用户行为分析案例——天池数据集User Behavior Data from Taobao

最新推荐文章于 2025-03-08 21:33:31 发布

light_love_long

最新推荐文章于 2025-03-08 21:33:31 发布

阅读量9.1k

点赞数 5

文章标签： mysql 电子商务

本文链接：https://blog.csdn.net/light_love_long/article/details/104567734

版权

本文基于阿里云天池的用户行为数据集，运用MySQL和Navicat进行数据处理，分析了网站流量、用户粘性、商品销售情况。10200位用户的行为数据显示，网站流量在12月2日显著增加，转化漏斗显示用户从浏览到购买的转化率较低，但用户留存率和复购率表现良好。商品销售主要依赖长尾商品，而非爆款。建议优化商品页面和用户匹配，提升转化率和用户复购。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用户行为分析过程

说明

本次数据分析基于阿里云天池数据集（用户行为数据集），使用转化漏斗，AARRR模型，对常见电商分析指标，包括转化率，PV,UV,留存率，复购率等进行分析，分析过程中使用MySQL以及Navicat进行数据预览与清洗处理，使用Excel进行数据可视化。

一、数据集与分析目的

1、数据集

字段	说明
user_id	整数类型，序列化后的用户ID
item_id	整数类型，序列化后的商品ID
category_id	整数类型，序列化后的商品所属类目ID
behaviortype	字符串，枚举类型，包括(‘pv’, ‘buy’, ‘cart’, ‘fav’)
timestamps	行为发生的时间戳

该数据集记录用户在淘宝网站浏览商品产生的行为信息。由于数据集过大，选取其中10200位用户，共105万条数据。

2、分析目的

1）了解网站流量情况；
2）了解该阶段网站用户粘性以及用户行为习惯；
3）了解网站商品销售情况；
分析逻辑如下：
在这里插入图片描述

二、数据处理

1、数据预览

MySQL建表，使用Navicat导入数据

use userbehavior;
create table user(
user_id int not null,
item_id int not null,
category_id int not null,
behavetype varchar(10) not null,
times int not null,
constraint user_behave PRIMARY KEY (user_id,item_id,times))

2、数据处理

（1）日期处理
将行为发生时间转为datetime类型，获取其发生日期及时间

SET SQL_SAFE_UPDATES = 0;
ALTER TABLE user ADD COLUMN datentime TIMESTAMP(0) NULL;
UPDATE user 
SET datentime = FROM_UNIXTIME(times);
ALTER TABLE user ADD COLUMN dates CHAR(10) NULL;
UPDATE user
SET dates = SUBSTRING(datentime FROM 1 FOR 10);
ALTER TABLE user ADD COLUMN hours CHAR(10) NULL;
UPDATE user
SET hours = SUBSTRING(datentime FROM 12 FOR 2);

（2）数据清洗

DELETE FROM user
WHERE datentime < '2017-11-25 00:00:00'
OR datentime > '2017-12-04 00:00:00';

三、数据提取与分析

1、网站流量分析

创建用户行为视图

use taobaouser;
create view userbehave as
select user_id,count(behavetype) num,sum(if(behavetype='pv',1,0)) pv,sum

最低0.47元/天解锁文章