【2022BI数据分析大赛】Airbnb运营数据分析报告
作者：何国花
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，并且仍在不断的冲击着传统酒店行业，抢占着这一市场。
目前Airbnb作为一款社区平台类产品，其业务遍布了191个国家，我们的分析主要以探索为主，旨在发现airbnb在做好了产品体验、房源美感、民宿共享服务之后，其务是否存在可以改进的地方。
airbnb目前的市场背景：短租民宿行业的绝对巨头；业务布局区域极广，和Facebook有的一拼，当时airbnb的业务遍布全球191个国家；产品和业务发展成熟，无论是客户端还是后端供应链系统，其研发的成熟型在当时可谓屈指可数。
1.2提出分析问题
探索airbnb产品的业务存在哪些可以改进的地方？
在实际工作中很少有探索业务改进的项目机会，基本是先发现问题，然后查找原因；如果完成既定工作，则会有一些时间用来探索业务中的数据特征，从而探索发现业务机会
在常见的AARRR模型中，第一个A（即获客）至关重要，因此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。
针对分析的目的，提出以下三个方向目的：
①airbnb的目标用户群体具有什么样的特征，以便于在付费投放获客时，精准的圈定出产品用户画像的人群，使获客的ROI变得更好。
②airbnb获客阶段，哪些推广渠道是优质的，优质的条件 = 量大+转化率高。
③在转化漏斗中哪里哪一个环节的流失率高，或者说哪一环节存在可提升的潜在机会。
二、分析维度
根据以上设定的三个问题，提出来2个分析维度：
将着重从airbnb的用户画像、推广渠道分析2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。
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。
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，注册用户占比、活跃用户（非僵尸用户）占比、下单用户占比、实际支付用户占比等。
三、数据表理解与预处理
3.1数据集描述
Airbnb顾客预订数据下载（下载后导入本地数据库操作，计算出相关的运营指标直接使用），下载地址：www.kaggle.com/c/airbnb-recruiting-new-user-bookings/data。
此数据集是kaggle上的一个竞赛项目，官方目的主要是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。
3.2字段理解
原数据表的字段是英文的，所以在做仪表板和数据分析前，需要先翻译理解每个列名称的含义。
1、数据表名称：train_users
字段名称
id
用户ID
date_account_created
帐户创建日期
date_first_booking
首次预订日期
gender
性别
age
年龄
signup_method
注册方式
signup_flow
用户注册页面
language
语言偏好
affiliate_channel
渠道方式
affiliate_provider
渠道供应商
first_affiliate_tracked
渠道广告内容
signup_app
注册来源
first_device_type
注册设备
first_browser
注册浏览器
country_destination
目的地国家
2、数据表名称：sessions
字段名称
字段含义
user_id
主键；与users表中的“id”列连接
action
埋点名称
action_type
操作事件类型
action_detail
操作事件描述
device_type
设备类型
3.3数据预处理
1、重复值处理
train_users：作为用户信息表，未避免重复用户影响统计，需要检验ID是否有重复值。
sessions ：为用户会话记录表，存在一个用户多条记录，无需处理。
按照业务理解，用户表中的id应当是唯一非重复的，所以只需要排查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。
2、缺失值处理
数据缺失数量较多，以下为存在缺失值的列及处理办法。字段缺失值说明：
①date_first_booking 首次预定时间：存在缺失值数量124544个
②gender 性别：存在缺失值数量95688个
③age 年龄：存在缺失值数量87991个
④first_affiliate_tracked 注册渠道：存在缺失值数量6065个
⑤first_browser 注册浏览器：存在缺失值数量27266个
⑥action_type 操作类型：存在缺失值数量1126204
⑦action_detail 操作详情：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：多数空值不需要处理；如果使用到字段如果出现空缺，可以简单的在where条件排除掉空数据，或者在制作仪表板的过程中做针对性的过滤，再进行分析。
3、异常值处理
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，分析时剔除这些异常数据。
四、用户画像分析
4.1用户的性别分布特征
女性用户数量=63041（占比53.53%）、男性用户数量=54440（占比46.23%），其中女性用户多于男性用户。
4.2用户的年龄分布特征
airbnb的用户主要为“中年群体”（30岁～40岁），其次为“青年群体”（20岁～30岁），然后再到40岁～50岁。
4.3用户不同地区（根据语言）的分布
使用最多的语言排名前5的分别是英文、中文、法文、西班牙文、朝鲜文。airbnb的产品真的很国际化，用户遍布多个地区。
有超过90%的用户是英语国家（欧美）；airbnb是2013年开始进入中国市场的（此数据集止于2014年），所以此时中文用户数量虽然排名第二，但是占比却非常小。
4.4中国用户去国外预定的地区占比
从数据结果可以看出（国家=DNF已剔除），中国人去国外预定民宿最主要集中在美国、然后是法国，除了这两个国家外，样本中其他国家的数量非常少。
中国用户去国外预定，占比最多的是美国。其余国家占比很小，总和不到20%。
五、流量渠道分析
5.1每月新增用户
airbnb用户增长呈几何倍数，并且从2012年2月之后开始快速增长。
此产品新用户的增加存在季节性规律：每年的7～10月，产品都会迎来用户增长的高峰，推测为夏季（北半球）是旅行的旺季，而短租本身就是旅行消费的一种。
5.2不同用户端的注册量
此数据为2014年之前的数据，当时智能手机还没有像现在一样普及，用户的注册设备PC大于移动设备，而苹果设备数量大于其他设备数量。
5.3不同渠道供应商的注册用户量
除direct直接下载之外，google是其主要的下载来源，注册用户量也比较多（51693）。
5.4注册用户转化率
craigslist、bing虽然注册用户量少，但是转化率高，尽可能的扩大规模这两个渠道的获客规模。
特别提示：实际在选择渠道时，不同渠道的ROI（收入/获客成本）也是需要考虑的核心指标，ROI越高则说明此渠道价值越大。
5.5用户转化率分析
搜索房源-->申请预约是流失率最高的一个环节。
申请预约-->支付有43%的流失率，远高于其他电商类产品。
六、分析结论及建议
6.1、用户画像总结
1、结论
①用户性别中，女性偏多，差距并不明显。
②用户年龄以中青年为主。
③截止2014年，用户分布地区最多的为欧美地区，其次是中国。
④中国用户预订的最多的其他国家是美国，占比高达90%以上。
2、建议
据年龄分布特征，建议SEO或者付费广告投放时，投放广告的流量结构要尽可能的接近airbnb的用户人群，例如青年女性群体。
6.2流量渠道总结
1、结论
①2012开始快速增长，并且速度很快。
②7～10月是旅行旺季、此时也是airbnb用户增长的旺季。
③某些虽然注册用户量少，但是转化率高；需要综合ROI判断选择哪个渠道扩大规模。
④和其他电商产品类似，用户主要在搜索房源-->申请预约中流失，产品和运营需要更多的在此环节投入更大的精力，另外产品申请预约-->支付的流失率远高于其他电商类产品。
2、建议
综合考虑ROI表现最好的渠道，同时要结合市场战略和多哥指标综合考虑；某些渠道虽然注册用户量少，但是转化率高，可以尽可能的尝试扩大规模。
最终作品展示：
