用戶購物習慣分析可以理解為用戶每日的購物峰值在哪里?不同地區(qū)用戶購物高峰期是否有不同?分別結合時間與地區(qū)兩個維度，把這兩個維度結合到一起，通過一系列數據的整理與分析得到不同地區(qū)的用戶購物習慣。

數據來源仍然為后臺數據中的訂單報表，分析參數包括purchase-date、ship-state，篩選方法分為以下兩類。

24小時總訂單量變化規(guī)律;不同地區(qū)24小時訂單量規(guī)律。

完成數據篩選后，即可構建用戶購物習慣可視化圖表。

用戶購物習慣分析可以理解為更深一層的單日訂單量波動分析，即將不同地區(qū)的單日訂單量波動進行數據篩選和可視化處理，其操作方法與上文中所講解的方法類似，這里不再贅述，可以直接下載表格“用戶購物習慣分析”進行查看。

當對訂單報表進行數據篩選后，得到三大州地區(qū)不同時間段的訂單量對比。

篩選出不同地區(qū)不同時間段的訂單后，需要計算不同時間段的訂單比例來確保用戶畫像數據的準確性。

CA、FL、TX三大州地區(qū)不同時間段的訂單比例=地區(qū)單一時間段產生的訂單= 地區(qū)所有時間段產生的總訂單。

完成數據篩選的步驟后，即可結合不同的數據進行可視化分析，運營者首先能針對訂單量單日變化數據繪制“訂單量整體趨勢”的柱狀圖。

如果需要結合所有地區(qū)觀察店鋪總體訂單量波動趨勢，則繪制新的可視化柱狀圖。

除了訂單量單日變化趨勢，還可以結合不同地區(qū)單日訂單比例的變化繪制“用戶購物習慣”的折線圖。