我是 hqy
数据分析师

在电商场景中，理解用户是精准营销和提升复购率的基础。本文完整梳理了从数据采集到画像输出的全流程。

数据准备
从 Hive 中提取近 12 个月的用户行为数据，包括浏览、加购、下单、支付等关键事件，经过清洗后得到约 120 万用户的活跃记录。

特征工程
构建了五大维度特征：
• 消费能力：客单价、月消费金额、消费频次
• 活跃度：登录天数、浏览深度、停留时长
• 品类偏好：各品类消费占比、交叉购买率
• 生命周期：最近一次购买距今天数（Recency）
• 忠诚度：复购率、会员等级

建模方法
使用 KMeans 进行分层聚类，通过肘部法则确定最佳簇数 K=5。最终输出五类用户：高价值核心用户、潜力用户、新客、沉睡用户、流失风险用户。

业务成果
画像体系上线后，精准营销 ROI 提升 35%，沉睡用户唤醒率从 8% 提升至 22%。

时间序列预测是数据分析中的经典问题。本文以一家零售企业过去 36 个月的销售数据为例，对比 ARIMA 和 XGBoost 两种建模思路。

ARIMA 方法
通过 ACF/PACF 图确定参数 p=2,d=1,q=2，模型在测试集上的 MAE 为 185 万元，MAPE 约 8.3%。优点是可解释性强，缺点是无法纳入外部特征（促销、节假日等）。

XGBoost 方法
构造了滞后特征（lag_1~lag_3）、滚动统计量（7 日均值、28 日均值）、日期特征（月份、季度、是否节假日）等共计 28 个特征。经调参后 MAE 为 132 万元，MAPE 约 5.7%。

对比结论
XGBoost 在准确率上领先约 30%，且能够捕捉促销、大促等非线性影响。但 ARIMA 在数据量较少（<24 个月）时更稳定，适合作为 baseline 模型。

部署建议
实际生产中选择 XGBoost + ARIMA 的集成方案，使用 Stacking 将两者预测结果作为次级学习器的输入，最终 MAPE 降至 4.9%。

一个好的可视化图表胜过一千行数据表格。本文总结了我在日常工作中积累的可视化经验。

配色原则
• 同一图表不超过 6 种颜色
• 使用色彩明度而非色相来区分主次信息
• 遵循"3:1 对比度"原则确保可读性
• 色盲友好 palette：#0077BB, #33BBEE, #EE7733, #CC3311

布局技巧
• 最重要的指标放在左上角（F 型视觉流）
• 柱状图按数值排序，不要按字母
• 折线图 y 轴从 0 开始，避免夸大趋势
• 饼图不超过 5 个分类，否则改用横向柱状图

交互设计
• Tooltip 显示精确数值而非区间
• 支持钻取下钻（如：年→月→日）
• 保持筛选器与图表的联动响应
• 移动端优先：触屏友好、可缩放

工具推荐
日常快速分析用 Tableau / Power BI，需要定制的看板用 ECharts / D3.js，汇报 PPT 用 Python Matplotlib + 统一主题模板。