基于MySQL的淘宝用户行为分析

分析背景

淘宝网，是全球最受欢迎的网购零售平台之一，拥有近5亿的注册用户数，每天有超过6千万的固定访客，同时每天的在线商品数已经超过了8亿件，平均每分钟售出4.8万件商品。作为电商行业的标杆，淘宝网的用户行为数据，一定程度上反映了用户的购买行为规律。本项目利用。MySQL对淘宝用户行为数据进行分析，探索不同用户的消费习惯，结合店铺营销策略，以实现精准化运营，减少运营成本，增加店铺营收。

说明:数据集来自互联网，如有侵权，请联系删除，谢谢

分析目标与思路

探索目标

每日不同时段流量走势，质量如何？用户行为转化情况怎样？如何提高留存、增加复购？如何判断高价值用户，针对不同用户如何进行个性化营销？

分析思路

• 流量指标分析：对比每日每小时的PV（访问量）、UV（访客数）、平均访问量（PV/UV），在不同时间发布不同的营销活动，寻找更优质的拉新渠道。
• 行为转化分析：统计用户不同行为的转化情况，简化交易流程，提高转化率。
• 产品贡献定量分析：根据产品贡献，调整产品结构，选定营销主题。
• 用户价值分析：对用户进行价值分层，针对不同层级的用户制定不同的营销策略。

数据准备

数据获取

数据集来源于淘宝APP移动端，2014年11月18日至2014年12月18日的用户行为数据。

数据理解

表中有7个字段：用户ID、商品ID、商品类目ID、用户行为类型、用户所在地理位置、用户行为时间、金额，一共有12256905条数据。限于电脑性能，仅提取前1048575条记录用作分析。

字段名	字段描述	数据类型
user_id	用户ID	INT
item_id	商品ID	INT
item_category	商品类目ID	INT
behavior_type	用户行为类别	VARCHAR(10)
user_geohash	用户地理位置	VARCHAR(10)
times	行为时间	DATETIME
amount	金额	DECIMAL(5,2)

pv：点击，用户访问商品详情页。必须是商品详情页的流量，淘宝网首页、搜索结果页等页面的点击流量不算在内。
fav：收藏，用户将商品加入收藏夹，便于下次访问。收藏夹中的商品不可直接购买，必须再次发生“点击”行为后，在商品详情页方可购买。
cart：加购，用户将商品添加到购物车。用户可从购物车直接购买商品，无须再次产生“点击”行为。
buy：下单，用户点击提交订单购买商品。

数据清洗

建表导数：

create database taobao;

use taobao;