Airbnb 爱彼迎产品数据分析

一、分析背景与目的

1.1、分析背景

Airbnb成立于2008年，短短9年时间成为了短租民宿行业的巨头，并且强烈的冲击着传统酒店行业的格局。

目前Airbnb作为一款社区平台类产品，其业务遍布了191个国家，并且经常出现在商业分析的优秀案例中。Airbnb在做好了产品体验、房源美感、民宿共享服务之后，这款产品和背后的业务是否存在可以改进的地方？

1.2、提出分析问题

一款产品的发展必然伴随着不断的迭代。在AARRRR模型中，第一个A（用户获取）中，提高新用户获取的数量和质量是不断监测并优化的一个工作，哪些渠道的效果更好，企业就要及时调整和增加此渠道的投入，哪些渠道的效果很差，就要及时查找原因并给出解决。

另外转化漏斗分析也是数据分析环节的重要指标，可以从宏观角度了解整个产品的业务转化情况，企业针对流失率较高的漏斗环节进行改进，可以有效促进业务发展。

针对分析的目的，提出以下三个问题：

airbnb的目标用户群体具有什么样的特征？

airbnb当前的推广渠道有哪些是优质的、有哪些做的还不够好且需要改进？

当前的转化率和流失率中哪里哪一个环节存在问题，或者有较大的改进空间？

---

二、分析维度

2.1、根据问题设立分析维度与分析指标

根据问题，提出来三个分析维度：

将着重从airbnb的用户画像、推广渠道分析、转化漏斗分析三个方面进行分析，去探索和分析airbnb在产品和业务上有哪些可以改进的地方，并给出实际性的建议，以提升和改进airbnb的渠道推广策略和产品设计。

1、用户画像分析

• 用户性别的分布特征；
• 用户年龄的分布特征；
• 用户地区的分布分布；
• 中国地区去国外预定的地区占比；

2、推广渠道分析

• 每月新增用户
• 不同用户端的注册量
• 不同推广渠道的注册量
• 不同营销内容的注册量
• 不同推广渠道的转化率
• 不同营销内容的转化率

3、转化漏斗分析

• 注册用户占比
• 活跃用户（非僵尸用户）占比
• 下单用户占比
• 实际支付用户占比
• 复购用户占比

---

三、数据清洗

3.1、数据集描述

数据集名称：Airbnb顾客预订数据

数据集来源：https://www.kaggle.com/c/airbnb-recruiting-new-user-bookings/data

数据集简介：此数据集是kaggle上的一个竞赛项目，主要用来制作目的地信息的预测模型。此数据聚集包含两张数据表，其中train_user表中为用户数据，sessions表中为行为数据。

数据集量：21w * 15（train_user）、104w * 6（sessions）

3.1、列名称理解

原数据表的字段的列名非常规范，无需对列名称进行重命名，数据分析之前需要理解每个列名称的含义。

数据表一：数据表名称：train_users

id：用户ID

date_account_created：帐户创建日期

date_first_booking：首次预订的日期

gender：性别

age：年龄

signup_method：注册方式

signup_flow：用户注册的页面

language：语言偏好

affiliate_channel：营销方式

affiliate_provider：营销来源，例如google，craigslist，其他

first_affiliate_tracked：在注册之前，用户与之交互的第一个营销广告是什么

signup_app：注册来源

first_device_type：注册时设备的类型

first_browser：注册时使用的浏览器名称

country_destination：目的地国家

数据表二：数据表名称：sessions

user_id：与users表中的“id”列连接

action：埋点名称

action_type：操作事件的类型

action_detail：操作事件的描述

device_type：此次会话所使用的设备

3.2、重复值的处理

• train_users为用户表中主键，所以每个用户只生成一条记录，所以如果train_users中id存在重复值，则需要处理。
• sessions 为用户会话记录表，存在一个用户多条记录

结论：只需要排查train_users中是否存在重复值。

执行SQL后得出：count_id = 0。说明train_users数据表中不存在重复值。

3.3、缺失值处理

数据缺失数量较多，以下为存在缺失值的列：

• date_first_booking(首次预定时间)存在缺失值数量：124544个。
• gender（性别）存在缺失值数量：95688个。
• age（年龄）存在缺失值数量：87991个。
• first_affiliate_tracked（用户通过那个营销广告注册）存在缺失值数量：6065个。
• first_browser（注册时浏览器）存在缺失值数量：27266个。
• action_type（埋点的操作类型）存在缺失值数量：1126204个。
• action_detail（用户操作行为的描述）存在缺失值数量：1126204个。

缺失原因推测及处理

• date_first_booking(首次预定时间)数据如果缺失，在业务上可以理解为此用户为“未预定用户”，也就是没有下单的用户。
• 性别、年龄由于客户端中这部分信息选填，空值为用户未填写。
• 其他四个数据是由于前端统计时数据没有统计到。

处理：实际分析中需要在where条件排除掉空数据，再进行分析。

3.4、异常值处理

以下为异常值的处理说明。

date_account_created异常值处理：

date_account_created中最小值为‘0000-00-00 00:00:00’；因为此异常数据只有1条，所以删除此条数据。

age（年龄）异常值处理：

age（年龄）的异常数据非常多；0～150之间的数值都有，并且包含了2014、2015等数值。推测这些”脏数据”产生的原因是用户在客户端随意填写造成。

3.5、数据清洗中使用的SQL

#检查数据中是否包含重复值 SELECT id, COUNT(id) AS count_id FROM data.train_users GROUP BY id HAVING count_id > 1; #通过以下SQL对每一列进行查询，通过替换where之后的条件，查询每一列包含的空值数量。 SELECT date_first_booking, COUNT(date_first_booking) FROM data.train_users WHERE date_first_booking = '0000-00-00 00:00:00'; #通过查看数据的极值（极大值、极小值）是否符合实际情况，来判断数据中是否存在异常值。 SELECT min(age),max(age) FROM data.train_users; #异常值处理：对于年龄不在7～75区间的数据删除（设置为0-空值） SET sql_safe_updates = 1; UPDATE data.train_users SET age = 0 WHERE id NOT IN ( SELECT id FROM ( SELECT id FROM data.train_users WHERE age <= 75 AND age >= 7 ) a );