[2018年最新整理]京东商城数据分析报表.docVIP

分析目的：按照流量和销量做促销计划，增加销量和回头率，以及客户忠诚度分析 数据清洗： 导入表后我们发现时间哪一列是乱码，对时间重新编码—时间2， 3月30 ，删除 13344 6181 6074 51 70 9859 50 193.31 197.18 1.02 0.82% 0.83% 对于下单金额的几个小数，做整数处理对结果影响不大 做时间序列图，看出3.30号，有一个点畸形高，而后面的销量不高，在作图中会影响我们的精度等，我们可以做单独处理。有两可能1，数据错误，2，做了广告或促销，效果不好。转化率不高！3.可能和周末有关，并且不知道你们做的什么销售，对于产品不好把握。只是在数据层面分析，不好建议 去掉3.30号的数据后。3.8与3.9可能因为过节的访问量比较高 3.8妇女节，3.9号母亲节。 访问有所上升！与促销有光 回归分析:访客次数 与 访客数 回归方程为 访客次数 = 51.0 + 1.03 访客数 说明回头客只有3% 自变量 系数 系数标准误 T P 常量 51.04 21.97 2.32 0.026 访客数 1.03399 0.01192 86.78 0.000 P0.05说明拟合的很好，我们做分析时可以用访客次数 代替 访客数 S = 26.7959 R-Sq = 99.5% R-Sq（调整） = 99.5% 方差分析 来源 自由度 SS MS F P 回归 1 5407138 5407138 7530.61 0.000 残差误差 35 25131 718 合计 36 5432269 异常观测值 拟合值 标准化 观测值 访客数 访客次数 拟合值 标准误 残差 残差 26 858 899.00 938.20 12.13 -39.20 -1.64 X 30 2909 3021.00 3058.91 13.86 -37.91 -1.65 X 33 2728 2817.00 2871.76 11.83 -54.76 -2.28RX R 表示此观测值含有大的标准化残差 X 表示受 X 值影响很大的观测值。 基本上的访客数=访客次数，所以他们拟合的很好 访客次数 = 51.0 + 1.03 访客数 如果这样看的话，你们的忠实顾客与回头客很少 也就是说， 流量与顾客转化率，之间没有明显的线性相关关系。 转化率流量，没明显的关系， 客单量：一个顾客购物的数量：接近1的情况下 平均订单金额=客单价 ：由商品的价格决定 你们可以增加，主要产品的周边，附属产品，增值产品，服务 后面还有一些没有分析完毕，你先看看吧，，，有时间会补上……… 主要指标都呈一个下降趋势： 分别比较 回归分析:访客次数 与 流量 回归方程为 访客次数 = 469 + 0.417 流量 自变量 系数 系数标准误 T P 常量 468.6 147.8 3.17 0.003 流量 0.41660 0.04141 10.06 0.000 S = 199.691 R-Sq = 74.3% R-Sq（调整） = 73.6% 可以看出，虽然流量大会带来大的访客次数 方差分析 来源 自由度 SS MS F P 回归 1 4036599 4036599 101.23 0.000 残差误差 35 1395670 39876 合计 36 5432269 P 0.027说明回归性还是表明显！ 异常观测值 拟合值 标准化 观测值 流量 访客次数 拟合值 标准误 残差 残差 9 5554 2106.0 2782.4 91.9 -676.4 -3.82RX 26 1256 899.0 991.8 97.8 -92.8 -0.53 X 30 4791 3021.0 2464.5 63.4 556.5 2.94R 33 4484 2817.0 233