基于SQL的淘宝用户行为分析报告

一、分析背景

国家统计局公布的2014-2019H1中国居民消费相关数据显示，中国社会消费零售总额增速逐步放缓，经过多年来高速增长的电商行业也从之前的野蛮式扩张逐步规范，形成稳定局面。

数字用户红利见顶，电商行业从流量思维向用户思维转身。加上新媒体的不断崛起，用户时长市场呈现离散化，整个行业面临诸多困难与挑战，因此对用户行为展开深入分析，从数据挖掘的角度出发，及时了解到目前存在的业务问题，具有重要现实意义。本文利用SQL对淘宝用户行为数据进行分析，通过用户行为分析业务问题。

二、分析目的

利用AARRR模型、RFM模型、对比分析等分析方法，从不同维度对用户行为进行分析，找到用户行为规律及需要改进的环节，并提出有针对性的改进建议。

三、理解数据

3.1 采集数据

本数据集来源于：阿里天池-User Behavior Data from Taobao for Recommendation

3.2 导入数据

将数据导入数据库，考虑MySQL内存及后续操作，此次考虑仅导入前500万行数据进行分析。

3.3 理解数据

本数据集包含了2017年11月25日至2017年12月3日之间，有行为的约五百万随机用户的所有行为（行为包括点击、购买、加购、收藏）。数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。关于数据集中每一列的详细描述如下：

列名称	说明
用户ID	整数类型，序列化后的用户ID
商品ID	整数类型，序列化后的商品ID
商品类目ID	整数类型，序列化后的商品所属类目ID
行为类型	字符串，枚举类型，包括（“pv”,“buy”,“cart”,“fav”)
时间戳	行为发生的时间戳

注意到，用户行为类型共有四种，它们分别是：

行为类型	说明
pv	商品详情页pv，等价于点击
buy	商品购买
cart	将商品加入购物车
fav	收藏商品

四、分析思路

4.1 构建业务问题

• 分析用户使用APP过程中的常见电商分析指标，确定各个环节的流失率，找到需要改进的环节；
• 研究用户在不同时间尺度下的行为规律，找到用户在不同时间周期下的活跃规律；
• 找到用户对不同种类商品的偏好，找到针对不同商品的营销策略；
• 找出最具价值的核心付费用户群。

4.2 思维导图

五、数据清洗

5.1 列名重命名

原数据集没有列名，导入数据后，给数据对应列添加新列名。

5.2 选择字段

本次分析所有列字段都需要，所以全部选择。

5.3 重复值处理

SELECT DISTINCT
 user_id,
 item_id,
 category_id,
 behavior_type,
timestamp
FROM
 userbehavior;

删除重复值后，剩下4999600行数据。

5.4 缺失