隨著研究的深入，14年逐步摸索并總結出了這個理論——電商大象圖理論，算是獨創吧，分享出來，有興趣的可以參考。

13年開始，電商搞起愈來愈火的大促，京東的618，天貓的雙11，到現在發展成全體網民的購物狂歡節。作為數據產品經理，自然也進行了成體系的業務分析，包括用戶行為探查。

隨著研究的深入，14年逐步摸索并總結出了這個理論——電商大象圖理論，算是獨創吧，分享出來，有興趣的可以參考。

看懂大象圖

電商中用戶行為，特別是用戶瀏覽和購買行為，是具有鮮明的時點特征的，我用大象圖來解析。

那么什么是大象圖呢？

大家看一張圖：

沿著大象鼻子、頭、背部、尾巴這個順序畫下來，就會得到一條曲線，這條曲線就是大象圖的理論來源。

那這和用戶分析有什么關系呢？

大家看一下下面的圖，第一張是2014年一個正常工作日的用戶訂單量曲線：

第二張是某年大促的全站用戶PV曲線：

這一天內0-24點的用戶行為曲線，是不是和的大象的輪廓曲線非常象？

對，這就是大象圖的這個名字的由來。橫軸是時間，而且是剛好0-24點，縱軸是常用的用戶行為指標。

那怎么理解呢？

一張圖說明：

以上是對于上班族的用戶場景分析，當然可以針對不同的用戶群做出不一樣的場景案例，讀者可以舉一反三對照分析。

分解大象圖

下圖的豎線是切分線，把一頭大象分成象鼻、象頭、軀干、象尾四部分，下面逐一來分解這頭大象吧。

象鼻

象鼻對應時間0-8點，人們一般理解，0點到8點，都在睡覺，這些時間點不用重視。這可不一定哦，要知道有兩類人恰恰是這個時間段最活躍，我叫他們為“夜貓子”和“早起鳥”。

夜貓子就像貓頭鷹，越是夜深人靜，越是出來活動，其實他們的活躍時間在前一天23點到第二天2點之間。由于象鼻是從0點開始看的，23~0點的用戶行為可以在象尾部分去分析。

早起鳥，顧名思義，早起的鳥兒有蟲吃。5點~8點，我知道北上廣上班的，有的跨半座城，所以有人起的比較早。

早起鳥也可以分兩個行為：

• 一種是睡醒了還沒起，迷迷糊糊的，刷刷手機嘛，刷著刷著就清醒了
• 還有一種是乘坐公共交通工具的，公交地鐵，路上沒事干，就掏出手機了。

其實還有一類人，就是2點到5點之間，按正常邏輯，這個時間點都是睡覺時間，應該數據極小才對吧？

這要放在2015年前說還靠譜，2015年后，分析發現，數據變了。最大的變化是移動流量超過PC流量，用手機買買買成為主流，手機太方便啦！值夜班的，像護士、小區保安、24h營業店、還有夜店，以及咱們不方便說的工種，誰都有購物需求是不？

那好的象鼻子應該是什么形狀呢，下面四種曲線哪個好呢？

留給看官思考吧，劇透：不是單選題，是場景對號入座題。

對于象鼻的分析，側重分析其興奮點，購物背景往往比較單一，他們的瀏覽偏好、購買行為、性別差異和白天是不一樣的。

象頭

8~12點的用戶行為特征很突出，PC流量占比快速上升，上班族發力了，他們才是網購的主力軍。大家都知道，電商在10點是個爆點，營銷活動也是這個時間點最關鍵，如果10點沒爆，后面的時間，也很難拉起來，所以爆點一定要打出來。

其實這么說不嚴謹，要排除一種情況。大促往往0點開始，這個時間是特殊情況，流量和訂單瞬間到達峰值，會比10點高很多。另外有的電商會憋單，積攢幾天甚至十幾天的訂單，在0點一下釋放出來，這個數據是人為操控的，我們要另行分析。

四年觀察下來，10點確實是個很神奇的時間：

有興趣的可以研究一下，為什么選10點作為營銷發力點，而不是9點，不是10點半？這里不展開了。

軀干

軀干對應時間是12~18點之間，就是電商活動的下午場。

軀干的形態是很多的，一方面是受促銷活動的影響，另一方面和用戶群行為特征相關。如果排除營銷活動導流的流量和訂單，軀干圖應該是比較平緩的。那出現以下圖形是什么原因呢？

下午時間段，純自然的用戶行為就會形成單峰。如果下午場有一波促銷活動，封頂會拉高。雙峰，是有兩波促銷活動。那有沒有三峰，或四峰呢？

根據這幾年的觀察，極少。

為什么？

做營銷活動，目的就是引流+轉化，而且期望吸引用戶能花更多時間在網站上，這樣營銷的效果可以持續。這樣一分析，一場活動得持續維持熱度（faint，打熱度，非得給我出reduce，輸入法過于聰明也不是好事……），也就是說，軀干的峰頂越平緩越好，如果有兩波促銷，甚至兩個封頂能疊加起來，形成單峰圖，這樣效果也是不錯的。

所以在設計營銷方案的時候，一方面是能持續吸引用戶過來，另一方面希望用戶訪問深度不宜太淺，否則看一眼或者買完就走了，效果就會大打折扣。

那訪問深度越深越好嗎？

非也。其實在實體店，就有這樣一種群體，就喜歡逛，但就是不花錢，有的是心情不好逛店散心的，有的是無聊，純粹為了打發時間。電商也一樣，如果就是從sku A跳到sku B，然后進搜索頁，然后列表頁，然后又是商詳頁，就是沒有到購物車的這步，雖然訪問深度很深，但是沒有轉化。所以好的營銷活動，應該既能促進轉化，又能交叉引流。

懸崖形的軀干圖，經常見到。如果是搶購類活動，為了激發購物沖動，就得設置截止時間。一旦活動結束，流量突降，形成懸崖。有時候幾場活動截止點都一樣，懸崖就會更陡峭。

滑雪場形，往往是營銷方案或者引流力度不夠，無法拉升流量和下單，導致持續下降，直至回歸自然狀態。

其實下班前做一輪促銷，效果也是不錯的，不過要兼顧不同的用戶群。上班族的用戶特征也是有區別的，有的企業有穩定上下班時間，有的互聯網企業半夜還燈火通明。

象尾

象尾重不重要？

再回顧一下完整的曲線圖：

象尾對應的是沙發時間，還有夜貓子。

近幾年占領客廳的聲音可是不少，從數據上看，晚上下單量占比有逐漸增多的趨勢。搶占客廳，主要目標還是搶占用戶的時間，進而促進轉化。不過目前通過電視下單的比例很小，主要還是手機端。

晚上10-12點，是夜貓子的天下，有個很有趣的現象，PV一般，但是轉化率高，有興趣的可以研究一下。難道是睡前來一單，勝過活神仙？

象群分析

電商對用戶有用戶畫像，有用戶分群，對商品有商品品類，有品牌分析，其實大象圖也有分群分析。

不同用戶群、不同商品、不同營銷類型，可以在大象圖上有不同的反映，這時候就可以用象群分析。象群分析更側重用戶行為分析，比如群體用戶行為，用戶應激特征，行為時點差異性等。

可以做時間維度的同環比。同比，和去年同期比、環比，和昨天比，和上周比，和上月比等。

擴展開來，維度可以靈活選取，只要關聯得上就能做出象群。

象群分析可以有無限想象的空間，只要切換維度，就可以分化出n多分析視角，例如：

• 用戶方面：用戶年齡段，用戶性別，用戶級別，用戶地域，如一二線城市對比三線以下，用戶營銷活動ID應激性等，如果有用戶畫像數據，這些屬性多達幾百個；
• 商品類：單品sku，品類，品牌，商品的各種擴展屬性都可以進行分析，如電腦，就可以看整機類型，處理器，操作系統，分辨率，顯卡類型等，這些隨便到一個電商網站的列表頁，都可以看得到；
• 流量類：終端類型，流量來源，渠道等等；
• 企業管理類：結合業務部門的具體業務模式進行分析，這里面就有太多玩法，不展開了。

結語

大象圖僅僅是個形象點的比喻， 更多的是拋出一個思維模式，在電商分析方面引出一些探討點，尤其大數據從離線到實時的技術性變革中，大象圖能發揮更多作用。一些更深度的應用和實操，就需要結合具體業務和需求去開展了。

作者：劉榮明?????? 微信公眾號：大數據產品Raman談，持續更新中

題圖來自 Pixabay，基于 CC0 協議