电商用户行为分析 - 活跃度趋势追踪与可视化图表生成
---
name: user-behavior-analytics
description: 电商用户行为分析 - 活跃度趋势追踪与可视化图表生成
metadata:
openclaw:
requires: {}
install: []
---
# 电商用户行为分析
分析电商平台的用户购物行为数据,追踪用户活跃度趋势,生成可视化图表和洞察报告。
## 功能特性
### 1. 活跃度趋势分析
- DAU/MAU 趋势追踪
- 活跃用户增长率
- 用户活跃周期识别
- 回流用户分析
### 2. 可视化图表生成
- 折线图:活跃度趋势
- 柱状图:每日/周/月活跃对比
- 热力图:用户活跃时段分布
- 漏斗图:活跃度层级转化
### 3. 行为洞察
- 活跃度异常波动预警
- 高活跃用户特征识别
- 流失风险用户标记
- 活跃度提升建议
## 使用方法
### 数据输入格式
支持以下数据格式:
- CSV 文件(推荐)
- Excel 文件
- JSON 格式
### 必需字段
| 字段名 | 说明 | 示例 |
|--------|------|------|
| user_id | 用户唯一标识 | U001, U002 |
| date | 行为日期 | 2024-01-15 |
| action | 行为类型 | view, add_cart, purchase |
| platform | 平台来源 | app, web, mini_program |
### 可选字段
| 字段名 | 说明 |
|--------|------|
| product_id | 商品ID |
| category | 商品类目 |
| amount | 交易金额 |
| session_duration | 会话时长 |
## 使用示例
### 示例 1:分析月度活跃度趋势
```
请分析这份数据的用户活跃度趋势,按周汇总,生成趋势图
```
输出:
- 周活跃用户趋势折线图
- 峰值/谷值标注
- 异常波动说明
### 示例 2:识别高价值活跃用户
```
找出活跃度前20%的用户,分析他们的行为特征
```
输出:
- 高活跃用户行为模式
- 活跃时段偏好
- 购买转化率对比
### 示例 3:活跃度预警
```
最近一周活跃度下降明显,帮我分析原因
```
输出:
- 下降幅度量化
- 可能原因分析
- 改进建议
## 分析维度
### 时间维度
- 日/周/月活跃度
- 同比/环比分析
- 季节性规律
### 用户维度
- 新老用户活跃对比
- 用户分层活跃度
- 渠道来源活跃度
### 行为维度
- 浏览活跃度
- 加购活跃度
- 购买活跃度
- 复购活跃度
## 输出报告
分析完成后,将生成包含以下内容的报告:
1. **执行摘要** - 核心发现和关键指标
2. **趋势图表** - 可视化活跃度变化
3. **数据洞察** - 深度分析和原因解读
4. **行动建议** - 可执行的优化策略
## 适用场景
- 电商运营团队日常监控
- 用户增长策略制定
- 活动效果评估
- 用户流失预警
- 产品迭代效果验证
## 注意事项
- 数据量建议:1万-100万条记录效果最佳
- 时间跨度:建议至少7天,最佳为30天以上
- 数据隐私:不存储用户原始数据,仅输出分析结果
don't have the plugin yet? install it then click "run inline in claude" again.