淘宝用户行为数据分析

2023-09-11 18:57| 来源: 网络整理| 查看: 265

一、背景描述

随着移动互联网的飞速发展，网上购物成为了人们生活的一部分。淘宝作为电商交易平台，有着较大的用户流量，本文将对淘宝用户的行为数据进行分析，分析将从以下几点出发： 1、用户价值 2、各环节流失率 3、不同时间下的用户行为 4、用户对不同种类商品的喜好

二、数据说明 1.数据来源

阿里云天池：https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1 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）。数据总行数为 100,150,807 行，由于数据量巨大，暂时上传了1百万条进行处理，这部分数据中包含 9415 名用户的行为记录。

2.字段说明

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：在这里插入图片描述用户行为类型共有四种，它们分别是：

三、数据清洗 1、设置字段名称

由于默认的表头是：C1、C2、C3、C4、C5 在这里插入图片描述原数据通过 datagrip 截取上传到了云端服务器，这里直接在上传数据时进行字段的修改，将默认的 C1~C5 修改成：user_id、item_id、category_id、behavior_type、timestamp

2、缺失值处理

通过 sql 查询数据是否存在缺失值

select * from userbehavior where user_id is null or item_id is null or category_id is null or behavior_type is null or timestamp is null ;

运行代码，不存在空值

3、重复值处理

查找数据中是否存在重复值

select user_id,item_id,timestamp,behavior_type, count(*) from userbehavior group by user_id, item_id, timestamp,behavior_type having count(*)>1;

运行之后，发现存在重复值在这里插入图片描述这里需要将重复的数据删除，并保留一条原数据。因为原数据上传时，主键缺失了，这里新建 id 列，非空、自增长并命名为主键。通过 id 列，对重复数据进行区分。

alter table userbehavior add id int not null auto_increment primary key;

通过分组的形式找到最大的 id ，然后再找到除了这些结果之外的 id，即为重复的多余数据了。但是直接将查询的结果作为条件进行删除会报错，这里要设置一个中间表过渡下，就可以删除了。

delete from userbehavior where id not in( select * from( select max(id) from userbehavior group by user_id,item_id,timestamp,behavior_type) a );

这里其实也可以在数据上传的时候定义多个主键进行去重。

4、数据一致化处理

由于数据中的时间是以时间戳的形式展现的，不便于观看和分析，将其拆分成年月日，时分秒两列，存放日期和时间

# 增加日期列 alter table userbehavior add data varchar(255); # 增加时间列 alter table userbehavior add time varchar(255); # 从时间戳里提取日期 update userbehavior set data=from_unixtime(timestamp ,'%Y-%m-%d'); # 从时间戳里提取时间 update userbehavior set time=from_unixtime(timestamp ,'%H-%i-%s');

数据集的时间区间在 2017年11月25日至 2017年12月3日之间，查询是否有不符合条件的数据

select * from userbehavior where data'2017-12-3';

结果存在 459 行不符合条件的数据，进行删除

delete from userbehavior where data'2017-12-3'; 四、数据分析 1、用户价值

用户之间存在着分层，不同的用户所能创造的价值也不同，因此通过 RFM模型来衡量用户的价值，由于数据集中缺少订单金额数据，因此本次分析中不考虑 M 维度，只分析 R 和 F 两个维度。 R （最近购买时间）: 数据集的时间范围在 2017年11月25日至 2017年12月3日之间，共 9 天，将其分为 4 档，0-1，2-3，4-5，6-8，分别对应评分 4 到 1 。

select user_id, case when d between 6 and 8 then 1 when d between 4 and 5 then 2 when d between 2 and 3 then 3 when d between 0 and 1 then 4 else null end R from(select user_id,datediff('2017-12-03',max(data)) d from userbehavior where behavior_type='buy' group by user_id) t;

运行代码，可以看到已经成功计算出了各个用户 R 值所对应的评分在这里插入图片描述 F（消费频率）：消费频率是用户在固定时间内的购买次数（一般是1年）。但是如果实操中实际店铺由于受品类宽度的原因，比如卖 3C 产品，耐用品等即使是忠实粉丝用户也很难在1年内购买多次。所以，一般店铺在运营 RFM 模型时，会把 F 值的时间范围去掉，替换成累计购买次数。通过代码计算出用户在这段时间内的累计购买次数

select user_id, sum(case behavior_type when 'buy' then 1 else 0 end) s from userbehavior group by user_id order by s desc;

最大值为39 在这里插入图片描述最小值为0 付费用户中消费次数从低到高为 0-39 次，将其分为4档，0-9，10-19，20-29，30-39 分别对应评分 1 到 4。

select user_id, (case when s between 0 and 9 then 1 when s between 10 and 19 then 2 when s between 20 and 29 then 3 when s between 30 and 39 then 4 else null end) F from ( select user_id, sum(case behavior_type when 'buy' then 1 else 0 end) s from userbehavior group by user_id) t order by F desc;

在这里插入图片描述将 R 和 F 汇总到一起，并进行客户分层

select *,( case when R>2 and F>2 then '价值客户' when R2 then '保持客户' when R>2 and F

【本文地址】

公司简介

联系我们