淘宝用户行为分析（四）：行为聚类

在上一篇文章，我们初步探讨了这份淘宝用户数据所体现的用户行为特点，具体说到一次淘宝行为是怎么开始的，怎么结束的，当中又涉及多少种，累计多少次小的动作。

本文将继续研究用户的行为特点，通过kmeans聚类将这些行为分为不同的类别，并归纳出各群特征。
依然将用户-商品-时间段-点击数-加购数-收藏数-购买数记为一次淘宝行为，统计周期过长过短都不能概括一次淘宝过程，我这里考虑建模代价与结果反馈选了1个月，具体请视实际情况和业务人员意见为定。

数据准备（用户-商品-时间段-点击数-加购数-收藏数-购买数的聚合计算）——聚类分析——结果展示——特征归纳，下面按这个顺序来。

数据准备
通过sqldf（聚合计算）+reshape2（一维表转二维表），原12256906x6的数据集变为5291166x4再变为4686904x6。
以第15行说明所得数据集的含义，这个月内，用户4913对商品12265214主页看了8次，收藏了1次，但没有加入购物车也没有下单购买。
聚类分析
参与聚类的特征指标为一次淘宝行为中四种行为click、collect、cart和buy的占比，因为之前写过一篇关于聚类的文章，类别选择的原理就跳过，直接看结果，类别数为4、5都可以。
结果展示
选取类别数为5。分类效果和每个类别的数量如图，阴影重合面积较少，意味着分类效果不错，其中第3类用户占了89.1%。
特征归纳
各个类别在四种行为click、collect、cart和buy上区分度很明显。
C1：特别喜欢将逛过的商品收藏起来
C2：加入购物车和购买的比例的比例都是最高
C3：只是单纯看看
C4：看和加入购物车的比例较高，但下单的比例很低
C5：相比C3，不仅看,也会收藏、加购、下单

dd<-read.csv('tianchi_mobile_recommend_train_user.csv')library(sqldf)
library(gsubfn);library(proto);library(RSQLite)#过程聚合计算
aa<-sqldf('select user_id,item_id,behavior_type,count(1) from ddgroup by user_id,item_id,behavior_type')
#数据格式转换
library(reshape2)
bb<-dcast(aa, user_id+item_id ~ behavior_type)
bb[is.na(bb)] <- 0  #匹配不到的值记为0
colnames(bb)[c(3:6)]<-c("click","collect","cart","buy")#聚类分析
library(factoextra);library(ggplot2)
samp<-bb[sample(c(1:nrow(bb)),50000,replace=F),]
fviz_nbclust(samp[,c(3:6)], kmeans, method = "wss")#大数据集溢出，抽样
result <- kmeans(bb[,c(3:6)],4)
type <- result$cluster
table(type)  # 查看类别分布
centervec <- as.data.frame(result$center)  #各类中心
#绝对数效果一般，换成比例，效果很好
samp2<-samp[,c(3:6)]/rowSums(samp[,c(3:6)])
result <- kmeans(samp2,5)
type <- result$cluster
table(type)
#原数据聚类
newbb<-bb[,c(3:6)]/rowSums(bb[,c(3:6)])
result <- kmeans(newbb,5)
type <- result$cluster
table(type)#可视化1：聚类效果（抽样数据集）
fviz_cluster(result,samp2)#可视化2：各维度上的表现（原数据）
library(fmsb)
max <- apply(result$centers, 2, max)
min <- apply(result$centers, 2, min)
data.radar <- data.frame(rbind(max, min, result$centers))
radarchart(data.radar, pty = 32, plty = 1, plwd = 2, vlcex = 0.7)
L <- 1.2
for(i in 1:5){text(2, L, labels = paste("--class", i), col = i)L <- L - 0.2
}

淘宝用户行为分析（四）：行为聚类相关推荐

阿里天池：淘宝用户行为分析项目
数据来源:阿里天池 - 淘宝用户商品行为数据 (在这里仅选用表名为 "tianchi_mobile_recommend_train_user" 中的数据,用作淘宝用户行为分析) 项 ...
Python项目实战 —— 04. 淘宝用户行为分析
Python项目实战 Python项目实战--目录 Python项目实战 -- 04. 淘宝用户行为分析一.背景二.解题思路三.数据分析 3.1 数据清洗 3.2 数据分析 3.2.1 用户整体 ...
Python数据分析案例—淘宝用户行为分析
赛题与数据一.项目背景本数据报告以淘宝app平台为数据集,通过行业的指标对淘宝用户行为进行分析,从而探索淘宝用户的行为模式,具体指标包括:日PV和日UV分析,付费率分析,复购行为分析,漏斗流失分析 ...
MySQL—淘宝用户行为分析
文章目录一.项目背景二.结论先行 2.1用户行为漏斗转化分析 2.2时间维度分析用户行为 2.3商品维度分析用户行为 2.4RFM模型用户价值分析三.数据分析 3.1数据来源 3.2数据说明 3 ...
淘宝用户行为分析MySQL
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档淘宝用户行为分析MySQL 一.数据清洗二.总体情况 1.UV.PV.人均浏览次数 2.复购率.跳失率三.用户行为分析 1.行为转 ...
淘宝用户行为分析项目
淘宝用户行为分析项目说明:项目通过jupter notebook.使用pandas,numpy,matplotlib,seaborn等第三方库对数据进行不同维度上的分析. 一.项目背景本数据报告以 ...
MySQL数据项目分析实战——淘宝用户行为分析
MySQL数据项目分析实战--淘宝用户行为分析一.项目背景二.项目目标 2.1分析目的 2.2分析维度三.数据的收集与整理 3.1数据来源 3.2数据说明 3.3理解数据 3.4导入数据四.数 ...
数据分析实战之淘宝用户行为分析(3) -- 用户行为路径分析
数据分析实战之淘宝用户行为分析(3) -- 用户行为路径分析淘宝行为分析Tableau可视化展示数据分析实战之淘宝用户行为分析(5) - 数据分析报告数据分析实战之淘宝用户行为分析(4) - 用 ...
淘宝用户行为分析（一）：点击—加购—收藏—购买
前面研究的都是用户下单后的行为,是基于已经生成的订单数据,接下来几篇文章将把重点放在下单之前的用户行为分析. 数据来源于 Season 1 of Ali Mobile Recommendation A ...
数据分析案例之淘宝用户行为分析完整报告
一.项目背景 UserBehavior为淘宝用户行为的数据集,数据集包括了2017年11月25日至2017年12月3日之间,有大约82万随机用户的用户行为(行为包括点击pv,购买buy,加购物车cha ...

淘宝用户行为分析（四）：行为聚类

淘宝用户行为分析（四）：行为聚类相关推荐

最新文章

热门文章