下单前用户行为分析（二）：基本统计指标

指标计算是最基本的统计方法之一，它用少数综合变量去概括总体数据的特征，最常见有均值、方差。以上次的淘宝用户数据为例，介绍与此相关的一些重要指标。

这是基于本数据能做的基本指标概要，虽然是电商用户数据，但可以作为其它平台的用户分析参考，结合平台特点、数据特点和实际需求稍加修改，大同小异而已。

以上指标按需通过计算和作图实现，工具为tableau（excel辅助）。成品如下，以呈现为主，图形的意思会说明，但具体能得出什么结论，请读者自行分析。

dashboard1：整体情况
内容描述：通过时间筛选按钮，可分别呈现此期的用户、商品、订单情况。
比如这里切到的界面表示，在2014年12月8日这天，
1.共有1551名用户有购买行为，涉及2959种商品，总订单数为3419；
2.考虑全体用户，每100人逛淘宝的，大概有59个人会买东西，这59人里平均每人下单数为2.424。
3.用户价值、商品价值相对比较分散，个体间差别不大，没有表现特别突出的“王牌用户”和“王牌商品”。
4.本日下单数最多的是id为122338823的用户，他下了40单；本日卖的最好的商品id是251509131，总共卖了13件。

dashboard2：PV、UV分析
内容描述：可以知道任意某天任意某时的用户4种行为的在线情况。
这里勾选了1和4，分别代表商品主页和商品购买，时间从11月18日到12月7日。
很明显，这段时间内看的用户占绝大多数，下单的只有一少部分。
上半夜是逛淘宝的高峰期，凌晨是低谷，其它时间比较均匀。
每一天的流量比较稳定，PV在300k到400k之间，UV在6k左右上下浮动

dashboard3：留存、复购分析
因为我们选取的只是一部分，用户并不是从时间窗口的第一天11月18日开始累积的。所以大家看着个页面的图会很奇怪，为便于理解请直接把这天的新增当前期累计看。
下面一张图表示每日新增的下单用户数，明显用户增长越来越慢。
上面一张图表示每日新增用户N周后的回购情况，人数多少用雪花大小表示，从纵向看，雪花没有明显变小，说明用户会购率非常高，基本一周内会再次下单。
这两张图有个对应关系，下图条形与上图底排的雪花表示的意义、数量完全一致，即某天新增下单的人数＝某天新增下单的人在当天发生购买的人数（再次下单的时间差为0）。

仪表盘的信息是经过高度浓缩的，虽然最后呈现出来的只有3张，但实际上内里包含超过20的前期准备。
数据分析是一个不断推翻的过程，最后的模型或是图形，往往是我们做个很多个，经过比较后留下的最优结果。
tableau做可视化的一个好处是：界面是交互的，图形是动态的。
以上内容已上传tableau public，供参考。