项目结项汇报（2018.1.5）.pptx

2018年1月;目录;1 项目背景;项目内容;2. 技术路线;2.2 数据采集埋点设计;2.3 RFM综合分群;RFM综合分群的描述;RFM综合评分模型;2.4 RFM动态分析;RFM动态分析—评分变化;2.5 基于RFM模型的用户行为分析;目录;3.1用户画像分析;3.1.1画像分析——全国用户城市分布;3.1.2画像分析——用户年龄分布;3.1.3画像分析—用户性别比例;3.1.4 画像分析——RFM维度的四分位数;3.1.5画像分析—上海用户分群结构;3.1.6画像分析—上海用户分群的性别对比;3.1.7画像分析—上海用户分群的年龄对比;目录;3.2.1 出行时间分布 ---工作日、节假日订单占比;3.2.1分时段的订单总数;3.2.1 分时段的日均订单数、日均查看网点数;3.2.2 网点分析 --- 每个订单的平均查看网点次数;在早晚高峰，机场、虹桥火车站的需求数普遍20多倍于订单数。 ;3.2.3选车偏好 – 续航里程分布;3.2.3选车偏好——车型偏好;3.2.3 选车偏好——清洁距今的天数;3.2.3 选车偏好 --- 价格占比;3.2.3 选车偏好——用户确定预约时的人车距离;3.2.4 取消预约类型的占比分析;3.2.4 不同用户群的取消预约类型占比分析;3.2.4 手动取消预约的原因占比分析;3.2.5用车后的评价星级占比、追评率;3.2.5 用车后评价标签的统计分析;3.2.6 优惠券使用分析;3.2.6 优惠券的使用天数分析;3.2.7使用优惠券的金额分析;3.2.6 优惠券的使用天数分析;3.2.6 频次级别提升用户的优惠券金额分析;目录;3.3 用车流程转化分析;总体用户的事件累积转化率;用车各步骤的事件累积转化率;“变差”用户的转化率分析;“变好”用户的转化率分析;车型故障率分析;还车检测失败原因分析;4. 下一步建议;