您现在的位置是：首页 > 文章详情

淘宝用户购物行为分析

日期：2024-02-29点击：314收藏

在本案例中，我们将使用 Databend Cloud 对来自天池实验室的淘宝用户购物行为数据集进行分析，一起发现有趣的购物行为。

该数据集为 CSV 格式，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（包括点击、购买、加购、喜欢）。数据集的每一行表示一条用户行为，由以下 5 列组成，并以逗号分隔：

列名称	说明
用户 ID	整数类型，序列化后的用户 ID
商品 ID	整数类型，序列化后的商品 ID
商品类目 ID	整数类型，序列化后的商品所属类目 ID
行为类型	字符串，枚举类型，包括：'pv'：商品详情页 pv，等价于点击； 'buy'：商品购买； 'cart'：将商品加入购物车； 'fav'：收藏商品
时间戳	行为发生的时间戳

准备工作

下载数据集

下载淘宝用户购物行为数据集到本地，然后使用以下命令解压：

unzip UserBehavior.csv.zip

将解压后的数据集文件 (UserBehavior.csv) 压缩为 gzip 格式：

gzip UserBehavior.csv

创建外部 Stage

登入 Databend Cloud，并新建一个工作区。
在工作区中，执行以下 SQL 语句在阿里云上创建一个名为"mycsv"的外部 Stage:

CREATE STAGE mycsv URL = 's3://<YOUR_BUCKET_NAME>' CONNECTION = ( ACCESS_KEY_ID = '<YOUR_ACCESS_KEY_ID>', SECRET_ACCESS_KEY = '<YOUR_SECRET_ACCESS_KEY>', ENDPOINT_URL = '<YOUR_ENDPOINT_URL>', ENABLE_VIRTUAL_HOST_STYLE = TRUE ) FILE_FORMAT = ( TYPE = CSV COMPRESSION = AUTO );

执行以下 SQL 语句验证 Databend Cloud 是否可访问到该外部 Stage：

LIST @mycsv;

上传数据集到外部 Stage

使用 BendSQL将压缩后的数据集文件 (UserBehavior.csv.gz) 上传到外部 Stage。获取计算集群的连接信息，请参考连接到计算集群。

(base) eric@Erics-iMac ~ % bendsql --host tenantID--YOUR_WAREHOUSE.gw.aliyun-cn-beijing.default.databend.cn \ --user=cloudapp \ --password=<YOUR_PASSWORD> \ --database="default" \ --port=443 --tls Welcome to BendSQL 0.9.3-db6b232(2023-10-26T12:36:55.578667000Z). Connecting to tenantID--YOUR_WAREHOUSE.gw.aliyun-cn-beijing.default.databend.cn:443 as user cloudapp. Connected to DatabendQuery v1.2.183-nightly-1ed9a826ed(rust-1.72.0-nightly-2023-10-28T22:10:15.618365223Z) cloudapp@tenantID--YOUR_WAREHOUSE.gw.aliyun-cn-beijing.default.databend.cn:443/default> PUT fs:///Users/eric/Documents/UserBehavior.csv.gz @mycsv PUT fs:///Users/eric/Documents/UserBehavior.csv.gz @mycsv ┌─────────────────────────────────────────────────────────────────┐ │ file │ status │ size │ │ String │ String │ UInt64 │ ├───────────────────────────────────────────┼─────────┼───────────┤ │ /Users/eric/Documents/UserBehavior.csv.gz │ SUCCESS │ 949805035 │ └─────────────────────────────────────────────────────────────────┘ 1 file uploaded in 401.807 sec. Processed 1 file, 905.80 MiB (0.00 file/s, 2.25 MiB/s)

数据导入和清洗

创建表格

在工作区中，执行以下 SQL 语句为数据集创建表格：

CREATE TABLE `user_behavior` ( `user_id` INT NOT NULL, `item_id` INT NOT NULL, `category_id` INT NOT NULL, `behavior_type` VARCHAR, `ts` TIMESTAMP, `day` DATE );

清洗、导入数据

执行以下 SQL 语句导入数据到表格中，并同时完成清洗：
- 去除无效的时间区外的数据
- 数据去重
- 生成额外列数据

INSERT INTO user_behavior SELECT $1,$2,$3,$4,to_timestamp($5::bigint) AS ts, to_date(ts) day FROM @mycsv/UserBehavior.csv.gz WHERE day BETWEEN '2017-11-25' AND '2017-12-03' GROUP BY $1,$2,$3,$4,ts;

执行以下 SQL 语句验证数据导入是否成功。该语句将返回表格的 10 行数据。

SELECT * FROM user_behavior LIMIT 10;

数据分析

在完成了前期的准备和数据导入之后，我们正式开始进行数据分析。

用户流量及购物情况分析

总访问量和用户数

SELECT SUM(CASE WHEN behavior_type = 'pv' THEN 1 ELSE 0 END) as pv, COUNT(DISTINCT user_id) as uv FROM user_behavior;

日均访问量和用户量

SELECT day, SUM(CASE WHEN behavior_type = 'pv' THEN 1 ELSE 0 END) AS pv, COUNT(DISTINCT user_id) AS uv FROM user_behavior GROUP BY day ORDER BY day;

也可以通过使用仪表盘功能，生成折线图：

统计每个用户的购物情况，生成新表：user_behavior_count

create table user_behavior_count as select user_id, sum(case when behavior_type = 'pv' then 1 else 0 end) as pv, --点击数 sum(case when behavior_type = 'fav' then 1 else 0 end) as fav, --收藏数 sum(case when behavior_type = 'cart' then 1 else 0 end) as cart, --加购物车数 sum(case when behavior_type = 'buy' then 1 else 0 end) as buy --购买数 from user_behavior group by user_id;

复购率：两次或两次以上购买的用户占购买用户的比例

select sum(case when buy > 1 then 1 else 0 end) / sum(case when buy > 0 then 1 else 0 end) from user_behavior_count;

用户行为转换率

点击/(加购物车 + 收藏)/购买，各环节转化率

select a.pv, a.fav, a.cart, a.fav + a.cart as `fav+cart`, a.buy, round((a.fav + a.cart) / a.pv, 4) as pv2favcart, round(a.buy / (a.fav + a.cart), 4) as favcart2buy, round(a.buy / a.pv, 4) as pv2buy from( select sum(pv) as pv, --点击数 sum(fav) as fav, --收藏数 sum(cart) as cart, --加购物车数 sum(buy) as buy --购买数 from user_behavior_count ) as a;

计算一个小时完成浏览->添加到购物->并支付的用户

SELECT count_if(level>=1) as pv, count_if(level>=2) as cart, count_if(level>=3) as buy FROM ( SELECT user_id, window_funnel(3600000000)(ts, behavior_type = 'pv',behavior_type = 'cart',behavior_type = 'buy') AS level FROM user_behavior GROUP BY user_id );

用户行为习惯

每天用户购物行为

select to_hour(ts) as hour, sum(case when behavior_type = 'pv' then 1 else 0 end) as pv, --点击数 sum(case when behavior_type = 'fav' then 1 else 0 end) as fav, --收藏数 sum(case when behavior_type = 'cart' then 1 else 0 end) as cart, --加购物车数 sum(case when behavior_type = 'buy' then 1 else 0 end) as buy --购买数 from user_behavior group by hour order by hour;

也可以通过使用仪表盘功能，生成折线图：

每周用户购物行为

select to_day_of_week(day) as weekday,day, sum(case when behavior_type = 'pv' then 1 else 0 end) as pv, --点击数 sum(case when behavior_type = 'fav' then 1 else 0 end) as fav, --收藏数 sum(case when behavior_type = 'cart' then 1 else 0 end) as cart, --加购物车数 sum(case when behavior_type = 'buy' then 1 else 0 end) as buy --购买数 from user_behavior where day between '2017-11-27' and '2017-12-03' group by weekday,day order by weekday;

也可以通过使用仪表盘功能，生成柱状图：

基于 RFM 模型找出有价值用户

RFM 模型是衡量客户价值和客户创利能力的重要工具和手段，其中由 3 个要素构成了数据分析最好的指标：

R-Recency（最近一次购买时间）
F-Frequency（消费频率）
M-Money（消费金额）

R-Recency（最近购买时间）：R值越高，用户越活跃

select user_id, to_date('2017-12-04') - max(day) as R, dense_rank() over(order by (to_date('2017-12-04') - max(day))) as R_rank from user_behavior where behavior_type = 'buy' group by user_id limit 10;

F-Frequency（消费频率）：F值越高，用户越忠诚

select user_id, count(1) as F, dense_rank() over(order by count(1) desc) as F_rank from user_behavior where behavior_type = 'buy' group by user_id limit 10;

用户分组

对有购买行为的用户按照排名进行分组，共划分为 5 组：

前 1/5 的用户打 5 分
前 1/5 - 2/5 的用户打 4 分
前 2/5 - 3/5 的用户打 3 分
前 3/5 - 4/5 的用户打 2 分
其余用户打 1 分

按照这个规则分别对用户时间间隔排名打分和购买频率排名打分，最后把两个分数合并在一起作为该名用户的最终评分。

with cte as( select user_id, to_date('2017-12-04') - max(day) as R, dense_rank() over(order by (to_date('2017-12-04') - max(day))) as R_rank, count(1) as F, dense_rank() over(order by count(1) desc) as F_rank from user_behavior where behavior_type = 'buy' group by user_id) select user_id, R, R_rank, R_score, F, F_rank, F_score, R_score + F_score AS score from( select *, case ntile(5) over(order by R_rank) when 1 then 5 when 2 then 4 when 3 then 3 when 4 then 2 when 5 then 1 end as R_score, case ntile(5) over(order by F_rank) when 1 then 5 when 2 then 4 when 3 then 3 when 4 then 2 when 5 then 1 end as F_score from cte ) as a order by score desc limit 20;

商品维度分析

销量最高的商品

select item_id , sum(case when behavior_type = 'pv' then 1 else 0 end) as pv, --点击数 sum(case when behavior_type = 'fav' then 1 else 0 end) as fav, --收藏数 sum(case when behavior_type = 'cart' then 1 else 0 end) as cart, --加购物车数 sum(case when behavior_type = 'buy' then 1 else 0 end) as buy --购买数 from user_behavior group by item_id order by buy desc limit 10;

销量最高的商品类别

select category_id , sum(case when behavior_type = 'pv' then 1 else 0 end) as pv, --点击数 sum(case when behavior_type = 'fav' then 1 else 0 end) as fav, --收藏数 sum(case when behavior_type = 'cart' then 1 else 0 end) as cart, --加购物车数 sum(case when behavior_type = 'buy' then 1 else 0 end) as buy --购买数 from user_behavior group by category_id order by buy desc limit 10;

用户留存分析

开始前，创建表格"day_users"并插入数据：

create table day_users( day date, users bitmap); insert into day_users select day, build_bitmap(list(user_id::UInt64)) from user_behavior group by day;

统计每天UV

select day,bitmap_count(users) from day_users order by day;

相对留存

这里计算相对于 11 月 23 日，12 月 2 号还在使用淘宝用户：

select bitmap_count(bitmap_and(a.users, b.users)) from (select users from day_users where day='2017-11-25') a , (select users from day_users where day='2017-12-02') b;

相对新增

select bitmap_count(bitmap_not(b.users, a.users)) from (select users from day_users where day='2017-11-25') a , (select users from day_users where day='2017-12-02') b;