用户行为数据分析

此次主要针对于淘宝用户数据进行分析，数据来源：User Behavior Data from Taobao for Recommendation
数据集一共有1亿条数据记录，数据量庞大，本次分析选取了大约300万条记录进行分析
以下思维图是此次分析逻辑

1.分析用户使用户行为的漏斗模型

1）获客：

利用AARRR模型分析用户行为，此处数据主要涉及用户刺激和购买转化的环节，通过用户从浏览到最终购买整个过程的流失情况，包括浏览、收藏、加入购物车和购买环节，一个月内的各项指标如下：

APP访问用户总数（UV)：29178

页面总访问量（PV）：2685877

SELECT COUNT(DISTINCT id) AS UV,(SELECT COUNT(*) FROM user WHERE behavior='pv') AS PV,(SELECT COUNT(*) FROM user WHERE behavior='pv')/COUNT(DISTINCT id) AS 'PV/UV'
FROM user

2）转化：转化及流失情况
跳失率=只点击一次浏览的用户数量/总用户访问量
当统计时长为35天时，有1657个人浏览了一个页面就离开了APP，占总访问量的0.06%，几乎可以忽略不计，说明淘宝有足够的吸引力让用户停留。

SELECT COUNT(DISTINCT id