MySQL数据分析案例---网购客户行为分析

这次主要是根据电商网站上用户的行为来进行相关的数据分析，本次数据主要是采集了11月25-12月03日的用户点击量，购买量，收藏量和加入购物车量，每行数据表示一位用户的行为记录，本表主要是包含5个字段，user id,item id, shop id,type,timetamp.
根据数据提出问题：
1、每天客户的点击量（pv）是多少？
2、客户的转化率是多少？
3、流失客户是多少？
4、销售前五的商品是什么？
5、每天客户的浏览量是多少？
一、数据导入
数据文本是CSV文本类型，导入到MySQL数据库中，打开navicat，点击导入，导入所需要的文件，然后保存在单独的一个表中，表名为“user”
二、数据清洗
表的最后一个字段是个时间戳，所以需要把时间戳改成我们平常用的年月日这种类型

新建查询：输入：UPDATE user SET timestamp = FROM_UNIXTIME(timestamp,’%y-%m-%d’);
这样就能把时间戳转换成我们需要的年月日类型

因为本次想要知道是11月25-12月3日的用户行为信息，所以要从表中进行筛选出我们需要的客户信息
查询输入：SELECT DISTINCT timestamp FROM user ORDER BY timestamp;

上述查询到的是整个表格里的时间节点，所以要从中挑选出我们需要的时间节点
查询输入：SELECT * FROM user WHERE timestamp BETWEEN ‘17-11-25’ AND ‘17-12-03’;为了方便，所以把上面查询的结果创建个视图，并检验上面的结果是否是17-11-25 至 17-12-04里的记录
查询输入：CREATE VIEW user_1 AS(SELECT * FROM user WHERE timestamp BETWEEN ‘17-11-25’ AND ‘17-12-03’);
SELECT DISTINCT timestamp FROM user_1 GROUP BY timestamp;

经检验，记录摘取正确，上面的都是准备工作，下面就要根据问题来进行相关的分析；
三、数据分析
1、每天客户的点击量（pv）是多少？
查询输入：SELECT timestamp,COUNT(type) FROM user_1 WHERE type = ‘pv’ GROUP BY timestamp;

可以看出在12月2号和3号这两天用户的点击量蛮大的，其他日期表现平平，估计12号商家推出不少优惠活动。
2、客户的转化率是多少？
查询输入：SELECT COUNT(DISTINCT user id) as countuser,(SELECT COUNT(DISTINCT user id) FROM user_1 WHERE type =‘buy’) AS countbuyer FROM user_1;

转化率=countbuyer/countuser 即得转化率为68.8%
3、流失客户是多少？
既没有把商品收藏也没有加入购物车和购买商品的客户
查询输入：SELECT COUNT(DISTINCT user id) as countuser FROM user_1 WHERE user id NOT in (SELECT user id FROM user_1 WHERE type in(‘buy’,‘fav’,‘cart’));

之前查询的总客户量是7480,
所以流失率=流失量/客户总量=5.86%
还有就是加入购物车和收藏了商品，但是没有买单的客户
加入购物车没有购买的客户
查询输入：SELECT DISTINCT (SELECT COUNT(DISTINCT user id) FROM user_1 WHERE type = ‘fav’) AS favuser,
(SELECT COUNT(DISTINCT user id) FROM user_1
WHERE user id in (SELECT user id FROM user_1 WHERE type = ‘fav’) AND type = ‘buy’) AS buyuser FROM user_1;

从上面可以看到加入购物车并且买单的人还是不少的，所以
加入购物车美买单的流失率=加入购物车没买量/加入购物车量=2.8%
4、销售前五的商品是什么？
查询输入：SELECT COUNT(type) ,shop id FROM user_1 WHERE type = ‘buy’ GROUP BY shop id ORDER BY COUNT(type) DESC;

所以销售前五的商品可根据上图的结果选出前五即可
5、每天客户的浏览量是多少？
查询输入：SELECT COUNT(DISTINCT user id), timestamp FROM user_1 GROUP BY timestamp;

在12月2号浏览量蛮高的 ，日常的话基本上都应该算是处于11月25日-12月1日这样的浏览数量上，12月2号和3号浏览量飙升