目的：通过实战案例，掌握电商数据分析逻辑和对应的 SQL 语句实例应用。

从数据到信息的这个过程，就是数据分析，目的是解决我们现实中的某个问题或者满足现实中的某个需求。数据本身并没有什么价值，有价值的是我们从数据中提取出来的信息。

四大思维模式
- 【对照】单独看一个数据是不会有感觉的，必需跟另一个数据做对比才会有感觉
- 【拆分】拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节
- 【降维】当数据维度太多的时候不可能每个维度都拿来分析，有一些有关联的指标，从中筛选出代表的维度即可
- 当前的维度不能很好地解释问题时，就需要在数据中间做运算，增加指标

【增维】和【降维】是对应的，有降必有增。必须对数据的意义有充分了解后，为了方便进行分析而有目的地对数据进行转换运算。

数据集：UserBehavior是阿里巴巴提供的一个淘宝用户行为数据集，本数据集包含了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），本案例选取了其中20万条数据进行分析，其中包含 5 个数据字段：

列名	说明
用户ID	INT，序列化后的用户ID
商品ID	INT，序列化后商品ID
商品类目ID	INT，序列化后的商品所属类目ID
行为类型	CHAR，枚举类型，包括 'pv', 'buy', 'cart', 'fav'
时间戳	行为发生的时间戳

电商总体运营指标（主要分为8个类指标）

来源：电商数据分析指标体系

总体运营指标：从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商平台有个大致了解，到底运营的怎么样，是亏是赚。

网站流量指标：即对访问你网站的访客进行分析，基于这些数据可以对网页进行改进，以及对访客的行为进行分析等
销售转化指标：分析从下单到支付整个过程的数据，帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。
客户价值指标：这里主要就是分析客户的价值，可以建立 RFM 价值模型，找出那些有价值的客户，精准营销等
商品类指标：主要分析商品的种类，那些商品卖得好，库存情况，以及可以建立关联模型，分析那些商品同时销售的几率比较高，而进行捆绑销售，有点像啤酒喝尿布的故事
市场营销活动指标：主要监控某次活动给电商网站带来的效果，以及监控广告的投放指标
风控类指标：分析卖家评论，以及投诉情况，发现问题，改正问题
市场竞争指标：主要分析市场份额以及网站排名，进一步进行调整

分析思路与问题提出

针对以上分析思路，提出以下几个问题：

页面流量质量如何？是否有开发新客户的潜力？可以通过哪些方式吸引新客户？
访客的转化率如何？是否存在需要进一步优化提高客户留存率？若需要优化，哪些方面需要作出改善？
用户有哪些行为习惯或消费偏好值得注意？topN 用户需要如何维护他们的忠诚度？

数据清洗

选择子集
选取数据集中20万条数据，进行分析。
列名重命名
原数据集中没有列名，在创建表时，可先设置好列名，再进行导入。
删除重复值
创建表格时，设置 customerid, goodsid, category 为主键。
缺失值处理
在创建表格，设置了所有字段都是 “IS NOT NULL”,所以导入的数据集中没有缺失值。
一致化处理
原数据中时间戳的格式 epoch & unix timestamp 格式表达，需要转换格式。
异常值处理
数据集中的数据是2017年11月25日至2017年12月3日，检查是否存在不在这一时间范围内的数据。

建议先用 SELECT ... FROM ... 语句查找需要删除的数据，可以避免因为格式不对而误删掉所有数据
- 经检验，发现数据子集中存在不符合时间范围的数据，需要删除这部分数据
删除数据的 SQL 语句运行后，利用 MIN()/MAX() 函数再次验证是否有异常
- 发现目前所有数据符合时间范围

模型构建及可视化

根据电商分析指标，对数据作出以下分析：

1. 流量指标

1.1 人均页面访问量 PV/UV

1.2 跳出率

跳出率 = 仅点击页面用户数/总用户数UV

结论：从用户行为中找出点击页面却没有收藏、加入购物车以及购买行为的用户为132，得跳出率为6.69%，说明平台对用户的吸引力不错，平台的用户流量质量较高。

2. 用户行为分析

2.1 用户行为整体情况分析

结论：对用户所有行为进行汇总分析，从页面点击、收藏、加入购物车，最后到购买整个流程中，最后进行购买的用户数仅约占总体的2.2%，而点击行为约占总体的90%。说明平台有产品堆砌展示的问题，使得用户花费极多的时间在寻找和筛选商品上，因此需要优化平台产品推荐功能，把握个性化需求，更为精准化地推荐符合用户偏好的产品。

2.2 独立访客转化率

结论：对独立访客的行为进行分析，从一开始的点击页面到最终购买的转化率约为69.6%，说明独立ip用户购买欲望充足，可以通过适当的销售活动进一步引导用户购买。

3. 用户行为模式分析

3.1 每日用户点击量

结论：从11月25日至12月3日的 pv 数据显示，12月2日用户点击量激增，推测12月2日平台进行了营销活动。进而对营销活动的效果进行简单的监测分析，如下：

结论：从每日客户点击到购买的比率来看，虽然在12月2日和12月3日的点击量较以往有明显的上升，但最终购买量上升微弱，成交率不升反降。其中原因可能有以下几种：
a. 本次的营销活动方式、渠道、营销的产品等对用户的吸引力不够；
b. 本次营销活动针对的用户群体范围不广，且平台本身对用户个性化需求的抱把握不够。需要对可能存在的各影响因素进行监测排查，对营销活动方案提出优化建议。

3.2 各时段用户点击量统计

结论：根据统计数据显示，用户点击量在晚上21点至22点这个时段表现为峰值。且很明显，用户在19点至23点的活跃度最高。以各时段用户点击量为主轴，将各时段购买量与之对照分析如下：

结论：购买量的波峰也集中在19点至23点。因此，平台可以在这个时间段进行营销活动或可提高用户的点击量，进而也提高这个时段成交量。另外在10-11，13-14，16-17这三个时段的购买量也出现峰值。因此，这些时段用户的购买意愿更高，可以在这些时段通过一定的营销活动促成更多成交量。

4. 商品指标

4.1 不同商品的购买情况

结论：从商品购买次数和商品种类统计分析来看，只购买一次的商品种类最多。在用户购买的商品种类共4007种，用户复购的商品种类约占总体的6.7%。说明存在较强竞争性的产品很少。购买次数不少于5次的商品只有商品编号为4157341和1542908的商品比较受欢迎。

4.2 不同商品的购买情况

结论：在1312个不同类型的商品中，用户会重复购买的商品类型比例为（1312-678）/1312≈48.3%，其中用户购买次数超过60次、受用户欢迎的商品类型有以下四个，其中商品类型为1464116的复购次数最多为71次，最受用户欢迎。

5. 用户价值

5.1 高价值用户-忠诚度

结论：从不同购买次数对应的用户数量统计来看,有购买行为的独立访客量为1369，则在平台上会多次购买的用户占比（1369-459）/1369≈66.5%。而在平台上有多次购买行为的用户中customerid=1008380的用户，其在平台上购买次数最多为57次，其次是customerid为1003983的43次和1003901的31次。

结论：平台中购买次数越多的用户，其忠诚度越高，这些用户的行为也更具有产品营销参考价值。对度忠诚度排前三的用户行为进行分析，观察他们的购物偏好：

结论：在这三个用户中最受欢迎的商品是goodsid=1347509，最受欢迎的商品类型是category=4700878。因此，平台可以给这类忠诚度最高的用户推荐相应的产品。

结论及建议

通过上文的分析，结合 AARR R漏斗模型作出以下总结及建议：

Step1. 获取客户

现象
- 平台用户跳出率为6.69%的数据就可看出，淘宝本身的用户粘性不错，平台的用户流量质量较高
- 从2017年12月2日和3日 pv 陡增的现象可见，平台的营销活动能有效吸引用户眼球
- 根据统计数据显示，用户点击量在晚上21点至22点这个时段表现为峰值。且很明显，用户在19点至23点的活跃度最高
结论及建议
- 淘宝作为国内第一大电商平台，用户基数大。商家在19-23点进行各类营销活动的效果更好。商家通过新会员领取优惠券、像美团拼团优惠等活动可以获取更多新用户

Step2. 激活客户

现象
- 对用户行为进行整体分析时，从页面点击、收藏、加入购物车，虽然页面点击率高，但最后购买的用户数仅约占2.2%
- 虽然12月2至3日点击量或因营销活动陡增，但进一步分析发现，从每日客户点击到购买的比率来看，虽然在12月2日和12月3日的点击量较以往有明显的上升，但最终购买量上升微弱，成交率不升反降
结论及建议
- 平台有产品堆砌展示的问题，使得用户花费极多的时间在寻找和筛选商品上，因此需要优化平台产品推荐功能，把握个性化需求。同类产品的推荐数量可以减少，缩小同类商品选择范围，减少购买决策的时间
- 根据用户画像，调整推广渠道，使得产品和用户更加匹配

Step3. 留存用户

目前淘宝平台本身用户粘性较高，有像每日打卡领淘金币等提高用户留存的方式。对于很多淘宝商家也通过建立老客户群群内打卡满七天领优惠券、群内新品发布意见调查领周边、在本店购满十件免单一件等方式来留存客户，对于平台商户来说，这些体验良好的vip用户服务，提高了客户粘性，进而促成好口碑，形成良性循环，也间接提高了整个平台的用户留存率。

Step4. 增加收入

现象
- 对独立访客的行为进行分析，从一开始的点击页面到最终购买的转化率约为69.6%
- 从不同购买次数对应的用户数量统计来看,在平台上有多次购买行为的用户占比约66.5%，其在平台上购买次数最多为57次，
- 在用户购买的商品种类共4007种，用户复购的商品种类约占总体的6.7%；在1312个不同类型的商品中，用户会重复购买的商品类型比例为48.3%，其中复购次数最多为71次
结论及建议
- 淘宝平台的商品类目众多，在用户心中早已形成“淘宝啥都有的“心理暗示；2.虽然独立访客的转化率为69.6%，但商品的复购率低。构建用户画像，针对高价值的用户，对于他们购买频率高的产品进行复购优惠活动，以及具有互补性等有关产品的产品页面、优惠活动推送

Step5. 推荐

目前淘宝自身通过“组队叠猫猫”、”瓜分双十一红包“等方式留存用户。此外，也可以通过像京东平台邀请朋友砍价、分享领红包领和优惠券等方式，让用户主动分享和推荐，提高商品的曝光度。

标签：分析,平台,MySQL,用户,点击,购买,淘宝,数据
From： https://www.cnblogs.com/Jojo-L/p/16758730.html

MySQL项目2 - 淘宝用户分析