数据分析—用户行为数据分析

为什么进行用户行为数据分析？

       1.大环境：电商红利期已去，新客流量成本增大

       2.品牌：存量老用户维护成本低且转化率高，需进行精细化运营

       3.提出可落地、结合业务运营的，提高运营效率、赋能业务增长的建议

数据来源：

淘宝用户购物行为数据集_数据集-阿里云天池​​​​​​

注：本次数据的清洗、筛选等处理用 SQL进行实现

一.数据清洗

      处理（一般指删除）重复数据、空值、不需要分析的数据。目的是获得有效数据，精准有效的对各个业务流程进行数据分析。

1.重复值处理

①查找重复数据

select
user_id, item_id, time_stamp
from userbehavior
group by
user_id , item_id, time_stamp
having count(*) > 1;

②删除重复数据

alter table userbehavior
add id int primary key auto_increment
delete
from userbehavior
where id in
(select id from
(select id, user_id, item_id, time_stamp, row_number() over(partition by user_id, item_i
d, time_stamp) '重复值'
from userbehavior) as temp
where 重复值 >1

2.空值处理

#查找是否有空值
select
*
from userbehavior
where user_id is null
or item_id is null
or category_id is null
or behavior_type is null
or time_stamp is null

 发现无空值

3.不需要数据的处理

主要：查找是否存在超出分析时间的记录

①时间戳处理

将时间戳转换成四个字段：weekday，dates，datetime，hours。后续需要利用这些字段进行分析。

alter table userbehavior
add dates varchar(255)
update userbehavior set dates = from_unixtime(time_stamp,'%Y-%m-%d')

alter table userbehavior
add datetime varchar(255)
update userbehavior set datetime = from_unixtime(time_stamp,'%Y-%m-%d %H-%i-%s')

alter table userbehavior
add hours varchar(255)
update userbehavior set hours = from_unixtime(time_stamp,'%H')

alter table userbehavior
add weekday varchar(255)
update userbehavior set weekday = weekday(datetime)+1

②除去超出分析时间的数据

需要分析11月25日-12月3日之间的用户行为，在此时间段之外的行为都不应该被纳入分析。

delete
#select *（查询）
from userbehavior
where
dates < '2021-11-25'
or dates > '2021-12-03'

经查询，已经将超出分析时间之外的数据删除。

自此，用SQL清洗数据已完成，可以将这份“干净”的数据用于接下来的分析。

接下是数据分析的主体部分，主要有三大步：

1.明确问题：通过AIPL模型分析，挖掘出可进行落地分析的目标

2.分析原因：结合业目标，和分析经验来分析原因

3.给出建议：结合原因给出具体可落地的建议

明确问题

 1.确定会员总数

select
count(distinct user_id) 会员总人数
from userbehavior

2.通过AIPL模型进行整体分析

A - Awareness 认知：浏览
I - Interested 兴趣：收藏、加购
P - Purchase 购买：购买
L - Loyalty 忠诚：复购

 现在需要计算A（浏览view）、I（收藏favor加购cart）、P（buy）、L（n*buy）四个过程

①计算前需对表结构进行行列互换（之后仅展示筛选结果）

 ②计算A（浏览view）、I（收藏favor加购cart）、P（buy）的值

CREATE VIEW behavior AS
SELECT user_id,
       datetime,
       dates,
       hours,
       CASE behavior_type WHEN 'pv' THEN 1 ELSE 0 END AS 'view',
       CASE behavior_type WHEN 'fav' THEN 1 ELSE 0 END AS 'favor',
       CASE behavior_type WHEN 'cart' THEN 1 ELSE 0 END AS 'cart',
       CASE behavior_type WHEN 'buy' THEN 1 ELSE 0 END AS 'buy'
FROM userbehavior

select sum(view) 'A',
sum(favor)+sum(cart) 'I', sum(buy) 'P'
from behavior
DROP VIEW