taobao用户分析

1. 数据来源及说明
2. 提出问题
   1） 整体用户的购物情况
   2） 用户行为转化漏斗
   3） 购买率高和购买率为0的人群有什么特征
   4） 基于时间维度了解用户的行为习惯
   5） 基于RFM模型的用户分析
3. 数据清洗
   1）导入数据
   2）缺失值处理
   3）数据一致化处理
4. 构建模型和分析问题
   1） 总体用户购物情况
    日均访问量
    uv(用户总数)
    有购买行为的用户数
    用户的购物情况
   2.用户行为转化漏斗
   3.购买率高和购买率低的人群有什么特征
5. 基于时间维度了解用户的行为习惯
    (1)一天中用户的活跃时段分布
    （2）一周中用户活跃时段分布
6. 基于 RFM 模型找出有价值的用户
   （1）计算R-Recency
   （2）计算F-Frequency
   （3）对用户进行评分
7. 结论：

1.数据来源及说明

本文从数据集中选取包含了2014年11月18日至2014年12月18日之间，8477名随机用户共1048575条行为数据，数据集的每一行表示一条用户行为，共6列。
列字段包含以下：
user_id：用户身份
item_id：商品
IDbehavior_type：用户行为类型（包含点击、收藏、加购物车、购买四种行为，分别用数字1、2、3、4表示）
user_geohash：地理位置（有空值）
item_category：品类ID（商品所属的品类）
time：用户行为发生的时间

2.提出问题

1）整体用户的购物情况
Pv(总访问量),日均访问量，uv(用户总数)，有购买行为的用户数量，用户的购物情况，复购率分别是多少？
2）用户行为转化漏斗
点击-加购物车-收藏-购买各环节转化率如何？购物车遗弃率是多少，如何提高？
3）购买率高和购买率为0的人群