任务背景
企业除了了解客户是谁，有什么特征之外，还需要把握用户的动态信息。网店访客的用户行为可以被看作用户动态信息的唯一数据来源。随着市场发展，用户行为分析已成为客户分析中非常重要的一部分，研究客户的行为可以帮助企业制定相应的销售推广策略。
为了绘制网店访客的用户画像，小周在完成用户静态信息数据分类与处理之后，又采集到了基于网店日常运营的用户动态信息数据，以进一步挖掘用户行为特征。
任务分析
所谓动态信息数据是指用户的行为数据，包括搜索、点击、咨询、关注、加购、下单、支付、评价等一 系列数据，这类数据由访客在网店的行为产生，通过后台或第三方软件获取，经过数据加工（数据清洗、数据计算、数据排序等），可用于分析客户需求、情感偏好及消费习惯。通常情况下，对于比较初级的用户画像，Excel工具就可以基本完成整合
任务操作
用户动态信息数据的分类与处理，具体操作步骤及关键节点成果展示如下：
步骤1：数据获取。
源数据（访客行为监控表）学员点击上表，可以获取小周收集的企业网店访客行为监控数据，下载报表后，学员以个人为单位，使用Excel工具打开，打开后的效果如图7所示。
图7 访客行为监控表部分截图
步骤2：数据选取。
动态信息需要考虑数据的时效性，学员需要通过对“统计日期”字段排序或筛选，选取最近一周的数据复制到新的工作表中，选取后的数据效果如图8所示。
图8 数据选取
步骤3：数据计算。
添加一个新的字段“支付转化率”，利用公式计算每日各商品详情页的支付转化率，计算结果如图9所示。
图9 数据计算
步骤4：数据统计。
使用数据透视表对网店最近一周各商品详情页的访客数据进行统计，包括访客数、平均停留时长、收藏人数、加购人数、下单买家数及支付买家数，统计结果如图10所示。
图10 数据透视表
步骤5：数据占比计算。
对各商品详情页的访客数、收藏人数、加购人数、下单买家数及支付买家数进行占比计算，以分析访客的行为及路径，结果如图11所示。
图11 数据占比计算
步骤6：结果检查及提交
检查数据结果，确认无误后提交任务。
