简易版：Power BI数据分析实战项目——淘宝用户行为分析（案例教程）

一、项目背景

        中国电商行业经过初期的野蛮发展，从有货就能卖模式逐渐转变到及细化运营模式。通过对大量数据的深入分析，挖掘数据背后用户的需求及其规律。随着电商行业的发展趋于成熟，加上对数据的重视，数据基础平台以及数据库的完善，所搜集的数据更加完整，对数据分析提供了强有力的支持，同时通过数据分析为企业经营提供决策变得越来越重要，本文在这个背景下，基于淘宝用户行为开展分析。

二、数据

2.1 数据的来源

        UserBehavior是一个淘宝用户行为数据集，用于隐式反馈推荐问题的研究。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（行为包括点击、购买、加购、喜欢）。

       完整的数据： 淘宝用户购物行为数据集_数据集-阿里云天池

        由于完整数据的内容过大，有将近1亿数据（3.4G），本文从源数据中截取1256001条数据作为源数据，数据链接：https://pan.baidu.com/s/17nOHC_3V6zI9IkZGM6XxKQ 
        提取码：4567

2.2 数据集介绍

        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：

列名称	说明
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，枚举类型，包括('pv', 'buy', 'cart', 'fav')
时间戳	行为发生的时间戳

注意到，用户行为类型共有四种，它们分别是

行为类型	说明
pv	商品详情页pv，等价于点击
buy	商品购买
cart	将商品加入购物车
fav	收藏商品

2.3分析的目的

        通过对2017年11月25日——2017年12月3日之间的用户行为数据进行分析，为客户提供更加精准的隐式反馈推荐，提高用户忠诚度，提高商品的成交转化率。

2.4 分析思路：

        本文的分析目的是从多维度对用户的角色和产品的角度进行分析，发现能够提高用户忠诚度和提高商品转化率的建议。

        在分析的过程中采用了漏斗模型、对比分析法、RFM模型分析法、假设检验分析方法对流程级业务指标中的问题进行分析。

        整体思路如图：

三、数据的清洗

3.1数据清洗分为一下几个步骤：

3.1.1选择子集：该数据集所有列都可以参与分析

3.1.2列名重命名：列名不需要重命名

3.1.3删除重复值：对用户ID，产品ID,时间戳三者都是一样的记录当作重复值，进行删除重复值的操作。

3.1.4缺失值处理：对缺失的数据进行填补或者删除

3.1.5一致化处理

1.新增字段ID作为主键
2.将时间戳转换成日期时间
        新增字段long_date, date, time，hour用于存放时间 
 （1）新建空查询，空查询命名UnixtoDate

(2)右击UnixtoDate，点击高级编辑器－－－－清空内容－－粘贴以下代码－－－点击确定，可以看见查询的图表变成了Ｆ（ｘ）

、

输入：

(时间戳) =>
let
    longdate = (#datetime(1970,1,1,8,0,0) + #duration(0,0,0,时间戳))
in
  longdate

(3)点击最上方一行的添加列－－－－自定义列－－－－输入自定义名称long_date

接着，在下面的方框里输入=ＵｎｉｘＴｏＤａｔｅ（)这时候选中右侧备选变量中的'时间戳'----点击插入-----确定，然后就能看见新建了一列，已经自动转换成日期格式,这时的格式类型还是文本格式，转化成日期/时间格式。

（4）拆分列，产生 date, time,hour列，另需更名(hour需要先复制一个time,再对time进行拆分列，删除多余拆分项)

结果：

关闭并应用

注释：第二种，时间戳转换，输入DAX表达式，即可。

3.1.6 异常值处理

本问使用数据是2017年11月25日——2017年12月3日之间的，但是数据中存在2018年8月数据（异常数据），筛选出来，将2017年11月24日的数据前方方框不选。

                   

数据情况

用户ID 的计数	商品ID 的计数	商品类目ID 的计数
12111	462641	6036

行为类型

用户ID 的计数

占比