數據分析實戰項目（一）

淘寶用戶行爲分析

目錄

• 項目背景和數據
  • 數據來源
  • 數據描述
• 分析維度
• 分析流程
  • 提出問題
  • 理解數據
  • 數據清洗
  • 構建模型
  • 數據可視化
• 問題及解決方法
  • 這個CSV數據3.4G,行數1億多，這個數據如何導入MYSQL？

目錄

• 項目背景和數據
  • 數據來源
  • 數據描述
• 分析維度
• 分析流程
  • 提出問題
  • 理解數據
  • 數據清洗
  • 構建模型
  • 數據可視化
• 問題及解決方法
  • 這個CSV數據3.4G,行數1億多，這個數據如何導入MYSQL？

項目背景和數據

經過此項目學習電商數據分析的指標與數據分析的基本方法。

數據來源

阿里雲天池數據庫

數據描述

• 數據集介紹

文件名稱	說明	包含特徵
UserBehavior.csv	包含全部的用戶行爲數據	用戶ID，商品ID，商品類目ID，行爲類型，時間戳

• UserBehavior.csv

本數據集包含了2017年11月25日至2017年12月3日之間，有行爲的約一百萬隨機用戶的全部行爲（行爲包括點擊、購買、加購、喜歡）。
數據集的組織形式和MovieLens-20M相似，即數據集的每一行表示一條用戶行爲，由用戶ID、商品ID、商品類目ID、行爲類型和時間戳組成，並以逗號分隔。關於數據集中每一列的詳細描述以下：

列名稱	說明
用戶ID	整數類型，序列化後的用戶ID
商品ID	整數類型，序列化後的商品ID
商品類目ID	整數類型，序列化後的商品所屬類目ID
行爲類型	字符串，枚舉類型，包括('pv', 'buy', 'cart', 'fav')
時間戳	行爲發生的時間戳

• 用戶行爲類型共有四種

行爲類型	說明
pv	商品詳情頁pv，等價於點擊
buy	商品購買
cart	將商品加入購物車
fav	收藏商品

• 關於數據集大小的一些說明以下

維度	數量
用戶數量	987,994
商品數量	4,162,024
商品類目數量	9,439
全部行爲數量	100,150,807

分析維度

根據現有數據及分析目的，從四個維度進行分析：

# 第一個維度：用戶購物狀況總體分析
以PV、UV、平均訪問量、跳失率等指標，分析用戶最活躍的日期及活躍時段，瞭解用戶行爲習慣

# 第二個維度：商品購買狀況分析
從成交量、人均購買次數、復購率等指標，探索用戶對商品的購買偏好，瞭解商品的銷售規律

# 第三個維度：用戶行爲轉化漏斗分析
從收藏轉化率、購物車轉化率、成交轉化率，對用戶行爲從瀏覽到購買進行漏斗分析

# 第四個維度：參照RFM模型，對用戶進行分類，找出有價值的用戶

分析流程

提出問題------理解數據------數據清洗------構建模型------數據可視化

提出問題

用戶最活躍的日期及時段
用戶對商品有哪些購買偏好
用戶行爲間的轉化狀況
用戶分類，哪些是有價值的用戶

理解數據

見數聽說明

數據清洗

包含數據導入（採用SQLyog）、缺失值處理、一致化處理、異常值處理（2017.11.25到2017.12.3日內的數據）

構建模型

數據可視化

問題及解決方法

這個CSV數據3.4G,行數1億多，這個數據如何導入MYSQL？