数据分析项目实战1——淘宝用户购买行为分析（天池）

一、分析背景、数据来源、数据解释

https://tianchi.aliyun.com/dataset/649
由于userbehavior数据集的数据量较大，本次分析使用Navicat将前10万条数据导入MySQL。

二、业务问题及分析思路

分析新视角：构建用户画像
构建用户画像标签体系

三、数据清洗

3.1 子集选择

选取10万条数据导入MySQL构成本次分析的数据集。

3.2 列名重命名

给导入的数据各字段命名
用户id:userid
商品ID：itemid
商品类目id:categoryid
行为类型：behavior
时间戳：timestamps

3.3 删除重复值

在导入数据时，将userid、itemid和timestamps设为主键，确保数据没有重复值。

3.4 缺失值处理

select * from userbehavior
where userid is null or itemid is null
or categoryid is null or behavior is null
or timestamps is null;
1
2
3
4

3.5 一致化处理

将时间戳变为可读形式，并在原表中添加datetimes、dates和times两列用于存放时间戳、日期和时刻数据。

alter table userbehavior add datetimes varchar(255);
update userbehavior
set datetimes = from_unixtime(timestamps);
alter table userbehavior add dates varchar(255);
update userbehavior
set dates = from_unixtime(timestamps,'%Y-%m-%d');
alter table userbehavior add times varchar(255);
update userbehavior
set times = from_unixtime(timestamps,'%H:%i:%s');
1
2
3
4
5
6
7
8
9

3.6 异常值处理

查询日期的最大、最小值，判断是否存在不属于2017.11.25至2017.12.3之间的异常数据，结果如下。

select max(dates),min(dates)
from userbehavior;
1
2

删除异常值，并验证结果。

delete from userbehavior where dates < '2017-11-25';
select max(dates),min(dates) from userbehavior;
1
2

四、分析过程

4.1 用户流失情况分析

4.1.1 用户行为转化情况

通过对用户进行统计并可视化，可以发现整个购买流程的用户转化率很低。具体表现为点击商品详情页的占比将近90%，但将商品加入购物车和收藏的仅为8.2%，且最终下单购买的行为仅占2.1%。

4.1.2 用户流失情况分析

业务问题1： 用户在不同购物流程下的流失情况

业务问题1：用户在不同购物流程下的流失情况如何？
首先，根据用户的4种行为，对用户的购买流程进行归纳，得到以下4种情况。

接着，创建一个用户行为视图，用于查询各行为的数量。

--用户行为视图
create view userb as 
select userid,itemid,
	sum(case when behavior='PV' then 1 else 0 end ) as 'PV',
	sum(case when behavior = 'cart' then 1 else 0 end) as 'cart',
  sum(case when behavior = 'fav' then 1 else 0 end) as 'fav'
1
2
3
4
5