mysql分用户么_MySQL分析用户消费行为

背景：针对CDNow网站上的用户购买CD明细，使用MySQL分析用户消费行为。

字段：四个字段用户ID：user_id

购买日期：order_dt

购买数量：order_products

购买金额：order_amount

操作步骤：

１.在MySQL中新建数据库，并导入数据

CREATE　TABLE Sale_cd(

user_id VARCHAR(5) NOT NULL,

order_dt DATE NOT NULL,

order_products INT NOT NULL,

order_amount INT NOT NULL,

PRIMARY KEY (user_id,order_dt,order_products,order_amount));

需要注意：一个用户在一天内可能购买多次，如下用户ID为２的用户在1月12日购买了２次。

２.描述统计分析(备注：MySQL中操作复杂，这里使用了Excel的统计功能)

2.1)从订单角度看：

以上可以看出：用户平均每笔订单购买２.４件商品，结合中位数和四分位数来看，用户单笔订单以小额为主，波动性不大，订单最大数是99，存在极大值。

用户平均每笔购买金额是35.9元，波动性不大，但单笔金额最大是1286，存在极大值。

结合以上两个指标，推测用户中存在小部分高消费群体，俗称二八

2.2)从用户角度看：

使用GROUP分组功能，将订单明细转换为用户消费明细。

以上可以看出：平均每位用户购买７张CD，最多的用户购买了1033张，属于狂热用户了。

平均每位用户的消费金额是106元，结合四分位数和最大值来看，数据的波动性很大，存在小部分高额用户。

３.分析订单的月份销量趋势，利用Excel作图

从上图可以看出：CD在前３个月的销量和金额都非常大，数据比较异常，后期数据较平稳。针对异常值，可以从多个角度进行考虑，如早期用户存在异常值、产品优惠促销、外部渠道推广、结合热点等，这里只有用户的消费数据，所以从用户角度进一步分析。

３.１绘制订单的散点图，分析订单销量与销售金额

从图中观察，订单消费金额和商品量呈规律性分布，订单的极值较少，且均在1400以下，判断不是异常波动的原因。

３.２绘制用户的散点图，分析订单数与销售金额

从图中观察，用户的消费金额和商品量呈规律性分布，且规律性比订单更强，离散数据很少，判断不是异常波动的原因。

３.３分析用户的消费时间节点

1) 求用户首次消费的时间

从上图看出，所有用户的首次消费都集中在1-３月份，我们判断订单数据只是选取了某时间段内用户的消费行为。

２)求用户最后一次消费时间

上图可以看出，用户最后一次的消费时间仍然集中在前３个月，后续时间段内，依然有客户在消费，数量减少趋于稳定。

判断异常数据的原因是数据的局限性和后续用户的流失，因为用户的首次消费和最后消费都集中在前３个月。现在针对消费用户分析复购率，这里笔者将首次消费用户定义为新客。

３)分析用户的复购率，这里主要使用Excel

１.将用户消费行为进行透视，未消费用户记为０

２)计算复购率：复购率指在某时间窗口内消费两次及以上的用户在总消费用户中的占比。这里以月作为时间窗口，如果用户在一天内下了两次单，这里也将他算作复购用户。

注意：将月消费次数在２次及两次以上的记为１，消费１次的记为０，未消费的记为NA

从上图可以看出，早期复购率并不高，跟前３个月大量新用户的涌入有关系，而后期老用户沉淀下来了，所以复购率比较稳定。如果想进一步了解用户行为，可以计算回购率并按照用户的消费行为进行分层，分层标准包括新用户、活跃用户、不活跃用户、回流用户等。由于分层时涉及到比较复杂的逻辑判断，需要借助Python进行分析，因此这里不再进一步分析，以下是相关指标的介绍。回购率：指某一个时间窗口内消费的用户，在下一个时间窗口仍旧消费的占比。比如1月消费用户1000，他们中有300个2月依然消费，回购率是30%

新用户的定义是第一次消费。活跃用户即老客，在某一个时间窗口内有过消费。不活跃用户指的是时间窗口内没有消费过的老客。回流用户是在上一个窗口中没有消费，而在当前时间窗口内有过消费。以上的时间窗口都是按月统计。

比如，某用户在1月第一次消费，那么他在1月的分层就是新用户；

他在2月消费国，则是活跃用户；3月没有消费，此时是不活跃用户；

4月再次消费，此时是回流用户，5月还是消费，是活跃用户。