电商流量来源全维度分析 - 设备/浏览器/来源的转化率诊断

Skill-Traffic-Source-Analysis · 14-用户分析

causalexperimentoptimizationrecommendationmulti_agent广告与投放推荐与搜索数据采集与治理MAS与智能体工程WF-B 广告优化WF-E Review监控WF-H 复购增长

年化 ROI10 万

实现难度⭐⭐☆☆☆

业务优先级⭐⭐⭐⭐⭐

业务视角

适用角色运营负责人 / 用户增长负责人 · CMO · 产品经理

适用平台Amazon 买家分层 · DTC 站 LTV 预测 · Klaviyo/Brevo 邮件分群

什么情况下用有大量老客户，但不知道谁是高价值客户、谁快要流失；新客获取成本越来越高，老客复购却上不去

成功是什么样的用户按 RFM/LTV 分层精准触达，高价值用户留存率提升，老客贡献收入占比从 30% 提升到 50%

业务痛点

老客复购率上不去不知道哪些用户要流失了所有用户用同一套活动买过一次就不见了

1. 解决的问题

同样的流量，为何不同渠道/设备/浏览器的转化率差异如此悬殊？

2. 核心算法逻辑

论文对电商平台进行全维度交叉分析，系统回答一个核心问题：同样的流量，为何不同渠道/设备/浏览器的转化率差异如此悬殊？

3. 业务应用场景

业务问题：母婴独立站每天有来自 Google Ads / Facebook / TikTok / Direct / Referral 的流量。桑基图展示各来源→落地页→结账的流量流转，但每个来源分支只有流量数，没有质量分。需要为每个来源节点标注"流量质量综合分"，让运营一眼看出哪个渠道的钱花得值。

| 字段 | 类型 | 示例 | |------|------|------| | `session_id` | string | `"sess_20260101_u001"` | | `traffic_source` | string | `"google_cpc"/"facebook_paid"/"tiktok_paid"/"direct"/"referral"/"email"/"organic"` | | `device_type` | string | `"mobile"/"desktop"/"tablet"` | | `browser` | string | `"chrome"/"s

预期产出：流量来源质量分层表 + 桑基图 JSON 增强版

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

10 万

7. 代码模板

代码块数量：3 · 路径：未检测到

"""
Traffic Source Analysis — 电商流量来源全维度转化诊断
arXiv:2403.16115 "From Clicks to Conversions"

功能：
  1. 数据清洗与来源标准化
  2. 设备/浏览器/来源/漏斗四维交叉分析
  3. 流量质量综合评分（CVR + ExitRate + AvgDuration）
  4. 异常来源检测（Z-score）
  5. 移动端 vs 桌面端对比诊断
  6. 输出桑基图 JSON（含质量分着色）

依赖: pip install pandas numpy scipy
"""

import json
import warnings
from typing import Dict, List, Optional, Tuple

import numpy as np
import pandas as pd
from scipy import stats

warnings.filterwarnings("ignore")


# ─────────────────────────────────────────────
# 1. 流量来源标准分类
# ─────────────────────────────────────────────

SOURCE_CATEGORIES = {
    # Paid
    "google_cpc": "paid_search",
    "google_shopping": "paid_search",
    "bing_cpc": "paid_search",
    "facebook_paid": "paid_social",
    "instagram_paid": "paid_social",
    "tiktok_paid": "paid_social",
    "pinterest_paid": "paid_social",
    # Organic
    "google_organic": "organic_search",
    "bing_organic": "organic_search",
    # Social Organic
    "facebook_organic": "organic_social",
    "instagram_organic": "organic_social",
    "tiktok_organic": "organic_social",
    "pinterest_organic": "organic_social",
    # Direct
    "direct": "direct",
    # Email
    "email": "email",
    "klaviyo": "email",
    # Referral / Affiliate
    "referral": "referral",
    "affiliate": "affiliate",
    "blog_referral": "referral",
}

DEVICE_CATEGORIES = {"mobile", "tablet", "desktop"}

8. 论文来源

2403.16115