Airbnb用户消费可视化分析

        大家应该对于Airbnb并不陌生，这是一个让大众出租住宿民宿的网站，让旅行者可以通过网站或手机、发掘和预订世界各地的各种独特房源。目前中国已成为 Airbnb 营收的重要贡献市场。

        2018年，国外游客在成都、重庆、武汉等国内内陆城市的房源预订量增长超过 100%；非一线城市房源预定量同比增长 170%；Airbnb境内游市场已超过总业务量的 50%。

        想必大家都很好奇Airbnb的用户群体，下面让我们通过大量的订单数据、房型信息以及用户的个人数据，对于用户的消费习惯以及热门的出行城市来做更近一步的分析与探索吧。

数据集下载地址：链接：https://pan.baidu.com/s/1ZJg8aFSepPjNnal5cF3HZQ ，提取码：jj11 ，复制这段内容后打开百度网盘手机App，操作更方便哦

认识数据维度

        按照用户数据指标、行为数据指标、产品数据指标3个维度进行分类：

用户数据指标

行为数据指标

产品数据指标

探索业务问题

热门出行和热门入住城市的分布是怎样的？

        1、选择哪些指标？

• 出行城市是指用户所在城市，即User_City
• 入住城市是指酒店所在城市，即Hotel_City
• 哪些度量型指标可以用来衡量热门？

        2、呈现怎样的数据关系？

        分布关系

        3、可以选择怎样的图表？

        地图

顾客下单行为在一天中不同时间段的变化是怎样的？

        1、选择哪些指标？

• 时间：order_date，订购订单日期，具体到小时
• 哪些度量型指标可以用来体现下单行为？

        2、呈现怎样的数据关系？

        趋势变化

        3、可以选择怎样的图表？

        折线图

不同房型的销售情况在一天中不同时间段的变化是怎样的？

        1、选择哪些指标？

• 不同房型：room_area，房间面积
• 时间：order_date，订购订单日期，具体到小时

        2、呈现怎样的数据关系？

            趋势变化

        3、可以选择怎样的图表？

            折线图

可视化分析

热门出行城市的分布

        首先我们来学习tableau中地图的制作流程：

• 先设置【数值型变量】的数据类型为【地理角色】
• 将地理角色拖拽至【详细信息】，城市会显示成点图，省份会显示为填色图
• 将你要在地图上展示的度量拖拽至颜色或大小
• 空值可以忽略或者搜索经纬度进行填充
• 顶部工具栏中的【地图】选项可以对你生成的地图进行设置

        下面是热门出行城市地图的制作流程：

业务结论解读

        我们选择【用户数】这个指标来衡量这个城市是否是热门出行城市，可以看到热门出行城市主要密集集中在长三角地区和珠三角地区，比如上海市，广州市，深圳市，用户出行的城市在内陆的分布比较分散；

热门入住城市的分布

        下面是热门入住城市地图的制作流程：

业务结论解读

        哪些城市会成为大家选择的热门旅游城市呢？可以看到除了依然热门的沿海城市，还有山海青岛，诗意扬州，星城长沙等这些人气城市；注意到这点，那么在节假日旅游高峰期大家出行之前，对这些热门旅游城市的订单监控显得尤为重要，可以根据以往订单的数据预测需要提供的房源数量，避免供不应求。

顾客下单行为的变化

        首先我们来学习tableau中折线图制作流程：

• 拖拽时间维度至列，度量至行
• 设置时间类型，下拉列中的胶囊
• 上方时间选择为离散，以日-周-月为不同类别汇总统计数据，即每一年的一月 都视为一个变量；下方时间选择为连续，以连续的日-周-月等时间单位为序列统计数据，每一年 的一月都是不一样的变量

        下面是顾客下单行为折线图的制作流程：

业务结论解读

        上午10点到晚上10点之间，用户在这段时间内下单频繁；中间有出现2个下单高峰期，中午12点和下午5点，所以可以理解为人们大多在白天工作时间内浏览Airbnb网站或者APP，进行出行前规划，来预定好房源。

不同房型的销售情况的变化

        下面是不同房型的销售情况折线图的制作流程：

业务结论解读

        从订单数据来看，房间面积为50-100的民宿更受大家青睐呢，所以大部分用户对酒店房型的需求集中在面积为0-100平方米；

数据仪表盘设计

以上只是根据Airbnb的部分数据，做一些有趣的分析。感兴趣的话还可以继续挖掘哦~