数据分析案例之淘宝用户行为分析完整报告

一、项目背景

UserBehavior为淘宝用户行为的数据集，数据集包括了2017年11月25日至2017年12月3日之间，有大约82万随机用户的用户行为（行为包括点击pv，购买buy，加购物车chart，收藏fav）数据。

二、项目目标

通过对用户行为的分析，主要实现下面两个目的：

1、为客户提供更精准的隐式反馈，帮助用户更快速找到商品；

2、为提高公司的交叉销售能力，提高转化率，销售额，提升公司业绩。

三、分析思路

主要从以下四个维度对用户行为进行分析和建议：

1、用户行为间的转化情况分析： 利用 漏斗模型
分析用户从商品浏览到购买整个过程中，常见的电商分析指标，确定各个环节流失率，提出改善转化率的建议。

2、用户的行为习惯分析： 利用pv、uv等指标，找出用户活跃的日期以及每天的活跃时间段。

3、用户类目偏好分析：
根据商品的点击、收藏、加购、购买频率，探索用户对商品的购买偏好，找到针对不同商品的营销策略（购买率较高的类目和产品，优化产品推荐）。

4、用户价值分析： 找出最具有价值的核心用户群，针对这个群体推送个性化推送，优惠券或者活动。

逻辑如下：

![](https://img-blog.csdnimg.cn/20200528122905102.jpeg?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjk2ODE4,size_16,color_FFFFFF,t_70)

四、数据处理

主要使用工具：Navicat for MySQL，MySQL, power BI。

（一）准备数据

1 、数据来源

阿里云天池：

https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1

2 、将数据导入MySQL

使用Navicat导入功能，导入后结果如下图，这里会出错卡在导入步骤的5/8位置。

![](https://img-blog.csdnimg.cn/20200528124340141.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjk2ODE4,size_16,color_FFFFFF,t_70)

使用代码直接导入，结果如下图，未出现上述卡住现象。

![](https://img-blog.csdnimg.cn/20200528124538875.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjk2ODE4,size_16,color_FFFFFF,t_70)

![](https://img-blog.csdnimg.cn/2020052812461945.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjk2ODE4,size_16,color_FFFFFF,t_70)

3 、数据理解

本数据主要包含了大概82万条数据，每一行分别表示一个用的行为，由用户ID（User_ID）、产品ID（Item_ID）、类目ID（Category_ID）、行为类型（Behavior_type）、时间戳（Timestamp），行为类型又分为点击（pv）、收藏（fav）、加购物车（chart）、购买（buy）。

（二）数据清洗

1 、Timestamp一致化处理

Timestamp列，无法直接分析，需要将其划分为三列，分别为时间，日期，小时。

–添加新列，根据Date_time返回日期时间

![](https://img-blog.csdnimg.cn/20200528123530230.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjk2ODE4,size_16,color_FFFFFF,t_70)

–添加新列，根据Date返回日期时间

![](https://img-blog.csdnimg.cn/20200528123530380.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjk2ODE4,size_16,color_FFFFFF,t_70)

–添加新列，根据Time返回小时

2 、挑出目标数据集

由于项目背景是需要对2017年11月25日至2017年12月3日之间用户行为数据集进行隐式反馈推荐问题的研究，所以需要对不在这个时间内的数据进行删除。

–先检查是否有在2017-11-01和2017-11-