【SQL】电商用户行为分析

一、项目背景及目的

1.1 项目背景

移动互联网企业从粗放式到精细化运营管理过程中，需要结合市场、渠道、用户行为等数据分析，对用户开展有针对性的运营活动，提供个性化、差异化的运营策略，以实现运营业务指标。本项目利用sql对淘宝用户行为数据进行分析，通过用户行为分析业务问题，提供针对性的运营策略。

1.2 项目目的

通过对taobao用户行为数据分析，为以下问题提供解释和改进建议：
1、分析用户使用APP过程中的常见电商分析指标，建立用户行为转化漏斗模型，确定各个环节的流失率，找到需要改进的环节
2、研究用户在不同时间尺度下的行为规律，找到用户在不同时间周期下的活跃规律，在用户活跃时间点推出相应营销策略
3、找到用户对不同种类商品的偏好，找到针对不同商品的营销策略
4、找出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

1.3 数据集来源与介绍

数据集来自阿里云天池：数据链接
本数据集包含了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）。数据集的组织形式和MovieLens-20M类似，即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。关于数据集中每一列的详细描述如下：

列名称	说明
用户ID	整数类型，序列化后的用户ID
商品ID	整数类型，序列化后的商品ID
商品类目ID	整数类型，序列化后的商品所属类目ID
行为类型	字符串，枚举类型，包括('pv', 'buy', 'cart', 'fav')
时间戳	行为发生的时间戳

注意到，用户行为类型共有四种，它们分别是

行为类型	说明
pv	商品详情页pv，等价于点击
buy	商品购买
cart	将商品加入购物车
fav	收藏商品

二、数据导入

新建数据库

导入数据表

选择导入前1000000行数据
需要注意源数据集中不包含字段名称行，导入时字段名行设置为0，第一个数据行设置为1。

设置字段类型

修改字段名

• 注意：源数据集中，时间存储格式是从新纪元开始后的秒数，需要进行进行数据格式转换。        

三、数据清洗

3.1 删除重复值

从查询结果可知，数据中不存在重复记录。

3.2 查看缺失值

从查询结果来看，不存在缺失值，数据质量高。

3.3 时间格式转换

3.4 过滤异常值

由于数据集时间范围为2017-11-25至2017-12-3，因此需要对不在该时间范围内的异常数据进行过滤。

总共过滤掉470条异常记录。

实际上过滤了470行异常数据