SQL项目实战练习：淘宝用户行为数据分析实战

1、数据的简介：天池淘宝用户数据

2、数据导入和清洗

这次使用的SQL界面工具-SQL workbench

2.1 导入数据

create table userbehavior(
userID int,
itemID int,
categoryID int,
bahaviortype text,
timestamp int
);load data infile "C:/ProgramData/MySQL/MySQL Server 8.0/Uploads/UserBehavior.csv"
into table userbehavior
fields terminated by ','
lines terminated by '\n';

我们看一下这个数据大概的样子：

select * from userbehavior limit 10;

2.2 数据清洗

根据字段内容进行分析后，将UserID，ItemID，TimeStamp设置成联合主键，经验证，不存在数据重复。

select UserID,ItemID,TimeStamp from userbehavior
GROUP BY UserID,ItemID,TimeStamp having count(1)>1;

2.3 查看数据的缺失值

 select count(userID), count(itemID), count(categoryID), count(bahaviortype), count(timesstamp) from userbehavior;

这里数据实在太大，达到了100150807，为了快速的完成，这里只采用了500000

2.4 数据的时间处理

这里的数据是一个时间戳，我们需要将这个数据转换到我们日常常用的时间格式

create table usertest2(select * from userbehavior limit 500000
);
# 时间进行转换到日常格式
UPDATE usertest set datee = FROM_UNIXTIME(timesstamp,'%Y-%m-%d'), Timee = FROM_UNIXTIME(timesstamp,'%h');
#增加两个列
alter table userbehavior change Date datee date;
alter table userbehavior change Timee Timee varchar(10);

2.5 异常值处理

select max(datee), min(datee) from usertest;

这里的时间是2017-12-03年到2017-09-11的之间的数据

3、数据分析

3.1 这里先看一下用户行为的分布

create view user_p as
select userID, itemID,
sum(case when bahaviortype = 'pv' then 1 else 0 end) as click,
sum(case when bahaviortype = 'fav' then 1 else 0 end) as favor,
sum(case when bahaviortype = 'buy' then 1 else 0 end) as buy,
sum(case when bahaviortype = 'cart' then 1 else 0 end) as buycar from usertest group by userID,  itemID
;
SELECT * FROM day01.user_p;

这里是创建了一个视图，方便数据的简化和操作，关于视图的知识可以看下面两篇文章：
视图1：https://www.w3school.com.cn/sql/sql_view.asp
SQL视图的作用：https://blog.csdn.net/weixin_34037515/article/details/92609031

3.2 数据层级的漏斗转化（基于漏斗分析）

漏斗分析：详细介绍

# 分析每种情况下的转化率
create view user_p as
select userID, itemID,
sum(case when bahaviortype = 'pv' then 1 else 0 end) as click,
sum(case when bahaviortype = 'fav' then 1 else 0 end) as favor,
sum(case when bahaviortype = 'buy' then 1 else 0 end) as buy,
sum(case when bahaviortype = 'cart' then 1 else 0 end) as buycar from usertest group by userID,  itemID
;
#click量449357
select sum(click) from user_p;# 有buy量的行为的数目5066
select sum(buy) from user_p where click>0 and buy>0 and favor=0 and buycar=0;
# 有加buycar的行为数目 11956
select sum(buycar) from user_p where click>0 and buy=0 and favor=0 and buycar>0;
# 有favor行为的数目 4482
select sum(favor) from user_p where click>0 and buy=0 and favor>0 and buycar=0;# 有favor并且buy  443
select sum(buy) from user_p where click>0 and buy>0 and favor>0 and buycar=0;#有加buycar并且有buy行为  1467
select sum(buycar) from user_p where click>0 and buy>0 and favor=0 and buycar>0;# 有加购和favor的数目: 298
select sum(favor)+sum(buy) from user_p where click>0 and buy=0 and favor>0 and buycar>0;# 有加购和favor的数目: 145
select sum(favor)+sum(buy) from user_p where click>0 and buy>0 and favor>0 and buycar>0;

由此我们可以看出，从浏览量到直接购买转化率才1.01%，而浏览后有加购物车行为的购买转化率是12.27%，有收藏行为的转化率是9.88%，所以顾客有收藏或者加购物车的行为之后，这时候再购买的转化率达到了48.66%，说明会提升转化率，所以我们需要从产品交互界面、营销机制等方面让用户去多加购，多收藏。同时我们发现浏览后加购的转化率是12.27%，并且加购后到购买转化率为12.27%相比收藏后的转化率来说是更高的，所以引导加购行为更容易，效率更高。

当然我们也从中发现了一个巨大的问题，就是用户从点击量到下一层操作中，转化率都很低，说明出用户花了大量的时间去浏览商品，而真正下单的却很少，我们也都知道淘宝天猫的大部分用户都是女性，那女性逛街是非常厉害的，一下午甚至是一天，为什么呢？是因为女性往往购物不是买自己需要什么，而是自己喜欢什么，也就是所谓的闲着没事瞎逛，所以对于淘宝天猫这种购物平台，商品的推荐功能显得尤为重要，如果能够推荐用户喜欢的商品，那自然会下单，如果不喜欢也就只能是看看而已。

4.3 具体转化率原因的分析脑图

4.4 提出假设：推荐系统不给力，曝光推荐的不是用户想要买的商品

1、浏览量前20的商品类

select categoryID, count(categoryID) as clicknumber
from usertest where bahaviortype='pv'
group by categoryID order by clicknumber desc limit 20;

2、购买量前20的商品类

select categoryID, count(categoryID) as buynumber
from usertest where bahaviortype='buy'
group by categoryID order by buynumber desc limit 20;

我们将两者相同的商品ID查找出来：

我们发现前面曝光率比较高的商品，也出现在购买量比较多的列表当中，所以说明我们推荐系统展示的商品是和我们用户的需求相关的，20个商品种类中有6个商品是能够满足用户的需求的，当然，这里只有前20个的商品种类，数量不够有说服力，但是很说明问题

接下来我们对每个商品进行细分，看下曝光的具体商品和购买的商品是否有相关性
计算点击量前20的商品的购买量

select * from
(select itemID, count(bahaviortype) as buynumber
from usertest where bahaviortype='buy' group by itemID
) as a where itemID in
(select itemID from (select *, count(categoryID) as clicknumber
from usertest where bahaviortype='pv'
group by categoryID order by clicknumber desc limit 20) t);

计算购买量前20的点击量

select * from
(select itemID, count(bahaviortype) as buynumber
from usertest where bahaviortype='pv' group by itemID
) as a where itemID in
(select itemID from (select *, count(categoryID) as buynumber
from usertest where bahaviortype='buy'
group by categoryID order by buynumber desc limit 20) t);

点击量前20的商品购买了基本只有一个购买量，我们反看购买量前20的商品，点击量基本都是在20一下，在点击量里面是比较少的，说明推荐系统确实是不给力，没有给用户推荐到想要购买的商品

4.4 结论

因此可以得出结论：推荐的商品顾客并不喜欢购买，由于高浏览量并没有带来购买，所以转化率低

同时我们还发现，商品3104240、1309498、1360115、2028325是商品购买量比较高的商品，所以可能需要提高这些商品的曝光率

总结：

1.优化推荐机制，把更多流量给到顾客愿意购买的商品

2.通过更好的商品推荐，页面交互，积分会员等功能等降低流失率

3.引导加购，可以加强营销机制引导顾客加购，比如加购物车联系客服领优惠券

5、基于RFM分析模型的用户分层分析

RFM模型：详细介绍

RFM是3个指标的缩写，最近一次消费时间间隔（Recency），消费频率（Frequency），消费金额（Monetary）。通过这3个指标对用户分类。
接下来就需要利用SQL语句，计算每个用户的最近一次消费时间间隔和消费频率，消费金额由于数据缺失，我就使用随机数生成一列用来代替价格。

alter table usertest add price float;
update usertest set price=ceil(rand()*199);
select * from usertest limit 10;

1、计算最近因此消费时间间隔（R）
R = 数据统计时间-用户最新消费时间
F = 用户购买次数总和
M=商品价格

我们查看一下最近的时间是什么时候？

select datee from usertest order by datee desc;

这里把数据集中最新的时间定为数据统计时间为2017-12-03时间

select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID;

我们先找到RFM的各个值的最大和最小值，然后给R和F以及价格的价值打分

select max(F) from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID order by R desc) t;select min(F) from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID order by R desc) t;select min(price) from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID order by R desc) t;select max(price) from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID order by R desc) t;select min(R) from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID order by R desc) t;select max(R) from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price
from usertest where bahaviortype = 'buy' group by userID order by R desc) t;

然后我们分别对这些数据进行打分，将分数新建字段，并将结果新建一个表，方面后面价值用户分析

create table RFM(
select *,
(
case when R <= 2 then 4 when R between 3 and 4 then 3when R between 5 and 7 then 2when R between 8 and 9 then 1 end
) as Rscore,
(
case when F >= 19 then 4when F between 13 and 18 then 3when F between 7 and 12 then 2when F between 1 and 6 then 1 end
) as Fscore,
(
case when M between 1 and 50 then 1when M between 51 and 100 then 2when M between 101 and 150 then 3when M between 151 and 199 then 4 end
) as Mscore
from
(select userID, datediff('2017-12-03', max(datee))+1 as R, count(bahaviortype) as F, price as M
from usertest where bahaviortype = 'buy' group by userID) t);

计算Rscore和Fscore以及Mscore的均值

select avg(Rscore), avg(Fscore), avg(Mscore) from rfm;

我们将高于均值的定位高，低于均值的定位低，所以，根据三个特征的高低不同排序，定位不同的价值用户

select classuser, count(userID) as peoplenumber from
(select userID,
(
case when Rscore>'3.0625' and Fscore > '1.0998' and Mscore > '2.4807' then '重要价值用户'when Rscore>'3.0625' and Fscore <= '1.0998' and Mscore > '2.4807' then '重要发展用户'when Rscore<='3.0625' and Fscore > '1.0998' and Mscore > '2.4807' then '重要保持用户'when Rscore<='3.0625' and Fscore <= '1.0998' and Mscore > '2.4807' then '重要挽留用户'when Rscore>'3.0625' and Fscore > '1.0998' and Mscore < '2.4807' then '一般价值用户'when Rscore>'3.0625' and Fscore <= '1.0998' and Mscore <= '2.4807' then '一般发展用户'when Rscore<='3.0625' and Fscore > '1.0998' and Mscore <= '2.4807' then '一般保持用户'when Rscore<='3.0625' and Fscore <= '1.0998' and Mscore <= '2.4807' then '一般挽留用户' end
) as classuser
from rfm) t group by classuser;

可以发现用户集中在重要挽留用户和一般挽留用户上，同时一般发展用户和重要发展用户也有很大的一个数量

对于占比比较大的重要挽留用户上，最近的消费频率比较低和最近一次消费时间间隔比较长，应该想办法提高这些用户的消费，可以通过发放优惠券或或者是使用活动的优惠推送。
对于一般挽留用户，尽可能的提高推荐系统的精准度，让这类用户增加浏览量，从而进一步提高的购买量，不过这类用户价值并不是很大，不宜花费太多的成本进行挽留。
对于重要发展用户，最近的消费频率低，但是消费时间间隔比较近，我们需要重点关注，为什么这类重要的用户消费频率会低？是没有找到合适的商品还是其他原因，这个需要进一步的分析。

6、结论和建议

1.流量高的商品并不是购买量高的商品，高流量的商品购买量低导致了整体的流量转化率低，也就是推荐展示的逻辑并没有以销售为导向。

2.从用户行为路径中发现，用户浏览后直接购买的转化率较低，而通过加购，收藏等行为后购买的转化率会提升，故需要引导顾客积极加购或者收藏，且对比转化率后发现加购物车所带来的转化是最好的。

3.用户主要集中在重要发展用户和重要挽留用户，以及一般发展用户和一般挽留用户，四者加总占用户数的92%

4.建议算法部门优先展示购买量TOP10的商品类给顾客，例如2735466、1464116、4145813等，如果说浏览量高的商品是新品或者近期主推的商品，是否可以考虑和TOP10购买的商品按照类目合理搭配销售，提升转化率和连带率。

5.需积极引导顾客加购物车或者收藏宝贝，对于界面设计部门是考虑如何交互能够让顾客更愿意点击，对于运营部门，可以设置机制引导，例如加购联系客服送5元无门槛优惠券，加购送小样赠品等的机制来引导。

淘宝的用户搜寻商品的时间段主要在下午6点至晚上11点，也就是大多数人下班后休息的时间。建议运营部门在这个时间段多策划一些营销活动，提高转换率。

7.对于重要发展用户，其消费频率低，但最近消费距离现在时间较短，因此要想办法提高他的消费频率，通过CRM的红包发放、会员权益奖励、短信提醒优惠等方式提升消费频率。

8.对于重要挽留用户，最近消费时间距离现在较远、消费频率低。这种用户有即将流失的危险。建议通过APP推送、短信和邮件等形式发放有偿问卷主动联系用户，调查清楚哪里出了问题，制定相应的挽回策略

在这个博文上面上进行了一些改进和修改，详细的分析可以查阅下面这篇博文。

参考博文:https://zhuanlan.zhihu.com/p/121530969