本文详述了一次使用MySQL和Tableau进行电商用户行为数据分析的实战过程，涵盖数据集下载、软件安装、数据库配置优化，以及用户行为、运营数据和商品数据的深入分析。通过对流量指标、留存率、跳失率、用户行为趋势和商品热度排行的探讨，揭示了用户购物习惯和网站运营策略的洞察。
正文共3289字。
今年2月做的项目，为了求职又梳理了一遍，希望能进一步提升自己的数据分析思维。博客名字改失败了，得4月中旬才能修改，cry
目录
（1）流量指标：PV（浏览量）、UV（独立访客）、PV/UV（浏览深度）
一、前期准备
（一）数据集下载
本文所用的数据集来自阿里云天池2018年发布的淘宝用户购物行为数据集，用于隐式反馈推荐问题的研究。
该包含了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）。
（二）软件下载
1、kettle
数据库管理软件，加速导入，一亿数据导入mysql，耗时半小时。
Kettle为绿色免费软件，下载完安装包解压后即可使用。但是需要配置java se 8环境，即jdk1.8，很古早的版本，注意别下载错了，下载后也别误点升级。
2、mysql8.0
我是用的8.0版本，因为使用数据较多，数据储存文件会比较大，如果c盘空间小，不建议安在c盘。
3、tableau
数据分析软件，安装后，需要下载mysql对应版本的驱动才可连接，mysql8.0版本的驱动，可以在mysql installer（mysql下载时附带的文件）里下载。
Ps：这些都是我自己用的软件，也可替换，比如kettle可以用navicat替代。
（三）mysql配置优化
1、为mysql data准备足够大的硬盘空间，我自学时用的数据库和这次的数据库加一起是30G，建议mysql data所在盘空余内存在20G以下的小伙伴，还是换个盘。
2、修改连接时间，避免出现2013错误
Edit→preferences→sql editor→mysql session
3、更改buffer值，避免出现1206错误
show VARIABLES like '%_buffer%';
set GLOBAL innodb_buffer_pool_size=1073741824;
二、项目背景与目标
本文所使用的是阿里巴巴提供的淘宝用户行为数据集UserBehavior，该数据集包含了2017年11月25日-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），用以进行隐式反馈推荐问题的研究。
笔者希望通过该数据集，分析淘宝用户的行为路径、购买习惯等内容，优化隐式反馈推荐，帮助网站提升销售，满足用户需求，提升转化率，同时提升自己的数据分析技能。
三、分析框架
本文主要从网站运营（来了多少用户）、用户（用户是谁用户干了什么）、商品（用户的商品偏好）三个维度进行分析和建议，具体内容见下图：
四、数据读取与处理
（一）数据介绍
本文所使用的是阿里巴巴提供的淘宝用户行为数据集UserBehavior，该数据集包含了2017年11月25日-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），用以进行隐式反馈推荐问题的研究。
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：
用户行为类型：
数据集大小：
本文内容全部基于该数据集，笔者并
最低0.47元/天 解锁文章
1684
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
