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?分别结合时间与地区两个维度，把这两个维度结合到一起，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，分析参数包括purchase-date、ship-state，筛选方法分为以下两类。
24小时总订单量变化规律;
不同地区24小时订单量规律。完成数据筛选后，即可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，其操作方法与上文中所讲解的方法类似，这里不再赘述，可以直接下载表格“用户购物习惯分析”进行查看。
当对订单报表进行数据筛选后，得到三大州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。
完成数据筛选的步骤后，即可结合不同的数据进行可视化分析，运营者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，则绘制新的可视化柱状图。
除了订单量单日变化趋势，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。
（本文内容根据网络资料整理，出于传递更多信息之目的，不代表连连国际赞同其观点和立场）
