如何用mysql对淘宝用户行为进行分析

一、项目背景和目的

项目集中于对淘宝用户行为的分析，如购买时段的分析、热销商品的分析、用户行为转化漏斗分析以及通过RFM模型对用户进行分类等，希望从中探索用户购买的规律，并将这些规律与店铺营销策略相结合，以实现更精细和精准的运营，让业务获得更好的增长。

项目数据来源于数据集-阿里云天池，通过此项目学习电商数据分析的指标与数据分析的基本方法。

本数据集(UserBehavior.csv)包含了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），数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。

二、分析维度

根据现有数据及分析目的，从四个维度进行分析：

第一个维度：用户购物情况整体分析

以PV、UV、平均访问量、跳失率等指标，分析用户最活跃的日期及活跃时段，了解用户行为习惯

第二个维度：商品购买情况分析

从成交量、人均购买次数、复购率等指标，探索用户对商品的购买偏好，了解商品的销售规律

第三个维度：用户行为转化漏斗分析

从收藏转化率、购物车转化率、成交转化率，对用户行为从浏览到购买进行漏斗分析

第四个维度：参照RFM模型，对用户进行分类，找出有价值的用户

三、分析正文

分析步骤如下：

提出问题------理解数据------数据清洗------构建模型------数据可视化

（一）提出问题

• 用户最活跃的日期及时段
• 用户对商品有哪些购买偏好
• 用户行为间的转化情况
• 用户分类，哪些是有价值的用户

（二）理解数据

 用户行为类型又分为四种：

pv：商品详情页pv，等价于点击

buy：商品购买

cart：商品加入购物车

fav：收藏

(三）数据清洗

1.分批导入数据：原始数据有1亿多行，数据体量太大，这里我只导入200万行，通过navicate，分批导入。

（特别说明：第一次尝试时导入了700万行的数据，mysql直接崩溃，所以后来就只导入200万行的数据。不知道对于数据量特别大的，一般大家是怎么处理的呢？希望大神们可以在留言指点一二）

新建数据库userbehavior，建立新表：users，字段分别为：user_id(用户ID)，item_id(商品ID)，item_category(商品类目ID)，behavior_type(用户行为)，time_stamp(时间戳)

2.缺失值处理：通过查询，所有字段的计数都是200万行，没有缺失值；

3.一致化处理：因为分析涉及到时间、天、小时，所以，要把数据集里的时间戳列，即time_stamp列转化为日期。

增加3列，分别是：date_time, dates,times：

alter table users add column date_time varchar(45) not null;
alter table users add column dates date not null;
alter table users add column times varchar(10) not null;

分别给这3列赋值：

set sql_safe_updates=0;
update users set date_time=from_unixtime(time_stamp);
update users set dates=left(date_time,10);
update users set times=substring(date_time,12,5);

4.对异常值处理：

对dates列的日期值进行检查，看是否有错误值；因为数据集要分析的是从2017.11.25到2017.12.3日的数据，所以把不在这个日期范围内的数据筛选出来：

SELECT 
    dates
FROM
    users
WHERE
    dates NOT BETWEEN '2017-11-25' AND '2017-12-03';

返回991行，也就是说，有991行的日期并不是在这个范围内的，只占到数据集中很少的比例，为了不影响接下来的分析，把这些不符合的行，删除。

-- 删除不在分析范围内的日期值
DELETE FROM users 
WHERE dates NOT BETWEEN '2017-11-25' AND '2017-12-03';

对behavior_type列的值进行检查，看是否有异常值：

select behavior_type 
from users
where behavior_type not in('pv','buy','cart','fav');

查询结果：没有异常值

清洗后数据如下图所示：