Fitbit Usage Behavior Analysis with R
這是我從行銷(Marketing)轉戰資料分析(Data Analysis)後的第一個資料分析專案。因為自己是Fitbit的使用者，所以對分析Fitbit的使用行為很有興趣。
在這個個案中，我使用的是公開資料庫中的Fitbit Fitness Tracker Data (CC0: Public Domain, dataset made available through Mobius on Kaggle)，來分析智慧裝置的使用行為(smart device usage behavior)。
因為過往的品牌管理及CRM(顧客關係管理)經驗，我喜歡從 “人” 著手，從使用者區隔(user segmentation)來發掘使用行為的趨勢(trends)及關聯性(correlations)，推論可能造成的原因，並依據所有發現(findings)來擬定行動方案(action plan)。
3個有趣的發現
1. Fitbit使用者對活動追蹤功能的忠誠度極高，但睡眠監測功能還有進步的空間。
以使用天數來做顧客區隔：
- 42.4% 的使用者是忠誠客(Loyal User)每天都用活動追蹤(Activity Tracker)功能
- 38% 的使用者是輕度使用者(Light User)使用睡眠監測(Sleep Monitor)的天數不到10天
很有趣的是，同一個裝置上的二種功能，使用頻率有如此大的差異
機會點：強化睡眠監測功能的推廣,可以帶來立即的成長機會。
2. 愈常同時使用睡眠監測及活動追蹤功能，體能狀況愈佳 (the more committed, the higher wellness level)
依平均每日步數，活動時間是否達到8,000步及30分鐘的標準(參考每日平均步數醫學研究及WHO每日活動時間建議)，將使用者依體能狀況進行區隔。體能最好跟體能好這二個群組，是步數及活動時間均達到8,000步及30分鐘的標準。
機會點：強化睡眠監測功能的推廣，除了可以帶來立即的成長機會，對使用者體能狀況還有正面的影響。
很有趣的發現，依使用天數由低到高，各群組內較佳體能狀況(每日步數及活動時間均高於標準)的使用者比例，也同步增高。
3. 平均每日步數及活動時間表現好，不代表睡眠狀況也好
依平均每日步數，活動時間是否達到8,000步及30分鐘的標準，將使用者依體能狀況進行區隔。體能最好群組，步數及活動時間達高標，12,000步及60分鐘。但睡眠時間卻是各群組裹最少的。
很有趣的發現，步數及活動時間狀況佳，不代表睡眠狀況也會好。依國外睡眠研究結果，睡眠時間低於危險線6小時，死亡率會比7或8小時的人高1.7倍(read more)。體能最好這個族群，平均睡眠時間在危險邊緣。很明顯的，睡眠的重要性被這個族群低估了。
機會點：強調同時達成步數、活動時間及睡眠時間3個標準，可以真正幫助使用者提升整體健康狀況。
行銷建議：
Fitbit App
- 儀表板(dashboard)：設計明顯區塊顯示平均每日步數(8,000)、活動時間(30分)及睡眠時間(7小時)3個標準，及各別週間累計達成狀況。協助使用者追蹤運動及睡眠狀況，發現進度落後時，能及時調整以維持健康狀態。
- 推播通知(push notification)：睡眠時間通知，除了提醒使用者提早準備上床休息，當使用者忘了戴Fitbit時，也能提醒使用裝置，提升睡眠監測功能的使用黏著度。
- 遊戲化(Gamification)行銷:頒發獎章鼓勵使用者成就
- 使用頻率獎章：忠誠客(Loyal User)、重度使用者(Heavy User) (依月使用頻率)。
- 3標準達成獎章：步數達成(Step Achiever)、強度達成(Intensity Achiever)、睡眠達成(Sleep Achiever)及三項達成(Triple Achiever)（依每週平均日步數、活動時間及睡眠時間標準達成狀況)。
行銷傳播(Communication)
- 專屬社群(Community)
- 三項達成社群：邀請三項達成的得主加入，表揚其對維持健康的投入，提供品牌與使用者間的平台，提高品牌黏著度。透過社群獲得使用者回饋、發掘消費者洞察並培育品牌大使。
- 社群活動：優先分享新的健身趨勢及新產品，獲得回饋。
- 年度聚會：邀請當年度獲得使用頻率及3標準達成獎章次數較高的前100名使用者與會，表揚忠誠度及三項達成前10名使用者。
- 網紅行銷(Influencer Marketing) / 口碑行銷 : 邀請微網紅(Micro Influencer)及年度忠誠度及三項達成得主分享如何使用產品，達成健身目的的成功故事。
Kaggle Notebook
我在Kaggle分享的notebook 有完整的Fitbit使用分析、洞察及行銷策略建議。
包括每日步數、活動時間、睡眠時間、靜坐時間、每小時步數及活動時間依每日、每小時依各群組的分佈及關聯性分析。其中依4大使用頻率群組及5大體能群組每天不同時間運動分佈的熱圖(Heat Map)分析，發掘了結合踏步運動及強度運動，可以有效率的達成步數及強度標準。建議可以與體適能醫學中心及健身專家合作，規劃於App內建每週4天、5天、6天或7天的多元化運動組合(踏步運動或強度運動)，幫助使用者有效率的達成健身及健康目標。
精選圖表分享
結語
這是Google 資料分析專業認證課程（Google Data Analytics Professional Certificate)裹要完成的個案研究(capstone project)，藉完成專案，實際運用六個月的課程所學：資料分析的六個階段：ASK, Prepare, Process, Analyze, Share (Data Visualization) and Action及可以選擇使用Spreadsheet、SQL程式語言，Tableau或R程式語言。
在這個專案中，每個工具我都使用了。我最先使用Google sheets來熟悉資料內容，做資料清理(Data Cleaning)、樞紐分析(Pivot Table)，製作圖表(Data Visualization)。
再來，我用SQL重頭來做資料清理(Data Cleaning)、資料處理(Data Processing)，再匯出檔案，換到Tableau製作儀表版(dashboard)。
最後，我使用最強大的工具， R 程式語言來做資料清理(Data Cleaning)、資料處理(Data Processing)及製作圖表(Data Visualization)。我主要用的R packages 有tidyverse, lubridate, janitor。
若對我為何想要學習資料分析有興趣，可以看我另一篇文章：行銷轉資料分析跨行跨很大？