User Behavior Analytics

---
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
---

# 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