用户购物习惯分析可以理解为用户每日的购物峰值在哪里？不同地区用户购物高峰期是否有不同？通过一系列数据的整理与分析得到不同地区的用户购物习惯。数据来源仍然为后台数据中的订单报表，分析需要参数：purchase-date、ship-state。筛选方法分为以下两类：
1.24小时总订单量变化规律；
2.不同地区24小时订单量规律。
完成数据筛选后，就可以构建用户购物习惯可视化图表。
用户购物习惯分析可以理解为更深一层的单日订单量波动分析，即将不同地区的单日订单量波动进行数据筛选和可视化处理。
以CA、FL、TX这三大地区为案例进行讲解，当对订单报表进行数据筛选后，可以得到三大地区不同时间段的订单量对比。
筛选出不同地区不同时间段的订单后，需要计算不同时间段的订单比例来确保用户画像数据的准确性。
CA、FL、TX三大州地区不同时间段的订单比例=地区单一时间段产生的订单÷地区所有时间段产生的总订单。
完成上述数据筛选的步骤后，就可以结合不同的数据进行可视化分析。首先能针对订单量单日变化数据绘制“订单量整体趋势”的柱状图。
如果需要结合所有地区观察店铺总体订单量波动趋势，可以绘制新的可视化柱状图。
除了订单量单日变化趋势外，还可以结合不同地区单日订单比例的变化绘制“用户购物习惯”的折线图。
用户购物习惯数据的广告应用，可以分为两个方面：第一个方面为广告的曝光时间优化；第二个方面为广告的单次点击竞价优化。
卖家可以通过柱状图来展现店铺总订单的单日变化趋势。
卖家可以将店铺整体的购物高峰进行标注。
美国时间6:00~19:00为订单高峰期，那么这段时间也是亚马逊美国站的流量高峰期，因此卖家可以利用这段时间来使广告的曝光效率最大化。需要注意的是，这里的最佳曝光时段并不是指ACOS最低的时段，而是在相同时间内广告效率最大的时段，适合属于成长期的产品而非稳定期的产品。
