实习三 Hive之用户购物行为分析
文章目录
小组成员
丁泓馨 元培学院 1800017752
李铮 元培学院 1800017744
一、实验目的
本次实习目的为:利用京东和阿里的用户购物数据集,用Hive工具对用户购物行为进行常规购物数据分析。
在本次实验中,我们基于的数据为京东用户三月份的部分购物数据,以及四月份的购物数据,即JData中的JData_Action_201603_extra与JData_Action_201603。
而对于用户购物的行为,我们对不同的用户行为数据(例如用户点击量等)进行了分析,并对结果数据做出了一定的可视化处理。
二、实验过程
1.数据说明
本次实验分析了2016-3-12到2016-4-30近两个月的整体购物情况数据,实习采⽤了以下⼏个⽂件
文件名 | 说明 |
---|---|
JData_Action_201603_extra.csv | 获取2016-3-12到2016-3-31的⽤户⾏为 |
JData_Action_201604.csv | 获取2016-4-1到2016-4-30的⽤户⾏为 |
这两个数据集包含的字段含义为:
列名称 | 说明 | 备注 |
---|---|---|
user_id | 用户编号 | 脱敏 |
sku_id | 商品编号 | 脱敏 |
time | 行为时间 | |
model_id | 点击模块编号 | |
type | 用户行为 | |
cate | 品类ID | 脱敏 |
brand | 品牌ID | 脱敏 |
在本次报告中,我们将分析如下用户行为:
- 用户点击量分析
- 用户下单量分析
- 一天中不同时段的访问量分析(时间段按小时划分)
- 用户每种行为的日平均次数
- 用户购买行为转化
- 每日新增用户情况(获客分析)
- 用户留存分析(分为日留存与三日留存)
- 用户复购分析
同时,我们也将对商品的如下数据进行分析:
- 商品销量排行榜
- 商品浏览量排行榜
- 商品种类浏览量排行榜
数据导入
create table if not exists behavior(
user_id int,
sku_id int,
time_ Timestamp,
model_id int,
type int,
cate int,
brand int)
row format serde 'org.apache.hadoop.hive.serde2.OpenCSVSerde' WITH SERDEPROPERTIES
(
"separatorChar"=","
)
STORED AS TEXTFILE;
load data local inpath "JData_Action_201604.csv" into table behavior;
select date(time_) as date1, count(*) as pv,count(distinct(user_id)) as uv
from behavior
where type = 6
group by date(time_);
select date(time_) as date1, count(*) as orders
from behavior
where type = 4
group by date(time_);
2.用户行为分析
2.1 用户访问量与下单量
select data(time1) date1,count(1) pv, count(distinct(user_id)) uv
from behavior
group by date(teime1);
获得点击量结果如下:
从数据中可看出,京东商城的每日访问量相对而言较大,下单量则相对较小,可见商品的吸引力方面仍然有待提高。
2.2 用户下单量分析
下面两张图分别是2016-3-14到2016-3-20的一周内的用户点击量和下单量的变化图
从这两张图中发现,用户的点击量和下单量周一起始量便很高,在周二达到了顶峰,而在之后的周三到周日呈现骤降趋势,违反了我们的日常经验。这可能是因为,3.14是白色情人节,而“3.15”是国际消费者权益日,而在国内市场上众多商家都有3.15促销活动的方案;且因为“3.15打假日”在打假曝光的同时会给同类商品带来一定的曝光度、知名度,所以这两日虽然是周一周二,但是点击量和购买量反而会上升一些。
下面两张图分别是2016-4-4到2016-4-10的一周内用户点击量和下单量变化图
对比上两张图,这两张图看起来较为符合人们的预期,即用户点击量和下单量大致在周四和周五达到了高峰,而在周一至周三为低谷。根据日常生活经验,我们推测可能的原因是周末来临会使得人们产生购物的欲望,而一周工作的开始则可能降低人购物的欲望。
根据以上数据分析,我们可以初步给出的推荐是,商家可以在节日、假日做促销活动,也可以在一周的周四周五增加促销活动或者加大促销力度,以期销售额有一个较好的增加效果。
2.3 一天中不同时间段的差异
select date(time_) as date1,
hour(time_) as hour,
count(*) pv
from behavior
where date(time_) = '2016-04-04' and type=6
group by date(time_),hour(time_);
我们选取了2016-4-4的数据来进行分析,得到的结果如下:
2016-4-4周一结果如下:
2016-4-8周五结果如下:
经过可视化处理后,4-4 4-8 4-9三天的点击量如图:
分析发现现,一天当中活跃度最低的为凌晨4~5点,原因是大部分用户都在睡觉(难以熬夜到这个点,或者是无法做到这么早早起);而一天中的几个点击量较高的时间段则分别是10~11点以及20点以后,原因可能是,10-11点是午饭前或是上午休息时间,20点以后是晚饭后、睡前,这两个时间段都较为空闲,可以浏览一下京东查看有没有想要购买的东西。
2.4 用户行为路径分析
2.4.1 用户每种行为的日平均次数
select count (distinct user_id) as user_number from behavior;
select date(time_) date1,
sum(if(type=6,1,0)) click_sum,
sum(if(type=4,1,0)) order_sum,
sum(if(type=2,1,0)) add_sum,
sum(if(type=5,1,0)) fav_sum
from behavior group by date(time_);
经计算,我们可以得到用户的平均数据如下:
总结果如下:
用户总量 | 总点击量 | 人均点击量 | 人均日点击量 |
---|---|---|---|
85031 | 10,479,192 | 123.2 | 8.216 |
总下单量 | 人均下单量 | 人均日下单量 |
---|---|---|
13,001 | 0.153 | 0.010 |
总添加量 | 人均添加量 | 人均日添加量 |
---|---|---|
211,216 | 2.483 | 0.166 |
总喜爱量 | 人均喜爱量 | 人均日喜爱量 |
---|---|---|
33,459 | 0.393 | 0.026 |
数据表明在2016-4-1到2016-4-15这段时间内,平均每人每天会点击8.216次,人均日下单量0.01,人均日添加量0.166,人均日喜爱量为0.026。根据日常购物经验判断,此数据较为可观。
2.4.2 用户购买行为转化分析
select type, count(*) as actions
from behavior
group by type
order by type;
产生结果如下:
其中数字与行为的对应关系为:1.浏览,2.加⼊购物⻋,3.从购物⻋删除,4.下单,5.关注,6.点击
将结果进行可视化处理,得到如下结果:
分析各部分行为占比发现
-
用户激活阶段:以浏览行为人数6983636为100%,加入购物车的人数为211216、关注量为33459,即只有3.5%的浏览行为会转换为了加入购物车和关注,总体而言这个转化比例不高,反映出用户浏览界面次数频繁但是较少使用购物车和关注功能。
而从购物车中删除行为的数量为104914,占加入购物车行为数量的49.7%,这个数相对而言还是比较大的,说明用户的反复衡量比较考虑等行为还是较多的。
-
获益收获阶段:下单行为数量为13001,与加入购物车行为相比仅占比约6.2%,说明只有很低一部分的加入购物车行为会转化为真正的下单行为,在将时间跨度上的延迟也纳入考虑范围后,这个百分比数字仍然是较低的,反映出即使部分用户将商品加入到了购物车,也很少会真的下单。
2.5 获客分析
获客分析:即观察每日新增用户情况,其中新用户的定义为第一次访问网站的用户。
select a.first_date, count(1) new_visitor from (select user_id,min(date(time_))
first_date from behavior group by user_id) a group by a.first_date
获得结果如下:
可见随着时间增加,新增用户量会逐渐降低甚至趋于0,这说明京东软件方需要在宣传营销等方面稍加大力度较好,以便维持一个新增用户量。
2.6 用户留存分析
留存定义:以第一日新增用户数为分母,这其中第n日仍活跃的用户数为分子,所得百分比即为n日留存率(e.g.:一日留存率、三日留存率等)。
select
temp1.date1,
count(distinct(temp1.user_id)) new_user_num,
count(distinct(if(abs(datediff(temp1.date1,date(temp2.time_)))=3,temp2.user_id,n ull))) retention_three_num,
concat(round(count(distinct(if(abs(datediff(temp1.date1,date(temp2.time_)))=3,te mp2.user_id,null)))*100/count(distinct(temp1.user_id)),2),"%")
retention_three_rate
from
(
select user_id,min(date(time_)) date1
from behavior
group by user_id
) temp1
left join behavior temp2
on temp1.user_id = temp2.user_id
group by temp1.date1;
获得留存数量与留存率如下:
-
一日留存:
-
三日留存:
可见新增用户流失较为严重,作为应对措施,京东软件可以不断添加实用且新颖的功能或内容,以期留住新用户。
2.7 复购分析
复购分析定义:在单位时间段内,重复购买率=再次购买人数/总购买人数
select count(*) as buyers
from
(
select count(*)
from behavior
where type = 4
group by user_id
) temp;
select count(*) as repeated_buyers
from
(
select count(*)
from behavior
where type = 4
group by user_id
having count(*) >= 2
) temp;
得到数据如下:
经计算,重复购买率约为21.95%
由此可见,在该时间段内复购率大致在21.95%左右,虽然这个数值看起来较低,但是由于该时间段较短,故而它并不能反应用户整体的忠诚度,随着时间段拉长到一年等可能复购率会有进一步的显著提升。
3.商品数据分析
3.1 商品排行榜信息
select * from
(select temp.sku_id as goods,temp.orders as orders, dense_rank() over(order by temp.orders desc) as rank1
from
(select sku_id,count(1) orders from behavior where type=4 group by sku_id)temp
)temp2
where temp2.rank1<=10;
得到结果如下:
- 浏览量:
- 销量:
其中,浏览量前10的商品在销量排行榜中仍然前十的有7名,从这里也可看出浏览量与销量有一定关系,因此增加浏览量确实可能会促成销量的增加,商品的曝光度还是很有必要的。
3.2 商品种类浏览量排行榜
select * from
(select temp.cate as category,temp.pv as pv, dense_rank() over(order by temp.pv desc) as rank1
from
(select cate,count(1) pv from behavior where type=6 group by cate)temp
)temp2
where temp2.rank1<=10;
得到结果如下:
从该数据中,我们可以分析出哪些种类的商品较容易引人注意,而根据商品浏览与销售的排行榜种数据关系可以得出,浏览量大的商品更容易有较大销售量,因此在商品销售时,商品种类浏览量排行榜对于选择商品的种类有一定指导意义。