SQL分析——电商用户行为

一、数据背景与描述

1.数据背景

中国电商行业经过初期的粗狂式发展，从有货就能卖的模式逐渐转变到精细化运营的模式。通过对大量数据进行深入分析，可以帮助电商网站提升运营效率、优化产品组合、提高营销效果等。同时，通过对用户行为的分析，可以更好地了解用户的需求和购物习惯，从而提供更加个性化的服务和促进销售。此外，数据分析还可以帮助电商网站评估供应商和产品的表现，以及预测未来的销售趋势等。在此背景下，基于电商用户数据开展分析。

2.数据来源

本次项目数据集通过公开渠道获得，数据来源于阿里云天池竞赛平台，包含了淘宝天猫2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包括点击、购买、加购、喜欢）。

数据集-阿里云天池数据集-阿里云天池的文档介绍：## User Behavior Data from Taobao for Recommendation**1.概述**UserBehavior是阿里巴巴提供的一个淘宝用户行为数...https://tianchi.aliyun.com/dataset/dataDetail?dataId=649https://tianchi.aliyun.com/dataset/dataDetail?dataId=649

3.数据描述

说明：

用户行为类型共有四种，它们分别是：

关于数据集大小的一些说明如下：

由于此数据量级高达一亿条，考虑到电脑性能问题，现取100万条数据进行分析。

二、分析目的

1.解决问题

基于数据，解决以下问题：

①分析常见的电商分析指标，建立用户行为转化漏斗模型，确定各个环节的流失率，有哪些需要改进的环节？

②哪些商品是热搜商品？哪些是畅销商品？热搜商品是否就是畅销商品？

③每周不同天，每天不同时间段对于用户行为的影响。

④使用RFM方法对用户进行分类。找最具价值的核心付费用户群，对这部分用户的行为进行分析。

2.分析思路

采用多维度拆解分析方法对问题进行拆解，并在分析过程中使用漏斗模型、RFM模型分析法、假设检验分析方法对流程级业务指标中的问题进行分析。

分析思路如下：

三、数据清洗

0.导入表设置

根据字段内容进行分析后，将UserID，ItemID，TimeStamp设置成联合主键，导入源数据：

1.删除重复值

验证userbehavior表中各字段有无重复值，代码如下：

select UserID,ItemID,TimeStamp 
from userbehavior 
group by UserID,ItemID,TimeStamp 
having count(1)>1;

运行：

经验证，不存在重复。

2.缺失值处理

验证是否存在缺失值，代码如下：

select count(UserID),count(ItemID),count(categoryID),count(TimeStamp) 
from userbehavior;

运行结果：

经验证，无缺失值存在。

3.一致化处理

本次分析需要用到日期时间数据，经观察，原数据TimeStamp记录的是时间戳，包含了日期和时间，因此需要将其转化为日期和时间格式，进一步进行拆分。

①新增日期和时间字段：

alter table userbehavior 
add Date varchar(20) not null, add Time varchar(10) not null;

运行结果：

②将时间戳转化格式，更新字段内容：

UPDATE userbehavior set Date = FROM_UNIXTIME(TimeStamp,'%Y-%m-%d'),
Time = FROM_UNIXTIME(TimeStamp,'%k');

后续按时间分析用户行为时，最小单位从小时分析，因此提取时间时只制定‘%K’

运行结果：

注：

from_unixtime(timestamp ,date_