店库存