MYSQL用户行为分析指标体系建设
一、数据集介绍
该数据集来源于阿里云天池，数据选取了淘宝APP2014年11月18日至2014年12月18日的用户行为数据。•数据来源于:
包含6个字段（用户id、商品id、用户行为类型、用户所在地理位置、品类id、用户操作时间），一共有1048575条数据，这里只选取了80万左右得数据，在2014-11-18到2014-12-18之间发生的行为记录，具有包括点击、购买、加购物车和收藏商品的行为。数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。。
字段信息说明：
| 字段 | 说明 |
|---|---|
| user_id | 用户身份，id，脱敏 |
| item_id | 商品id，脱敏 |
| behavior_type | 用户行为类型（包含点击、收藏、加购物车、支付四种行为，分别用数字1，2，3，4表示） |
| user_geohash | 地理位置 |
| item_category | 品类id，（商品所属品类） |
| timestamp | 用户行为发生时间 |
根据现有数据及分析目的，从多方面进行分析：
•第一个维度：用户购物情况整体分析以PV、UV、跳失率等指标，分析用户最活跃的日期及活跃时段，了解用户行为习惯
•第二个维度：商品购买情况分析从成交量、人均购买次数等指标，探索用户对商品的购买偏好，了解商品的销售规律
•第三个维度：用户行为转化漏斗分析从收藏转化率、购物车转化率、成交转化率，对用户行为从浏览到购买进行漏斗分析
•第四个维度：参照复购率、RFM模型对用户进行分类，找出有价值的用户
二、数据清洗
原字段没有列名，在创建csv是，创建了一行字段，时间戳timestamp的数据类型直接导入的结果是10位的数字，把这一列数据在csv中已做过简单处理转换为日期加时间格式，并将其设置为字符串格式。
导入数据
2.1、缺失值处理：
user_geohash列地理位置得数据大多都是空值null，且位置信息被加密，难以研究，后面不做关于地理位置得分析
2.2、数据一致化处理
由于time字段得时间包含（年-月-日）和小时，为了方便分析，将该字段拆分为两个字段，日期date和时间time
