执行摘要#
建议：Olist 的增长瓶颈不在"顾客不买"，而在"买一次就流失"——复购率仅 3.00% 是最值得投入的杠杆；履约端运输 9.3 天是唯一有优化空间的环节。
三条核心结论：
- 留存是最大增长杠杆：93,358 位用户中仅 2,801 位购买 2 次及以上，复购率 3.00%；复购窗口集中在首单后 30–90 天，错过窗口即永久流失。
- 运输是履约端唯一可优化环节：下单到送达全程 12.6 天中运输占 9.3 天；P95 送达 20.5 天直接制造 11.51% 的 1 星差评，负体验再反压复购。
- 用户资产高度集中：RFM 八分群中 Champions 的 GMV 占比显著高于人数占比，At Risk（曾高频、现不活跃）仍贡献大量 GMV——召回成本低于获客成本，召回优先级最高。
策略与收益：新客首单后 30 天内建立 7/15/25 三次触达节奏，运输时效谈 SLA 并对 P95 超长等待主动补偿，按 RFM 分层召回；按 README 估算口径，四项策略合计约 R$700K+（均为估算、非实测，明细见「综合策略与收益预估」）。
背景与问题定义#
Olist 是巴西最大的电商平台之一，连接巴西各地的卖家与买家。数据集覆盖 2016.9–2018.10：约 10 万笔订单、96,096 位用户。分析要回答四个业务问题：
- 平台当前运营状况如何？（订单规模、用户行为、履约效率）
- 用户流失的瓶颈在哪里？（转化问题？履约问题？还是复购问题？）
- 如何提升 GMV？（优先投入哪些策略、预期收益多少？）
- 不同用户群体如何差异化运营？（谁值得重点维护、谁需要召回？）
数据与口径#
- 范围：数据集全部订单、用户、履约、评价与支付字段。
- 用户级口径：用户级指标统一用
customer_unique_id——用订单口径复购率会失真，发现 1 的可靠性系于这个口径。 - 实现：四阶段分析以 DuckDB SQL 与 Pandas 双实现，另用纯 SQL（窗口函数 / 多层 CTE / 多表 JOIN / PIVOT / 分位数）从零复刻一遍，逐项对账一致（详见「可信度验证」）。
分析框架：从总到分#
把 GMV 拆成"获客 → 履约 → 复购"三个环节，每个环节用一个视图回答，顺序即理由：
- 履约漏斗——损耗在哪？先定位断点再谈优化，而不是平均用力。
- RFM 分层——谁值得投？区分维护对象与召回对象，资源不撒胡椒面。
- Cohort 留存——何时动手？让复购窗口决定触达节奏，而不是让日历决定。
三个视图合起来，把"提升 GMV"从口号变成带优先级的动作清单：漏斗回答损耗在哪，RFM 回答谁值得投，Cohort 回答何时动手。
核心发现#
发现 1｜复购率仅 3.00%，是平台最大的增长杠杆#
数据事实：93,358 位用户中只有 2,801 位购买 2 次及以上；人均购买频次 1.03 次、中位数 1 次，最高一位用户购买 15 次。平台在持续买入新客，而几乎全部新客在首单后流走。
为什么重要：复购是 GMV 结构中唯一不靠追加获客预算就能增长的环节。量化：复购率 3% → 5% = 额外 1,867 位复购用户 × 人均 R$141.62 ≈ R$264K 增量 GMV——三个杠杆里成本最低、效果最直接的一个。
策略建议：把留存列为平台第一策略，在首单后窗口内建立全程触达机制（节奏见发现 4）。
发现 2｜运输 9.3 天是履约最大瓶颈，也是唯一有优化空间的环节#
数据事实：下单到送达全程平均 12.6 天——审批 10.3 小时（几乎即时）→ 揽收 2.8 天 → 运输 9.3 天；P95 送达时间 20.5 天，11.51% 的订单只得 1 星差评。
为什么重要：长等待直接制造差评，差评再压制复购——履约问题与留存问题在同一时点叠加。排除的候选：审批与揽收几乎无流失且已接近极限，压缩它们收益有限，优化它们等于优化不是问题的问题。
策略建议：与物流商谈 SLA 或引入多家竞争；对 P95 超长等待订单主动触达、补偿，压低差评率。预期收益（估算口径）：平均送达 9.3 天降至 7 天，差评率预计降 3–5%、留存率提升 2–3%。
发现 3｜Champions 与 At Risk 贡献了不成比例的 GMV#
数据事实：R/F/M 五分位打分（因数据偏态实际分箱少于 5）+ 中位数阈值分群，把用户分成 8 个群体；Champions（高频高消费）的 GMV 占比显著高于人数占比；At Risk（曾高频、现在不活跃）仍在贡献大量 GMV。
为什么重要：召回一个 At Risk 用户的成本低于获取一个新客——同样预算投在召回上的期望收益高于投在拉新上；反之，对所有用户无差别投入，会把大部分资源浪费在 Lost 组。
策略建议：分层运营——At Risk 最高优先级召回（大额优惠券 + 专属客服）；Champions 走 VIP 服务与新品优先体验；New Customers 首单后 7 天内触达、引导第二单；Lost 低成本触达、不投大额优惠券。
发现 4｜复购窗口集中在首单后 30–90 天，触达节奏由此决定#
数据事实：首月留存（M0→M1）在所有 Cohort 中都极低；大部分复购发生在首单后 30–90 天内；品类复购率差异显著：health_beauty、bed_bath_table（快消 / 日用品）高于 watches_gifts（高客单价）。
为什么重要：窗口有时效——首单后 30 天内不触达，等于永久错过复购窗口；品类结构则为个性化推荐指明方向（“买了床品的人还买了什么”）。
策略建议：7/15/25 三次触达节奏——第 7 天感谢信 + 品类推荐 → 第 15 天限时优惠券 → 第 25 天紧迫感提醒；品类交叉推荐（买 bed_bath_table 的用户推 health_beauty）。预期收益（估算口径）：首月留存 2% → 4% 约 +R$200K。
综合策略与收益预估#
| 策略 | 预期收益 | 实现难度 | 证据 |
|---|---|---|---|
| 复购率提升（3% → 5%，7/15/25 触达） | R$264K | 中 | Cohort 窗口 + 品类关联 |
| 运输时效优化（SLA + P95 补偿） | R$150K+ | 高 | 漏斗断点 + P95 / 差评数据 |
| At Risk 用户召回（+10%） | R$100K+ | 低 | RFM 分群 + 召回 / 获客成本结构 |
| 首月留存提升（2% → 4%） | R$200K+ | 中 | Cohort 留存 |
| 总计 | R$700K+ | — | 以上均为 README 估算口径，非实测 |
实施顺序：先触达节奏（成本最低、窗口假设验证最快）→ At Risk 召回（难度低）→ 留存提升 → SLA 谈判（难度高、周期长，待前三项产出数据后启动）。不做什么同样写清：Lost 组不投大额优惠券（召回期望收益低于券成本）；不做定价归因（数据无价格字段，不越界下结论）；不压缩审批与揽收（已接近极限，不是问题）。
可信度验证#
- 口径验证：用户级指标统一
customer_unique_id，避免订单口径虚增复购率。 - 双实现互证：DuckDB SQL 与 Pandas 双实现，另用纯 SQL 从零复刻、逐项对账一致；结论整合为 12 张图的离线可交互 Plotly 看板（KPI 卡片 + 业务解读）。
- 边界声明：收益数字全部为 README 估算口径、非实测；数据无价格与投放字段，不产出定价与渠道归因结论。
经验迁移与拓展收益#
这个项目沉淀的是一条排序判断：先定位断点再谈优化，先排杠杆再投资源。它在任何链路型业务都成立——质检场景里，对应先定位损耗集中的环节，再决定检查与培训资源的投放顺序。而这份汇报的最小单元——“数据事实 → 为什么重要 → 策略建议”——也是分析连接决策的最小单元；后续 P2、P3 沿用同一单元，升级的只是问题的难度。
代码与数据#
- GitHub：ArlesZhang/Ecommerce-Funnel-Behavior-Analysis
- 仓库含：4 个分析 notebook（业务理解 / 漏斗 / RFM / 留存）、13 张分析图表、纯 SQL 复刻（4 个 .sql + workbook，口径与 notebook 逐项对账）、Plotly 交互看板
- 数据：Olist 巴西电商公开数据集（Kaggle，约 10 万订单 / 96,096 用户，CC BY-SA 4.0）