淘宝用户行为分析（Python）

一、认识数据

1.1 数据来源及介绍

本数据来源于阿里云天池，是其随机选择约100万用户在2017年11月25日至12月3日之间发生的行为记录，具有包括点击、购买、加购物车和收藏商品的行为。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。

数据链接：数据集-阿里云天池

1.2 数据格式

字段说明：

• User ID: 用户ID
• Item ID: 商品ID
• Category ID: 商品所属品类ID
• Behavior type: 用户行为类型（pv=访问，fav=收藏，cart=加购物车，buy=支付）
• Timestamp: 用户行为发生的时间戳

二、提出问题

所给数据集只有5个字段、时间维度限制在9天内、商品数据均为脱敏数据、行为数据只有4种，具有一定的局限性。结合电商平台分析指标和AARRR漏斗分析模型，比较有分析价值的是用户行为和时间这两个维度。可以初步计划从用户行为习惯、用户消费习惯和用户价值等方分析。

2.1 用户行为方面

• 页面浏览量PV和独立访客数UV如何变化？和时间有关系吗？
• 用户的平均访问深度是多少？平台的跳失率怎么样？
• 用户从浏览到购买会经历哪些过程？最终的转化率如何？
• 平台用户留存率怎么样？

2.2 用户消费方面

• 平台的用户付费率是多少？用户复购的情况怎么样？
• 平台商品销售情况是怎么样？
• 商品销售之间有没有一定的联系？

2.3 用户价值方面

• 如何判断用户价值？针对不同用户如何采取不同的运营策略？

将上述问题整理如下，便于之后有针对性的进行分析：

三、数据处理

3.1 数据导入

用python导入前120万条数据，原数据没有列名，导入的时候加上对应的列名。

import pandas as pd
import numpy as py
%matplotlib inline
import matplotlib.pyplot as plt
data=pd.read_csv('./Desktop/淘宝/淘宝.csv',
                 header=None,nrows=1200000,
               names=['user_id','product_id','item_id','behaviour_type','time'])
data.head()

查看数据类型，是否有缺失值，重复值。

data.info()

data.isnull().any()
data.duplicated().sum()

均无。 

 3.2数据整理

数据集原有的时间列采用时间戳存储，为了方便后续分析，这里将原有时间戳转为北京时间，并从中抽取出日期、时间和小时数据，同时将date列转换为时间类型，我们研究的是从2017年11月25日至2017年12月3日之间的行为数据，挑选出这一区间的数据。最后按照user_id和时间进行排序。

import datetime 
data['time']=pd.to_datetime(data['time'],unit='s')+datetime.timedelta(hours=8)
data['date']=data['time'].map(lambda x:x.strftime('%Y-%m-%d %H').split(' ')[0])
data['hour']=data['time'].map(lambda x:x.strftime('%Y-%m-%d %H').split(' ')[1])
data['date']=pd.to_datetime(data['date'])
data = data[(data['date'] >= '2017-11-25') & (data['date'] <= '2017-12-03')]
data = data.sort_values(by = ['time','user_id'], ascending=True)
data = data.reset_index(drop=True)
data

四、数据分析

（一）用户行为习惯分析

4.1.1 页面访问量PV和独立访客数UV

下面按照日期分析UV、PV的变化趋势：

#pv_daily记录每天用户操作次数，uv_daily记录每天不同的上线用户数量
pv_daily=data.groupby('date')['user_id'].count().reset_index().rename(columns={'user_id':'pv'})
uv_daily=data.groupby('date')['user_id'].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={'user_id':'uv'})
x=pv_daily["date"]
y1=pv_daily["pv"]
y2=uv_daily["uv"]
plt.figure(figsize=(10,6))
plt.plot(x,y1,label="pv")
plt.legend(loc=6)
plt.twinx()
plt.plot(x,y2,label="uv",color='r')
plt.legend()