背景介绍
淘宝是中国深受欢迎的电商平台，经常网购的人少不了逛逛淘宝，随便看看有什么想买的或者有目的想买什么，在逛淘宝的过程中，我们会留下足迹。通过这些足迹，也就是用户的行为，我们可以对这些行为进行分析挖掘。
使用的工具是Python，主要用到了Numpy，Pandas、Matplotlib及Msno这几个包。
数据来源于阿里云天池：https://tianchi.aliyun.com/dataset/dataDetail?dataId=46
1 提出问题
本文主要围绕这几个点展开：
1.漏斗模型用户行为分析
2.平台用户使用情况分析
3.时间维度用户行为分析
4.RFM模型用户价值分析
5.商品销售情况分析
6.商品销售类目分析
2 数据读取与数据探索
2.1 数据说明
数据集包含了2014年11月18日至2014年12月18日之间，有行为的约100万随机用户的所有行为（行为包括点击、购买、加购、喜欢）。
数据主要包括5个字段，用户ID，商品ID，商品类目ID，行为类型，时间戳。一共有12256906条记录。
2.2 数据读取
总共的数据有1亿左右，虽然pandas可以处理这么多的数据，但是电脑配置不够，所以这里只取了1200多万条数据。使用pandas读取数据只需要几秒钟的时间，Excel大半天都打不开。
2.3 数据探索
查看数据信息
1200多万的数据大小有561.1M，要是全部数据大小差不多有4G
查看是否有缺失值
user_geohash 缺失值过多，需做剔除处理
3 数据清洗
3.1 删除重复值
3.2 处理缺失值
3.3 数据一致性转换
4 数据分析
4.1 漏斗模型用户行为分析
a.上述分析说明，需要优化商品的推荐机制，优化用户搜索商品的效率；
b.提升用户从点击到收藏和加入购物车这一环节的转化率，这样才能最终提升用户购买的比例。
4.2 平台用户使用情况分析
4.3 时间维度用户行为分析
可以发现在双十二当天访问量达到顶峰，可以利用这个巨大的流量优势，提升用户购买的几率。
分别分析浏览和其他三种行为在一天的变化情况，可以发现：
a.用户从0点到6点处于一个休息状态，而从6点开始，到10点活跃的人数越来越多，10点达到了一个巅峰，然后又逐渐回落，预测是用户起床上班，利用路上通勤时间进行浏览以及购买，而到了上班时间，则只能抽空购物；
b.晚上6点到12点用户数量又开始激增，成交率也增加，证明用户下班，吃饭等等有较多的空闲时间进行购物了，22点之后浏览慢慢下降，是准备要休息了。
在用户的空闲时间安排营销活动，比如早上通勤时间，中午吃饭时间，晚上6-10点，能够提升用户成交率。
4.4 RFM模型用户价值分析
最近一次消费 (Recency)
消费频率 (Frequency)
消费金额 (Monetary)
a.重要价值用户是优质客户，可以有针对性地给这类客户提供VIP服务，比如现在的淘宝VIP会员卡等等；
b.重要挽留客户占比也很大，他们消费时间间隔较远，并且消费频次低，需要主动联系客户，调查清楚哪里出现了问题，比如通过短信，邮件，APP推送等唤醒客户；
c.重要保持客户，消费时间间隔较远，但是消费频次高，有可能就是需要买东西的时候，就高频购买，不需要就不再购物，对于这类客户，需要主动联系，了解客户的需求，及时满足这类用户的需求（提供优惠券促使消费）；
d.重要发展客户，消费频次低，我们需要提升他的消费频率，可以通过优惠券叠加等活动来刺激消费。
4.5 商品销售情况分析
大量商品只被购买一次
用户浏览的商品和最终购买的商品存在着很大的差异，我们需要优化推荐系统，让用户真正找到自己想买的商品，将浏览量转换为购买量。
从浏览到加购/收藏的转化率较低。
收藏之后购买的高于加入购物车之后被购买的转化率。
a.收藏是比加购有更高转化率的途径，可以针对收藏夹的商品发放优惠券，促使转化；
b.用户收藏和加入购物车之后的购买率达到了35.8%，说明商品只要被用户喜欢和加入购物车，那就有相当大的几率被购买，所以我们应该采取相应措施，比如让客户去收藏和加入购物车，这样能够增大转化率。
4.6 商品销售类目分析
a.可以尝试将销量较低的商品和销量较高的商品捆绑销售，并且优化商品的展示，将畅销类的商品和非畅销品展示在一起，提升商品购买转化率；
b.优化商品的推荐算法，将流量更多地聚焦于畅销的商品，打造爆款的产品，并利用爆款产品带动整体商品类目的销售。
5 结论
1.需要优化商品的推荐机制，优化用户搜索商品的效率，提升用户从点击到收藏和加入购物车这一环节的转化率，这样才能最终提升用户购买的比例；
2.有过购买行为的用户占总用户的比例为88.8%，需要采取措施引流；
3.双十二当天访问量达到顶峰，可以利用这个巨大的流量优势，提升用户购买的几率。在用户的空闲时间安排营销活动，比如早上通勤时间，中午吃饭时间，晚上6-10点，能够提升用户成交率；
4.大量商品只被购买一次，用户浏览的商品和最终购买的商品存在着很大的差异，我们需要优化推荐系统，让用户真正找到自己想买的商品，将浏览量转换为购买量；
5.收藏是比加购有更高转化率的途径，可以针对收藏夹的商品发放优惠券，促使转化。用户收藏和加入购物车之后的购买率达到了35.8%，说明商品只要被用户喜欢和加入购物车，那就有相当大的几率被购买，所以我们应该采取相应措施，比如让客户去收藏和加入购物车，这样能够增大转化率；
6.可以尝试将销量较低的商品和销量较高的商品捆绑销售，并且优化商品的展示，将畅销类的商品和非畅销品展示在一起，提升商品购买转化率。优化商品的推荐算法，将流量更多地聚焦于畅销的商品，打造爆款的产品，并利用爆款产品带动整体商品类目的销售。