Taobao电商用户行为分析

最新推荐文章于 2025-03-10 03:57:10 发布

Tanyc3

最新推荐文章于 2025-03-10 03:57:10 发布

阅读量1.1k

点赞数 1

文章标签： mysql 数据库

本文链接：https://blog.csdn.net/Tanfunction_/article/details/121500521

版权

通过对2017年11月25日至12月3日的阿里云天池用户行为数据进行分析，发现整体转化率为2.3%，AIPL漏斗模型显示浏览到收藏加购转化率为9.13%，收藏加购到下单转化率为25.65%。RFM模型中，重要价值客户占比1.79%，重要发展客户占比77%。转化率高的商品品类和商品被识别出来。建议改进产品推送，关注高价值客户并针对高转化率商品进行营销策略调整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

通过阿里天池提供的2017年11月25日-2017年12月3日的用户行为数据，尝试分析得出对业务有用的优化建议。

一、数据来源

1、数据集-阿里云天池 (aliyun.com)

2、网上搜集得来的数据SQL文件

二、理解数据

三、提出问题

1、各环节转化率如何？转化率低的原因？

2、用户访问峰值时段？

3、用户RFM分级？

4、转化率top10的商品品类、商品？

四、分析思路

五、数据预处理

1、数据整体认知

select count(distinct user_id) as 用户数,
count(distinct item_id) as 商品数,
count(distinct category_id) as 品类数 
from userbehavior;

+--------+--------+--------+
| 用户数 | 商品数 | 品类数 |
+--------+--------+--------+
| 983 | 64467 | 3128 |
+--------+--------+--------+
1 row in set (3.49 sec)

共统计983名用户，64467个商品，3128个品类。

2、重复值查询处理

select * from userbehavior
group by item_id,user_id,timestamp
having count(*)>1;

Empty set (0.00 sec)

无重复值

3、缺失值查询处理

select * from userbehavior
where user_id is null
or item_id is null
or category_id is null
or behavior_type is null
or timestamp is null;

Empty set (0.00 sec)

无缺失值

4、时间戳处理

alter table userbehavior add dates date;//添加一个date格式的dates(日)字段
update userbehavior set dates =from_unixtime(timestamp);//使用from_unixtime函数转换时间戳

alter table userbehavior add t

最低0.47元/天解锁文章