电商用户行为数据分析

一、数据说明

数据来源于天池数据集，阿里巴巴提供的淘宝用户的行为数据，包含2014-11-18至2014-12-18共130万条数据

二、明确需求

本次想通过对淘宝用户行为数据的分析，为以下问题提供解释和改进建议，以Mysql分析为主

1）基于AARRR漏斗模型，从获客、促活、增加收益三个环节，其中包括研究用户在不同时间尺度下的活跃情况，分析商品销售情况等，确定影响用户增长的因素，给出合理性建议

2)基于RFM模型对用户进行分群，针对不同特征的用户采用相应的营销策略

三、数据清洗

1.选择字段

导入数据时，选择本次分析需要的字段，即保留user_id、item_id、behavior_type、item_category和time列信息，
并将 time 字段拆分为 date 和 hour

alter table data add column date varchar(128)  
alter table data add column hour varchar(128)

update data set date =left(time,10)
update data set hour =substring(time,11)

2.删除重复值

将user_id,item_id,behavior_type,item_category,time 设置成联合主键，去除数据重复值，保证数据唯一性

3.缺失值处理

通过计算表格总行数和各字段行数，均为130万行，无缺失值

select count(*),count(user_id),count(item_id),count(behavior_type),count(item_category),count(time) from data

4.异常值处理

查看time时间范围，behavior_type的类型，

select min(time),max(time) from data
select distinct behavior_type from data

5.数据一致化

将用户行为类型的‘1/2/3/4’ 更改为’pv’,‘col’,‘cart’,‘buy’，点击、收藏、加入购物车、购买

update data set behavior_type = ( case when behavior_type=1 then 'pv'
                                       when behavior_type=2 then 'col'
                                       when behavior_type=3 then 'cart' else 'buy' end)

整理过后的表格如下

四、数据分析

将excel数据导入到可视化工具tableau中，通过建立图表和仪表板来反映数据变量之间的关系。

1.AARRR模型

（1）拉新

日新增用户

select date 日期,count(user_id) 日新增用户数 from
                                           (select user_id,date from data group by user_id order by date) dataa group by date

选取2014-11-18日为APP启用的首日，日新增用户的数量在11-18日至11-20日骤降，后趋近平缓，在12月初有上升的趋势，并在12-12日达到小高潮。
数据选取时间开始于11-18日，11-18日当天的新增用户很多是以前就已存在的活跃用户；由于双十二活动的举办，使得新增用户在月初就有上升的趋势，在活动的当天达到高潮。

（2） 活跃

PV、UV、PV/UV

将活跃用户定义为当天存在任意行为记录的用户，PV为1162421，UV为3971，人均访问量为292.73

#uv,pv,pv/uv
select count(distinct user_id) UV ,(select count