一.项目目的及数据来源
使用淘宝数据分析电商用户行为，数据来源 数据集-阿里云天池,分析工具mysql+navicat+excel。
代码链接：https://gitee.com/wang-gaopeng/taobao-user-behavior-analysis/tree/master/
二.数据解析
数据集有以下字段
user_id 用户编号 整形 , item_id 商品编号 整形 ， behavior_type 用户行为 整形 1表示pv指在网站的页面浏览量或点击量,
2表示收藏，3表示添加购物车，4表示支付), user_geohash 用户地理位置 字符串,item_category 商品种类 整形，time 日期 字符串类型。
三.分析维度
第一个维度：用户购物情况整体分析
以PV、UV、平均访问量、跳失率等指标，分析用户最活跃的日期及活跃时段，了解用户行为习惯
第二个维度：商品购买情况分析
从成交量、人均购买次数、复购率等指标，探索用户对商品的购买偏好，了解商品的销售规律
第三个维度：用户行为转化漏斗分析
从收藏转化率、购物车转化率、成交转化率，对用户行为从浏览到购买进行漏斗分析
第四个维度：参照RFM模型，对用户进行分类，找出有价值的用户
第五个维度：用户留存分析，通过次日留存率，7日留存率，月留存率来分析用户短期和长期的粘性。
四.数据分析
1.数据清洗
原始数据time 列包括日期及小时,使用excel分列为time和hour两列。
数据库采用MYSQL，通过Navicat导入数据
create table user(user_id int not null,item_id bigint,behavior_type int not null,user_geohash varchar(50),item_category int,time varchar(20),hour int);
user_geohash地理位置列数据有缺失值，但对我们的分析影响不大，因此可以不处理。
2.用户购物情况整体分析
2.1 pv（浏览量）
总体的pv值为987911。
select count(behavior_type) as 'pv' from user where behavior_type=1;
2.2uv(独立页面访问量）
总体的uv值为8477
select count(distinct user_id) uv from user;
