数据分析之实战项目——电商用户行为分析

阅读之前看这里👉：博主是正在学习数据分析的一员，博客记录的是在学习过程中一些总结，也希望和大家一起进步，在记录之时，未免存在很多疏漏和不全，如有问题，还请私聊博主指正。
博客地址：天阑之蓝的博客，学习过程中不免有困难和迷茫，希望大家都能在这学习的过程中肯定自己，超越自己，最终创造自己。

一、分析背景和目的

随着互联网和电商的发展，人们习惯于网上购物。在国内，电商平台深受欢迎，每年的双11，双12活动，大量的用户在淘宝平台浏览商品，或收藏或加入购物车或直接购买。通过对用户的行为分析，探索用户购买的规律，了解商品的受欢迎程度，结合店铺的营销策略，实现更加精细和精准的运营，让业务获得更好的增长。

本数据来源：阿里天池数据集
数据集介绍：
本数据集包含了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（行为包含点击、购买、加购、喜欢），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。原数据集总共1亿以上数据集，数据量太大，本次分析导入约383万条数据，并在导入的过程中5个字段联合设置主键，导入过程中已经剔除了重复值。

• 用户ID：整数类型，序列化后的用户ID；
• 商品ID：整数类型，序列化后的商品ID；
• 商品类目ID：整数类型，序列化后的商品所属类目ID
• 行为类型：字符串，包括（“pv”:相当于点击，“buy”:商品购买，“cart”:将商品加入购物车，“fav”:收藏商品）
• 时间戳：行为发生的时间戳

工具：Mysql数据库，Navicat Premium 12，Excel

二、分析框架和思路

首先明确我们的分析的目的，是要对电商用户行为进行一个分析。那么应该主要从用户维度、产品维度、用户行为的维度，如下图所示：

2.1 用户维度

在用户维度我们想要知道什么问题呢？了解用户购买的行为习惯。
需要哪些指标呢：
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

2.2 产品维度

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

2.3用户行为维度

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

2.4用户价值维度（RFM）

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------数据处理和清洗------构建模型------数据可视化

3.1 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

3.2 理解数据

• 用户ID：整数类型，序列化后的用户ID；
• 商品ID：整数类型，序列化后的商品ID；
• 商品类目ID：整数类型，序列化后的商品所属类目ID
• 行为类型：字符串，包括（“pv”:相当于点击，“buy”:商品购买，“cart”:将商品加入购物车，“fav”:收藏商品）
• 时间戳：行为发生的时间戳
  

3.3数据处理和数据清洗

3.3.1 列名重命名

导入至Navicat的过程中将字段名更改为英文，方便编写SQL语言

字段	字段(中文名)
UserID	用户ID
ItemID	商品ID
Category	商品类目ID
Behavior	行为类型(pv,buy,cart,fav)
time	时间戳

导入数据类型如下：

我们看到time的格式并不是标准的时间格式，所以需要对其进行处理。

3.3.2 时间格式的处理

• 原数据时间戳time字段部分使用的是整数型，需要转换为日期时间形式。添加字段datetime（日期时间）、time_date（日期）、time_hour（时间）：

alter table userbehavior add datetime datetime;
alter table userbehavior add time_date varchar(255);
alter table userbehavior add time_hour varchar(255);

• 给添加的字段更新数据

update userbehavior set datetime=from_unixtime(time);
update userbehavior set time_date=mid(datetime,1,10);
update userbehavior set time_hour=right(datetime,8);

时间格式处理结果如下：

3.3.3 选择所需数据集

• 选取时间为2017年11月25日至2017年12月3日的数据集

delete from userbehavior where time_date < '2017-11-25' or time_date >'2017-12-03';

• 对处理完的数据进行检验

select max(time_date),min(time_date) from userbehavior;

我们可以看到数据范围正确

• 检查是否有缺失值

select count(UserID),count(ItemID),count(Category),count(Behavior),
	   count(datetime),count(time),count(time_date),count(time_hour) 
	   from userbehavior;

可以看到一共有3833385条数据，并且无缺失字段和缺失值。

3.4 构建模型

3.4.1用户购物情况整体分析

• UV、PV和平均访问量

select count(distinct UserID) "访客数",
		(select count(*) from userbehavior where Behavior = "pv") "点击数",
			ROUND((select count(*) from userbehavior where Behavior = "pv")/
				count(distinct UserID), 2) "人均访问数" from userbehavior;

我们可以看到这段时间内的访客数为37376，点击数为3431904，人均访问数为91.82次。可以看出：
在这9天中人均每天访问约9次，可见用户经常使用。

• 用户跳出率
  用户跳出率的计算公式为：
  $$只访问一次页面数/总用户数$$
  所以代码为：

select 总用户数,只访问一次页面数,concat((只访问一次页面数 * 100) / (总用户数), "%") "跳出率"
	  from  (select U