?一背景介绍及数据来源
在互联网的时代下，电商平台提供给网民很多便利，如：提升了购物选择性、更直观的展示出各类商品的优惠折扣以及降低了购买成本等等。网购已经逐渐渗透进我们的生活。淘宝是电商圈里龙头企业，创造过无数奇迹，如“双十一”购物热潮及单日交易额百亿元等历史性的突破。淘宝平台不停的更新迭代，提供了更多的个性化服务。淘宝在2003年创立的，2012年注册会员近5亿，日活跃用户超1.2亿。接下来会通过淘宝2017年11月25日至2017年12月3日的随机用户行为的数据对淘宝进行用户行为分析，找出问题并提出优化方案。 分析工具：Mysql，Excel，Navicat，PowerBI
二理解数据
原始数据一共有5个字段
1user_id，用户id，是用来识别用户的编号，不同的编号代表不同的用户。
2item_id 商品id，用来识别商品的编号，不同的编号代表不同的商品。
3category_id 商品类别id，用来识别商品类别的编号，不同的编号代表商品属于不同的类别。
4behavior_id 行为id，用来识别用户的不同行为。
pv-页面游览，就是代表用户点击商品页面，进入游览。
cart-商品加购，就是代表用户将商品加入购物车。
fav-商品收藏，就是代表用户将商品放入收藏。
buy-商品购买，就是代表用户购买商品。
5timestamp-时间戳，代表从1970年1月1号0点0分到发生用户行为的总秒数。
三明确问题及构建大体思路
1是否存在某个业务流程转化率偏低？如果存在的话原因是什么？
2是否存在某类商品数据不佳？如果存在的话原因是什么？
3是否存在某个时间段数据不佳？如果存在的话原因是什么？
四数据清洗
1）查找重复值并删除
未发现重复值
2）查找缺失值
未找到缺失值
3）数据格式处理
日期原本为时间戳的形式，不利于后面的数据处理，所以使用FROM_UNIXTIME函数将其转化为常用形式。
先用DDL添加一列，数据类型datetime。
然后插入数据
4）异常值删除
因为是分析2017年11月25日至2017年12月3日的数据，所以删除其他日期的数据。
删除44个异常值
五建立数据模型及其度量值计算列
1）导入数据
2）建立维度表
?建立用户维度表
在Excel中建立日期表
3）构建模型关系
4）建立基度量值
建立APIL各阶段度量值
先从次数角度
??
?
复购次数=购买次数-购买人数 ，因为需要购买人数，先去建立人数角度的转化度量值，再来建立复购次数的度量值。
?
?
六数据可视化及其数据分析
1）AIPL模型的转化率
得到次数角度和人数角度的各阶段的转化率，发现从次数角度来说游览到兴趣的转化率比较低在9%，但是从人数角度来说转化率并不是很低，寻找原因。
?构建分析思路
?使用PowerBI进行分析
?发现确实存在部分商品兴趣转化率很低，总体平均值在9.13%，假设成立。
建立日期维度的可视化图表
?日期角度上看转化率比较平稳，假设不成立。
建立时间维度可视化报表
?存在一个低点4点，其他时间段的转化率比较平稳。
但是进一步分析发现由于4点用户基本还在睡觉，整个游览量比较低，虽然游览量低但是对于整体影响较小，结论不成立。?
?2）各商品类别的数据情况
?将数据导出到Excel进行一个相关性分析
?发现对于类别而言，游览和兴趣相关性比较强，说明广告的推送机制比较优秀，会给人群推送适合的商品。兴趣和购买的相关性和购买和复购的相关性偏低，说明在用户产生兴趣后可以使用一些营销手段提高整个购买率，同时整个售后服务可以进一步改进。
对于游览进行描述性统计分析
发现平均值是29，中位数是4，众数是1，标准差167，说明整个数据波动性很大，同时大量类别的商品游览量极低，需要重点关注。
3）各时间段的销量情况
?发现销量有上升趋势。
?在时间方面，晚上23点到早上8点销量比较低，高点在中文1点，晚上7点和8点。再看一下哪类商品的销量在这3个时间段的销量最好。
发现这几类商品销量比较好，可以在黄金时间段重点投放广告。
七总结
1游览次数到收藏加购次数的转化率比较低，原因在于用户只对一部分商品感兴趣，对于很多商品没有兴趣。
2从商品类别来看游览和收藏加购的相关性比较高，收藏加购和购买以及购买和复购的相关性较低，说明整个商品推送机制比较良好，整个成单和售后有进步空间。同时存在大量的商品类别没有被游览。
3从时间来看中午1点，晚上7点和8点销量情况比较好，属于黄金时间段。
八建议
1产品部
可以对于用户不感兴趣商品进行优化，优化商品的主图和标题，可以对比优秀商品的详情页进行重新排版，对于价格可以进行适当优惠，可以和热门商品进行捆绑式销售。
2市场部
可以在热门时间段下午1点，晚上7点和8点重点进行广告投放，同时重点投放2355072,4245813,1521931等这一时间段销量高的商品类别。
3运营部
需要提高售后服务，可以实行会员制，对于用户进行分级，使用精细化运营。对于已经放入购物车和收藏的用户应该进行重点跟盯，提高其付费率。