基于MySQL的京东用户行为分析

目录

一、数据处理

1.字段说明

 2.数据清理-excel

二、用户分析

1.计算uv(访客数)和pv(访问量)

a 计算每日uv(访客数)和pv(访问量)

b  计算每小时uv(访客数)和pv(访问量)

​编辑

2.人群画像

（1）客户性别比例

 （2）年龄分布

3.运用AARRR模型对用户行为路径分析

（1）对整体指标进行分析

 （2）跳失率

（3）制定用户转化漏斗

（4）复购率

​编辑

（5）分析用户流失的主要原因

 三、总结

---

数据文件链接：https://pan.baidu.com/s/12h0nckIE6qLMBy-ywzqf8w 
提取码：i1q2

1.字段说明

数据共183828条数据，数据字段20个。

 2.数据清理-excel

查看是否有缺失值

 存在缺失值的有年龄分段、会员城市级别和开店时间，其中年龄分段和会员城市级别的缺失率很小，可以删除缺失值。而开店时间缺失率占比达到了0.3882，暂时保留数据，需要相关分析时再去除。

 删除重复值

并未发现重复值，故无需处理。

异常值处理

对数据进行描述性分析，结果如下：

 店铺打分最小值为-1，考虑到可能是差评，店铺打分一般是0-10，认定0分以及是差评了，负数总共有1524条，不是很多，故可以负数改为0。

 行为时间提取年份、月份、日、周、小时列，其中星期一到星期日为1-7。

将处理好的数据导入mysql。

二、用户分析

1.计算uv(访客数)和pv(访问量)

a 计算每日uv(访客数)和pv(访问量)

select 日期,count(distinct 客户编码) 日uv
from `京东消费者行为分析数据`
group by 日期

 

 

 二月上旬属于平台高峰期，且在15号达到了最低谷，大概率是因为2月14号为情人节，二月上旬在搞情人节活动，很多情侣购买礼品的原因。

3月27号和28号两日的uv出现了异常，出现断崖式低峰，而在3月29日又恢复了正常，需要重点查明uv低下的原因，暂时分析可能的原因是数据出错或者这两日平台的技术出现了问题，导致用户无法登录。

其他日期的数据变化相对比较平稳，属于正常趋势。

select 日期,count(客户编码) 日pv
from `京东消费者行为分析数据`
group by 日期

 

 日pv跟日uv变化趋势一致，就不一 一叙述了。

b  计算每小时uv(访客数)和pv(访问量)

select 小时,count(distinct 客户编码) 日uv
from `京东消费者行为分析数据`
group by 小时

 

 每小时uv低谷出现在1-6点，该时间段为休息时间，所以是正常的。高峰出现在21-22点，比其他时间高不了多少，建议在19-23点这个时间段为主要推送活动等信息的时间段，这段时间相当于高峰期，但9-18点应该适当推送。

select 小时,count(客户编码) 小时pv
from `京东消费者行为分析数据`
group by 小时

 

 跟每小时uv趋势一样，就不多分析了。