随着研究的深入，14年逐步摸索并总结出了这个理论——电商大象图理论，算是独创吧，分享出来，有兴趣的可以参考。
13年开始，电商搞起愈来愈火的大促，京东的618，天猫的双11，到现在发展成全体网民的购物狂欢节。作为数据产品经理，自然也进行了成体系的业务分析，包括用户行为探查。
随着研究的深入，14年逐步摸索并总结出了这个理论——电商大象图理论，算是独创吧，分享出来，有兴趣的可以参考。
看懂大象图
电商中用户行为，特别是用户浏览和购买行为，是具有鲜明的时点特征的，我用大象图来解析。
那么什么是大象图呢？
大家看一张图：
沿着大象鼻子、头、背部、尾巴这个顺序画下来，就会得到一条曲线，这条曲线就是大象图的理论来源。
那这和用户分析有什么关系呢？
大家看一下下面的图，第一张是2014年一个正常工作日的用户订单量曲线：
第二张是某年大促的全站用户PV曲线：
这一天内0-24点的用户行为曲线，是不是和的大象的轮廓曲线非常象？
对，这就是大象图的这个名字的由来。横轴是时间，而且是刚好0-24点，纵轴是常用的用户行为指标。
那怎么理解呢？
一张图说明：
以上是对于上班族的用户场景分析，当然可以针对不同的用户群做出不一样的场景案例，读者可以举一反三对照分析。
分解大象图
下图的竖线是切分线，把一头大象分成象鼻、象头、躯干、象尾四部分，下面逐一来分解这头大象吧。
象鼻
象鼻对应时间0-8点，人们一般理解，0点到8点，都在睡觉，这些时间点不用重视。这可不一定哦，要知道有两类人恰恰是这个时间段最活跃，我叫他们为“夜猫子”和“早起鸟”。
夜猫子就像猫头鹰，越是夜深人静，越是出来活动，其实他们的活跃时间在前一天23点到第二天2点之间。由于象鼻是从0点开始看的，23~0点的用户行为可以在象尾部分去分析。
早起鸟，顾名思义，早起的鸟儿有虫吃。5点~8点，我知道北上广上班的，有的跨半座城，所以有人起的比较早。
早起鸟也可以分两个行为：
一种是睡醒了还没起，迷迷糊糊的，刷刷手机嘛，刷着刷着就清醒了
还有一种是乘坐公共交通工具的，公交地铁，路上没事干，就掏出手机了。
其实还有一类人，就是2点到5点之间，按正常逻辑，这个时间点都是睡觉时间，应该数据极小才对吧？
这要放在2015年前说还靠谱，2015年后，分析发现，数据变了。最大的变化是移动流量超过PC流量，用手机买买买成为主流，手机太方便啦！值夜班的，像护士、小区保安、24h营业店、还有夜店，以及咱们不方便说的工种，谁都有购物需求是不？
那好的象鼻子应该是什么形状呢，下面四种曲线哪个好呢？
留给看官思考吧，剧透：不是单选题，是场景对号入座题。
对于象鼻的分析，侧重分析其兴奋点，购物背景往往比较单一，他们的浏览偏好、购买行为、性别差异和白天是不一样的。
象头
8~12点的用户行为特征很突出，PC流量占比快速上升，上班族发力了，他们才是网购的主力军。大家都知道，电商在10点是个爆点，营销活动也是这个时间点最关键，如果10点没爆，后面的时间，也很难拉起来，所以爆点一定要打出来。
其实这么说不严谨，要排除一种情况。大促往往0点开始，这个时间是特殊情况，流量和订单瞬间到达峰值，会比10点高很多。另外有的电商会憋单，积攒几天甚至十几天的订单，在0点一下释放出来，这个数据是人为操控的，我们要另行分析。
四年观察下来，10点确实是个很神奇的时间：
有兴趣的可以研究一下，为什么选10点作为营销发力点，而不是9点，不是10点半？这里不展开了。
躯干
躯干对应时间是12~18点之间，就是电商活动的下午场。
躯干的形态是很多的，一方面是受促销活动的影响，另一方面和用户群行为特征相关。如果排除营销活动导流的流量和订单，躯干图应该是比较平缓的。那出现以下图形是什么原因呢？
下午时间段，纯自然的用户行为就会形成单峰。如果下午场有一波促销活动，封顶会拉高。双峰，是有两波促销活动。那有没有三峰，或四峰呢？
根据这几年的观察，极少。
为什么？
做营销活动，目的就是引流+转化，而且期望吸引用户能花更多时间在网站上，这样营销的效果可以持续。这样一分析，一场活动得持续维持热度（faint，打热度，非得给我出reduce，输入法过于聪明也不是好事……），也就是说，躯干的峰顶越平缓越好，如果有两波促销，甚至两个封顶能叠加起来，形成单峰图，这样效果也是不错的。
所以在设计营销方案的时候，一方面是能持续吸引用户过来，另一方面希望用户访问深度不宜太浅，否则看一眼或者买完就走了，效果就会大打折扣。
那访问深度越深越好吗？
非也。其实在实体店，就有这样一种群体，就喜欢逛，但就是不花钱，有的是心情不好逛店散心的，有的是无聊，纯粹为了打发时间。电商也一样，如果就是从sku A跳到sku B，然后进搜索页，然后列表页，然后又是商详页，就是没有到购物车的这步，虽然访问深度很深，但是没有转化。所以好的营销活动，应该既能促进转化，又能交叉引流。
悬崖形的躯干图，经常见到。如果是抢购类活动，为了激发购物冲动，就得设置截止时间。一旦活动结束，流量突降，形成悬崖。有时候几场活动截止点都一样，悬崖就会更陡峭。
滑雪场形，往往是营销方案或者引流力度不够，无法拉升流量和下单，导致持续下降，直至回归自然状态。
其实下班前做一轮促销，效果也是不错的，不过要兼顾不同的用户群。上班族的用户特征也是有区别的，有的企业有稳定上下班时间，有的互联网企业半夜还灯火通明。
象尾
象尾重不重要？
再回顾一下完整的曲线图：
象尾对应的是沙发时间，还有夜猫子。
近几年占领客厅的声音可是不少，从数据上看，晚上下单量占比有逐渐增多的趋势。抢占客厅，主要目标还是抢占用户的时间，进而促进转化。不过目前通过电视下单的比例很小，主要还是手机端。
晚上10-12点，是夜猫子的天下，有个很有趣的现象，PV一般，但是转化率高，有兴趣的可以研究一下。难道是睡前来一单，胜过活神仙？
象群分析
电商对用户有用户画像，有用户分群，对商品有商品品类，有品牌分析，其实大象图也有分群分析。
不同用户群、不同商品、不同营销类型，可以在大象图上有不同的反映，这时候就可以用象群分析。象群分析更侧重用户行为分析，比如群体用户行为，用户应激特征，行为时点差异性等。
可以做时间维度的同环比。同比，和去年同期比、环比，和昨天比，和上周比，和上月比等。
扩展开来，维度可以灵活选取，只要关联得上就能做出象群。
象群分析可以有无限想象的空间，只要切换维度，就可以分化出n多分析视角，例如：
用户方面：用户年龄段，用户性别，用户级别，用户地域，如一二线城市对比三线以下，用户营销活动ID应激性等，如果有用户画像数据，这些属性多达几百个；
商品类：单品sku，品类，品牌，商品的各种扩展属性都可以进行分析，如电脑，就可以看整机类型，处理器，操作系统，分辨率，显卡类型等，这些随便到一个电商网站的列表页，都可以看得到；
流量类：终端类型，流量来源，渠道等等；
企业管理类：结合业务部门的具体业务模式进行分析，这里面就有太多玩法，不展开了。
结语
大象图仅仅是个形象点的比喻， 更多的是抛出一个思维模式，在电商分析方面引出一些探讨点，尤其大数据从离线到实时的技术性变革中，大象图能发挥更多作用。一些更深度的应用和实操，就需要结合具体业务和需求去开展了。
