购物网站用户行为分析

一、提出问题
1.用户整体购物情况（pv、uv、日均访问量、购买行为的用户数量、用户的购物情况、复购率）
2.用户行为转化率漏斗分析
3.购买率高和购买率0的用户有什么特征
4.分析时间维度了解用户的行为习惯

本次分析使用用户行为理论分析，分析思路如下图：
二、数据获取
该数据集来源于阿里云天池（淘宝用户行为数据集），数据选取了淘宝APP2014年11月18日至12月18日的用户行为数据。

三、理解数据
数据集包含6个字段，一共1048575条数据。

字段信息说明：

四、数据处理
缺失值处理：
由于item_category列字段数据地理位置数据大多是空值，且位置信息加密了处理了，所以不做和地理位置相关的分析。

数据分组：
使用Excel将time字段分成日期和时间列

数据转换：
将behavior_type列1（点击）、2（收藏）、3（加入购物车）、4（购买）转换为pv、fav、cart、buy。

update tianchir set behavior_type = replace(behavior_type, 1, 'pv');
update tianchir set behavior_type = replace(behavior_type, 2, 'fav');
update tianchir set behavior_type = replace(behavior_type, 3, 'cart');
update tianchir set behavior_type = replace(behavior_type, 4, 'buy');

修改date列为日期类型：

alter table tianchir modify date date;

五、数据分析及可视化
1.用户整体购物情况
（1）pv(总访问量)

select count(behavior_type) as '总浏览数'
from tianchir
group by behavior_type
having behavior_type = 'pv';

（2）uv(总用户数)

select count(distinct user_id) as '用户总数' 
from tianchir

（3）日均访问量

select date, count(behavior_type) as '日均访问量' 
from tianchir
where behavior_type = 'pv'
group by date
order by date;