MySQL淘宝用户行为分析

一、数据来源及说明

数据来源于: https://tianchi.aliyun.com/dataset/dataDetail?dataId=46&userId=1

二、分析维度

根据现有数据及分析目的，从四个维度进行分析：

第一个维度：用户购物情况整体分析

以PV、UV、平均访问量、跳失率等指标，分析用户最活跃的日期及活跃时段，了解用户行为习惯

第二个维度：商品购买情况分析

从成交量、人均购买次数、复购率等指标，探索用户对商品的购买偏好，了解商品的销售规律

第三个维度：用户行为转化漏斗分析

从收藏转化率、购物车转化率、成交转化率，对用户行为从浏览到购买进行漏斗分析

第四个维度：参照RFM模型

对用户进行分类，找出有价值的用户

三、分析正文

分析步骤如下：

提出问题------理解数据------数据清洗------构建模型------数据可视化

（一）提出问题

用户最活跃的日期及时段
用户对商品有哪些购买偏好
用户行为间的转化情况
用户分类，哪些是有价值的用户

（二）理解数据

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，10000名随机用户共12244074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ID

behavior_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

(三）数据清洗

1、导数

通过Navicat导入csv文件，数据库的表名为user。

2、缺失值处理

user_geohash 列表示地理位置信息，由于数据存在大量空值，且位置信息被加密处理，难以研究，因此后续不对user_geohash 列进行分析。

3、数据一致化处理

由于 time 字段的时间包含（年-月-日）和小时，为了方便分析，将该字段分成 2 个字段，一个日期列（date）和一个小时列（time）。

//select * from user;
alter table user change time date varchar(255);
alter table user add time varchar(20);
update user set time = date;
update user set date=replace(date,date,SUBSTRING_INDEX(date,' ',1));
update user set time=replace(time,time,substring_index(time,' ',-1));

由于 behavior_type 列的四种行为类型分别用 1，2，3，4 表示点击、收藏、加购物车、购买四种行为，为了方便查看数据，将1，2，3，4替换为 ‘pv’、’fav‘，’cart’，‘buy’ 。

alter table user modify behavior_type varchar(20);
#将behavior_type列数据替换
update user set behavior_type=replace(behavior_type,1,'pv');
update user set behavior_type=replace(behavior_type,2,'fav');
update user set behavior_type=replace(behavior_type,3,'cart');
update user set behavior_type=replace(behavior_type,4,'buy');
select * from user;

通过查询表结构，可以看到 date 列不是日期类型：

desc user;