项目内容：项目描述：研究2022年4月份新、老用户在购物过程中的复购情况，基于用户的行为数据进行分析，深入了解研究用户 过程中的行为特点，为精准营销提供高质量的目标群体。 项目职责： 1、数据提取和清洗： 使用MySQL从数据集中导出用户行为数据表、用户数据表，字段包含有如浏览商品、加入购物车等，使用 Excel、对数据进行清洗，包括缺失值填补，删除异常值、重复值以确保数据的完整性和准确性； 2、数据分析： 根据需求，确定分析方向、维度和指标，主要维度用户行为数据，指标有用户行为过程、浏览量、下单量等； 用户整体行为分析：基于用户访问数、频次等指标分析整体情况，结合新老用户复购情况对比及环比情况，分析 用户复购率，使用Fine Bi绘制曲线； 新用户行为漏斗分析：使用Fine Bi进行用户行为转化率分析，依据用户行为即浏览、下单、评价、加购、关注指 标，分析哪个行为转化率异常； 新用户购买产品分析：将新用户下单的不同类目产品进行分类，分析其销量并且计算各类目转换率，通过对比之 间的转化率分析产品的销量，进而满足用户需求； 产品评价分析：根据不同类目产品的评价判断产品的受欢迎程度，从而了解不同用户对商品的喜好； 3、结论： 可以发现随着用户行为过程越来越复杂转化率逐步降低，其中浏览到下单转换率下降了2.7%，可以用优惠券，小 礼品等手段引导用户关注； 4月份的复购率下降了3.12%，需要短信提示和优惠活动等手段召唤老用户，提高用户复购率；

项目内容：项目描述：通过对去年销售情况的深度分析，为企业新年营销战略提供依据。对用户信息，产品销售情况，区域等维度 使用多维度分析方法，总结全年销售经验，为来年的销售部署提供数据支持。 项目职责： 1、数据提取和清洗： 通过公司销售数据、评论数据、用户数据、商家店铺数据、商品数据，保证数据的准确性和可靠性，使用Excel、 Python针对数据进行整合，删除不必要字段； 2、数据分析： 销售趋势分析：根据产品各月，各季度的销售情况，分析同环比利用Fine Bi绘制销售曲线，分析销售波动原因。 区域分析：依据产品区域，查看不同区域的产品售卖情况，分析各地区客户渗透率，利用Fine Bi制作可视化看板。 用户生命状态模型：根据用户从新用户到流失用户的生命周期，分析客户忠实度，从而确定客户维护时间； 售后分析：根据售后的好评打分情况，对客服人员服务态度等提出优化建议； RFM模型：根据最近一次购买数量，购买频率，购买金额，将用户分层为三种类别，如“重要价值客户”， “中等价值客户”，“一般价值客户”等，并将不同类别用户通过Fine Bi工具绘制饼图可视化展示，进而确保转化更 多重要价值客户； 3、结论： 通过对2022年销售数据分析，发现对于中等价值客户，消费频率不高和最近消费比较远，可以通过短信方式， 活动优惠券发放等方式挽留用户； 5566店铺评价差评相比平均差评占比较大，查看该店铺的是否客服是否做到位。