用户行为数据分析 User Behavior Data from Taobao for Recommendation

一、提出问题

本文想针对以下几点问题，对淘宝用户行为数据进行分析 ：
1）基于AARRR漏斗模型，分析常见电商分析指标，从新增用户数量、各环节转化率、新用户留存率三个方面进行分析，提出增加新增用户数，提高用户行为转化率，以及解决用户留存问题的建议
2）研究不同时间尺度下的用户行为规律，针对该规律提出营销建议。
3）基于RFM模型建立用户价值等级，针对不同等级的用户提出相应的管理策略。

二、理解数据

1. 数据来源
   阿里云天池数据集：(https://tianchi.aliyun.com/dataset/dataDetail?dataId=649)

本文选取的数据集为UserBehavior.csv，共有5242880条数据。数据的具体类别如下表所示：

用户行为种类有四种，如下表所示
对于数据维度的说明如下：
在本文选取的2017年11月25日到2017年12月3日的时间范围内，不重复的用户数量为10202，不重复的商品ID数为412369，不重复的商品类目ID数为5859，用户行为总数为1048575。

三、数据清洗

1、定义列名：原始数据没有列名，因此需要重新定义。

import pandas as pd 
import numpy as np

data=pd.read_csv('UserBehavior (1).csv',encoding='utf')
data.columns=['user_id','item_id','category_id','behavior','time']  #加入列名

2、整理数据
原始数据中，时间数据为纯数字，如1511544070，我们要把它转化为正常的数据格式。

import datetime 
def num_to_time(x):
    return datetime.datetime.fromtimestamp(x).strftime('%Y/%m/%d %H:%M:%S')

data['time']= data['time'].apply(num_to_time) #应用apply

将时间列的日期和时间点分开

data=pd.concat([data,data['time'].str.split(r' ',expand=True)],axis=1) #合并到数据框
data.rename(columns={
   0:'date',1:'time'}, inplace=True)   #给列重新命名

这份数据里的时间点有些散乱，对日期分组计数一下看有无适合分析的数据。

d1=data.groupby('date').count()

可以看到2017年11月25日到2017年12月3日这段时间，每天都有十万个以上的用户数据，应该比较完整的，且具有一定的分析价值，因此我们就对这段时间的数据进行分析。

3.异常值处理
看一下数据是否全都在选定的范围内

user_data.date.unique()

结果如下，没有其他日期数据。

array(['2017/11/25', '2017/11/26', '2017/11/27', '2017/11/28',
       '2017/11/29', '2017/11/30', '2017/12/01', '2017/12/02',
       '2017/12/03'], dtype=object