淘宝用户行为分析——通过excel分析

一、需要解决的问题

每日的浏览量，访客量以及时间维度的用户行为分析

二、理解数据

阿里云天池数据：https://tianchi.aliyun.com/dataset/dataDetail?dataId=649
数据集包含了2017年11月25日至2017年12月3日之间的所有行为（行为包括点击、购买、加购、喜欢）。本数据集包含用户数量约100万，商品数量约 400万件，商品类目数量涉及9000多项，所有行为数量约为1亿条。

字段名	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’, ‘buy’, ‘cart’, ‘fav’)
时间戳	行为发生的时间戳

三、数据处理

1.数据抽取

因为数据量大，我们先采用Python，pandas进行读取csv文件，并从中抽取100万条行为数据，再进行excel的分析。

import pandas as pd;
#读取csv文件
data=pd.read_csv(r'D:\download\UserBehavior.csv')
#抽取100万条数据
data=data.sample(n=1000000,replace=True,axis=0)
data.to_csv(r"D:\download\user.csv")
#查看数据信息
data.head()# 读取头五行数据
data.info()# 查看数据信息

如上图，100万的数据大约有40-60M左右的大小，数据是经过脱敏处理。

2.数据清洗

其中的用户行为通过替换转化为中文，行为包括点击’pv’, 购买’buy’, 加购’cart’, 喜欢’fav’。
如下图，数据量较大，因此需要单独选中用户行为这一列替换效率更快。

时间格式使用的是时间戳（秒）所以需要进行公式的转化，遇到毫秒还要进制转换。
公式为： TEXT((TIMESTAMPS+83600)/86400+70365+19,“yyyy-mm- dd hh:mm:ss”)
如下图：

公式处理之后，将值进行复制，选择性粘贴（选择粘贴格式：数值，运算：加），进入新的一列，将格式设为时间格式：yyyy/m/d h:mm:ss， 如下图：

因为数据集时间是在2017年11月25日至2017年12月3日之间，所以以防万一，需要通过筛选功能进行排除这个时间之外的数据， 如下图：

剔除了部分数据， 如下图：

导入新的文件保存，用于之后的分析。

四、数据分析

通过数据透视图功能进行分析，点击菜单栏插入-数据透视图，则可生产透视图，根据需求进行字段显示。

1.每日的浏览量

如上图，将用户行为分别拖入列和值区域，时间拖入行区域，则可以显示每日的浏览量。用户的点击行为即是浏览数，12月2-3日的浏览量稍微高了些，应该是商家活动和放假引起，11月25日至26日，虽然也为周末但是和之后的时间点不是一个周期，不能考虑在内。 如下图：

2.时间的变化与购买之间的关系

右键点击时间的行区域，选择组合，只选择小时维度则可显示图表，88%的购买行为都发生在9点上班之后至，在21点左右逐渐减少；只有3%的夜猫子在1点至5点还在购物， 如下图：

通过百分比查看四种行为的关系，看出4种行为的趋势都是一样的，主要用户活跃主要集中在10-23点，19点至21时有小幅度提升，处于下班时间，可配合秒杀活动提升购买量， 如下图：

3.一周内用户行为分析

11月27日至12月3日即为一个星期，可以看出周一至周五用户行为较为平稳，在周六日明显活跃起来，周末放假加上活动，提升用户活跃度， 如下图：

4.描述统计

点击时间-组合，以天为单位，选择购买列，进行描述统计，点击数据-数据分析，双击其中的描述统计即可查看， 如下图：

综合统计信息，因为商品经过脱敏看不出各种商品的差别，只从时间维度进行分析。因为周末放假，用户活跃度高，可配合活动提升购买量；一日内在9点之后，用户较为活跃，下班后的19点至23点较为活跃，夜晚因为处在睡眠阶段，活跃度低很正常。

五、总结

明确数据清洗流程，对数据分析做准备，可以减少错误的分析，使数据分析结果更可靠，通过Excel的透视图功能分析，能更清晰的认识到数据的内在关联。