本项目以阿里巴巴移动电商平台的真实用户-商品行为数据为基础，使用MySQL进行数据清洗，以AARRR模型、RFM模型为基础展开分析，再用Power BI做可视化，最后从提升用户活跃度、促进商品成交、差异化用户营销三个方面提出建议。

参考了网上公开分享的一些帖子，把思路整合后发现：需要提取的一些模型、指标、算法，基本可以落到AARRR模型、RFM模型中。因此从这两个模型出发，查找需要的数据，进行分析，再把部分数据使用Power BI可视化。

在正式写代码之前，先理顺分析思路，同时考虑后续可视化过程会用到的数据、表现形式。当然，所有的细节部分不是一下就能全部想好的，也是在敲代码的过程中不断完善。

我的思维导图▼

Let’s Go. 让我们一起开始吧。

一、数据源

数据来自天池竞赛：
https://tianchi.aliyun.com/dataset/dataDetail?dataId=46&userId=1

竞赛数据包含两个部分。

第一部分是用户在商品全集上的移动端行为数据（D）,表名为tianchi_mobile_recommend_train_user，包含如下字段：

第二个部分是商品子集（P）,表名为tianchi_mobile_recommend_train_item，包含如下字段：

Zip文件中的数据集更大，有1225万。我用的是下图中的红框中的数据，33.2MB，共有80万条。

二、数据清洗

导入数据到mysql

导入数据时，所有的字段都按照默认格式varchar导入▼，导入成功后再设计表，按照需求修改字段格式。

血泪教训 ：第一次导入时，把time设置成了datetime格式，导入成功后time一列全部显示为0，后面又费了功夫把它给调对。

将80万条数据导入mysql，花费了30分钟，导入成功，点击关闭。▼

数据概览▼

重复值

有重复，但是根据业务理解，不需要作处理。代码如下：

select *, count(user_id) from data
group by user_id, item_id, behavior_type, item_id, time
having count(user_id) > 1;

异常值

查看time的范围，behaviou_type的类型。代码如下：

select min(time), max(time) from data;
select distinct behavior_type from data;

缺失值

查看各字段的数量，发现time有一条缺失。代码如下：

select count(user_id), count(item_id), count(behavior_type),
count(item_id), count(time)
from data;

查看找到它，删除。代码如下：

select * from data where time is null;
delete from data where time is null;

数据一致化

对time字段分成日期date和时段hours两个字段；为了便于理解，把behavior_type的数字改为英文简写。代码如下：

# 把time分成date和hours两个字段，然后删除time
alter table data add column date date;
alter table data add column hours varchar(255);
update data set date = left(time, 10);
update data set hours = substring(time, 12,2);

# 把behavior_type 分别更名为pv, col, cart, buy
update data
set behavior_type = (
case
when behavior_type = 1 then 'pv'
when behavior_type = 2 then 'col'
when behavior_type = 3 then 'cart'
when behavior_type = 4 then 'buy'
else '其他'
end
);

# 删除time这一列
alter table data drop time;

血泪教训：刚开始完全把hours设置成time格式,使用right(time, 8),最终结果显示为00:00:00的格式。但是，后来在使用powerbi可视化过程中发现，这样会出现一些如下图红框中的错误显示。最终决定，hours使用varchar格式，显示12、13、15、17这样的格式，方便可视化。错误代码如下，不要这样做：

# 错误示范
alter table data add column hours time;
update data set hours = right(time, 8);

三、数据分析

使用sql进行数据分析的过程，我把它理解为，理解业务，写代码，建视图，可视化。

视图命名规则基本按照【维度_度量】这样的格式，方便自己理解。命名基本用英文全称，少用简写，方便后续的理解与回顾。

1. 整体活跃度，基于AARRR模型

“获取（Acquisition）”、“激活（Activation）”、“留存（Retention）”、“传播（Referral）”、“收入（Revenue）”

1.1 用户获取Acquisition

代码参照后面的留存率day_0

每日都有新增用户。11月18日—11月21日新增用户骤降，后续持续递减。▼

本项目数据从11月18日开始，到12月18日结束，11月18日前无可分析数据。在靠近11月18日的当日新增用户中很大一部分并非当日新增，而是18日前就已经活跃用户。日期靠后的数据，越能体现出当日新增真实值，具体值需要等待后续数据。

1.2 用户激活Activation

PV, UV

本项目数据源共802757条，pv为756386 ，uv为6467, 人均页面访问数为116.96。代码如下：

# 整体指标
create view whole_index as
select sum(user_pv) as PV, count(user_id) as UV, format(sum(user_pv)/count(user_id), 2) as 人均页面访问数
from (select user_id, count(behavior_type) as user_pv
from data where behavior_type = 'pv' group by user_id) as a;

跳失率

浏览页跳失率为25.84%，关键页跳失率74.16%。

跳失分析：商品不符合用户需求，竞争力不够。可对比竞品网站，在商品的定价、商品陈列故事、商品详情描述等方面做出改进。

代码如下：

-- 浏览页跳失率：用户仅仅有pv行为，没有其它的收藏、加购、购买行为，

create view view_bounce_rate as
select (select count(distinct user_id) from data) as 总用户,
count(distinct user_id) as 仅pv用户,
concat(format(count(distinct user_id)
/(select count(distinct user_id) from data)*100, 2), '%') as 浏览页跳失率
from data
where user_id not in
(select distinct user_id from data where behavior_type = 'col')
and user_id not in
(select distinct user_id from data where behavior_type = 'cart')
and user_id not in
(select distinct user_id from data where behavior_type = 'col');

-- 关键页跳失率：用户有收藏或加购行为但无购买
create view key_bounce_rate as
select (select count(distinct user_id) from data) as 总用户,
count(distinct user_id) as col_cart用户,
concat(format(count(distinct user_id)
/(select count(distinct user_id) from data)*100, 2), '%') as 关键页跳失率
from data
where user_id in
(select distinct user_id from data where behavior_type = 'col')
or user_id in
(select distinct user_id from data where behavior_type = 'cart')
and user_id not in
(select distinct user_id from data where behavior_type = 'col');

时间维度用户行为

从时间维度的日期、时段、星期，来观察用户行为。

从11月30日开始，pv、cart值增大，12月5日、8日出现小范围减小；12月12日当天pv、cart、buy值激增，达到高点，次日骤降,回归平均水平。▼

从日时段来看，用户在10点到24点较为活跃。从17点开始逐渐增高，晚上21点—22点达到最高值。▼

从星期来看，周二、周五分别有两个客流小高峰。▼

基于以上数据，12·12活动一般选择在11月底、12月初开始预热，至少提前1-2周进行；网站的客服、维护尤其要注意晚上20点—23点这一时段；日常的推新、促销选择在周二、周五进行。

代码如下：

# 每日、小时用户行为
create view dayhour_behavior_times as
select date, hours,
sum(case when behavior_type='pv' then 1 else 0 end) as pv,
sum(case when behavior_type='col' then 1 else 0 end) as col,
sum(case when behavior_type='cart' then 1 else 0 end) as cart,
sum(case when behavior_type='buy' then 1 else 0 end) as buy,
count(behavior_type) as all_click,
count(distinct user_id) as all_users
from data group by date, hours
order by date, hours;

# 周weeks用户行为,'%W' W必须大写，才会返回星期名。
create view weeks_behavior_times as
select date_format(date, '%W') as weeks,
sum(case when behavior_type='pv' then 1 else 0 end) as pv,
sum(case when behavior_type='col' then 1 else 0 end) as col,
sum(case when behavior_type='cart' then 1 else 0 end) as cart,
sum(case when behavior_type='buy' then 1 else 0 end) as buy,
count(behavior_type) as all_click,
count(distinct user_id) as all_users
from data
where date between '2014-11-23' and '2014-12-13'
group by weeks order by field(weeks, 'Monday', 'Thursday', 'Wednesday', 'Tuesday', 'Friday', 'Saturday', 'Sunday');

1.3 用户留存 Retention

留存率

为了排除11月18日前，未统计数据的影响。选择近一个月的中间日期，从12月3日开始看用户留存率。

12·12活动前后的用户留存率高于同期水平。从留存率看，预计12月18日后近期会有另外的促销活动开展。▼

这一条是代码思路，供需要的朋友参考：

select user_id, date from data group by user_id, date; # 每个用户的活跃日期
select user_id, min(date) as firstday from data group by user_id; # 每个用户的第一次活跃日期

正式代码：

# 新建视图time_inter，上面的2表连接查询，并增加一列时间间隔。
create view time_inter as
select a.*, b.firstday, datediff(a.date, b.firstday) as day_diff from
(select user_id, date from data group by user_id, date) as a,
(select user_id, min(date) as firstday from data group by user_id) as b
where a.user_id = b.user_id order by user_id, date;

# 搭建留存天数模型retention_day，第一次活跃用户会持续活跃几天
create view retention_day as
select firstday,
sum(case when day_diff=0 then 1 else 0 end) as day_0,
sum(case when day_diff=1 then 1 else 0 end) as day_1,
sum(case when day_diff=2 then 1 else 0 end) as day_2,
sum(case when day_diff=3 then 1 else 0 end) as day_3,
sum(case when day_diff=4 then 1 else 0 end) as day_4,
sum(case when day_diff=5 then 1 else 0 end) as day_5,
sum(case when day_diff=6 then 1 else 0 end) as day_6,
sum(case when day_diff=7 then 1 else 0 end) as day_7,
sum(case when day_diff=15 then 1 else 0 end) as day_15,
sum(case when day_diff=30 then 1 else 0 end) as day_30
from time_inter
group by firstday
order by firstday;

# 搭建留存率模型retention_rate
create view retention_rate as
select firstday, day_0,
concat(format(day_1/day_0*100, 2), '%') as day_1,
concat(format(day_2/day_0*100, 2), '%') as day_2,
concat(format(day_3/day_0*100, 2), '%') as day_3,
concat(format(day_4/day_0*100, 2), '%') as day_4,
concat(format(day_5/day_0*100, 2), '%') as day_5,
concat(format(day_6/day_0*100, 2), '%') as day_6,
concat(format(day_7/day_0*100, 2), '%') as day_7,
concat(format(day_15/day_0*100, 2), '%') as day_15,
concat(format(day_30/day_0*100, 2), '%') as day_30
from retention_day;

1.4 用户推荐Referral

本项目中的收藏col与加购cart的行为不是相互独立的，都是确定购买buy意向的行为，没有先后之分。因此，从浏览pv、加购cart、购买buy这一路径来简要分析。

从浏览到加购的转化率为2.98%，用户花了大量时间寻找合适的产品。可优化网站筛选、关键词搜索功能，推荐更适合用户的商品，方便用户迅速获取信息。

从加购到购买的转化率约为35%。可针对加购未购买产品细分，采用提供优惠券、推荐同款商品等促销方法。▼

转化率

代码思路：

select count(behavior_type) from data where behavior_type = 'pv'; # 总pv

正式代码：

# 计算转化率conversion_rate
create view conversion_rate as
select
concat(format((select count(behavior_type) from data where behavior_type = 'col')
/(select count(behavior_type) from data where behavior_type = 'pv')*100, 2), '%') as 收藏转化率,
concat(format((select count(behavior_type) from data where behavior_type = 'cart')
/(select count(behavior_type) from data where behavior_type = 'pv')*100, 2), '%') as 购物车转化率,
concat(format((select count(behavior_type) from data where behavior_type = 'buy')
/(select count(behavior_type) from data where behavior_type = 'pv')*100, 2), '%') as 购买转化率；

漏斗模型

用户行为漏斗behavior_times，uv独立访客漏斗user_times。正式代码如下：

# 创建漏斗视图funnel_times
create view funnel_times as
select behavior_type, count(behavior_type) as behavior_times,
count(distinct user_id) as user_times from data group by behavior_type
order by field(behavior_type, 'pv', 'col', 'cart', 'buy');

1.5 用户收益Revenue

用户购买次数在1-5次，更高次数的用户很少，整体复购率为52.89%，相对可观，可将运营重点放在培养用户忠诚度上，从质量、价格、服务、物流等方面做出改进，鼓励用户更高频次的消费。▼

购买率

代码如下：

# 创建视图user_behavior_times,用户-行为分类明细表
create view user_behavior_times as
select user_id,
sum(case when behavior_type='pv' then 1 else 0 end) as pv_times,
sum(case when behavior_type='col' then 1 else 0 end) as col_times,
sum(case when behavior_type='cart' then 1 else 0 end) cart_times,
sum(case when behavior_type='buy' then 1 else 0 end) as buy_times,
concat(format(sum(case when behavior_type='buy' then 1 else 0 end)
/sum(case when behavior_type='pv' then 1 else 0 end)*100, 2), '%') as 购买率,
sum(case when behavior_type='buy' then 1 else 0 end)
/sum(case when behavior_type='pv' then 1 else 0 end) as sort
from data group by user_id order by sort desc;

血泪教训：把购买率转换成百分比后，无法按照购买率直接进行排序。mysql的语法不支持按照百分比排序。因此需要新建一列sort来作为排序列。错误情况如下▼

复购率

代码思路：

select count(user_id) from user_behavior_times where buy_times>0; # 购买过的用户次数
select count(user_id) from user_behavior_times where buy_times>1; # 购买次数大于1的用户数

正式代码：

# 计算复购率
create view repurchase_rate as
select concat(format((select count(user_id) from user_behavior_times where buy_times>1)
/(select count(user_id) from user_behavior_times where buy_times>0)*100, 2), '%') as 复购率；

2. 商品销售情况

从购买次数，分析商品类别、商品id的受欢迎程度。

成交品类较高的是10392、1894、11279三大类。▼

按照成交量与浏览量的高低，把商品类别分为四大类。

• pv低buy低，多数商品集中在这一类，商品存在替代性，可增加该类商品的客流量，以提高成交量；
• pv低buy高,商品是有竞争力的，可在活动中作为主打商品，提高复购率，同时增加宣传，打开市场、吸引新用户，营造品类口碑；
• pv高buy低，购买存在较大随机性，可在商品的描述、价格等方面做出改变，提升商品竞争力；
• pv高buy高，用户有较高需求，可提炼商品卖点、精简描述，方便用户更快做出购买决策。

查看各品类及商品被购买次数，包括0次即没有成交记录，在可视化时可以，计算商品购买率，并按照需要筛选相应指标。

代码如下：

create view hot_item as
select item_category, item_id,
sum(case when behavior_type = 'pv' then 1 else 0 end) as pv_times,
sum(case when behavior_type = 'buy' then 1 else 0 end) as buy_times
from data
group by item_category, item_id order by item_category, item_id, buy_times;

3. 用户价值，基于RFM模型

仅在会员（购买过商品的用户）范围内，进行价值划分,R/F等级为1-5，由于本项目的数据不涉及M(Monetary)，所以只做4类划分。▼

通过RFM模型，了解每位顾客的特性，实现差异化营销。

• 重要价值用户，R高F高。经常在网站购物，并形成习惯，做好维护即可。
• 重要深耕用户，R高F低。这类用户粘性不强，近期有消费行为，可能是针对需要的商品直接下单，不会过于频繁地进行其他商品的浏览、购买。可推荐更符合用户喜好、性价比高商品，吸引其进行购买，逐渐建立消费习惯。
• 重要唤回用户，R低F高。最近没有购买行为，可以通过短信等场外提醒，引导其入场参与优惠活动，尽快完成下次购买行为。
• 重要挽留用户，R低F低。该类用户容易流失，占比40.02%，可提升空间大，运营活动可重点针对这部分用户，通过拼团打折、积分兑换、捆绑销售等活动唤起用户注意力，提升用户兴趣。

下面这一条是代码思路，分步骤理解，供需要的朋友参考：

# 计算最近交易时间lasttime, 最后一次购买距今几天recency。2014-12-19是指本项目的分析日期，在实际项目中可以使用curdate()来返回当前日期。
create view recency as
select user_id, max(date) as 'lasttime', datediff('2014-12-19', max(date)) as recency
from data where behavior_type = 'buy'
group by user_id order by recency desc;

# 计算近1个月购买频率frequency
create view frequency as
select user_id, count(behavior_type) as frequency
from data where behavior_type = 'buy'
group by user_id order by frequency desc;

# 对recency从1-5划分等级R，可以根据业务理解相应修改。本项目选择3、6、9、12、更久。
create view r等级 as
select *, (case
when recency<=3 then 5
when recency<=6 then 4
when recency<=9 then 3
when recency<=12 then 2
else 1 end) as R
from recency;

# 对frequency从1-5划分等级F，本项目选择2、4、6、8、更久。
create view f等级 as
select *, (case
when frequency<=2 then 1
when frequency<=4 then 2
when frequency<=6 then 3
when frequency<=8 then 4
else 5 end) as F
from frequency;

正式代码如下：

# 计算R/F/M,本项目无M，省略
create view rfm as
select user_id,
max(date) as 'lasttime', datediff('2014-12-19', max(date)) as recency,
count(behavior_type) as frequency,
(case
when datediff('2014-12-19', max(date))<=3 then 5
when datediff('2014-12-19', max(date))<=6 then 4
when datediff('2014-12-19', max(date))<=9 then 3
when datediff('2014-12-19', max(date))<=12 then 2
else 1 end) as R ,
(case
when count(behavior_type)<=2 then 1
when count(behavior_type)<=4 then 2
when count(behavior_type)<=6 then 3
when count(behavior_type)<=8 then 4
else 5 end) as F
from data where behavior_type = 'buy'
group by user_id;

# 计算平均值
select avg(F) as F平均值 from rfm; # 1.4768
select avg(R) as R平均值 from rfm; # 2.6031

# 没有M，建立在购买量M大的前提下，对用户做出以下4类分类
create view rfm用户分类 as
select *,
(case
when R>2.6031 and F>1.4768 then '重要价值用户'
when R>2.6031 and F<1.4768 then '重要深耕用户'
when R<2.6031 and F>1.4768 then '重要唤回用户'
when R<2.6031 and F<1.4768 then '重要挽留用户'
end) as 用户分类
from rfm;

# 查看用户情况，可以验证上一步代码是否正确
select 用户分类, count(用户分类) from rfm用户分类
group by 用户分类;

题外代码：三个不同的用户数，理解思路。

select count(distinct(user_id)) from data; # 6471 所有用户
select count(distinct(user_id)) from data where behavior_type='buy'; # 3326
select count(distinct(user_id)) from data where behavior_type='pv'; # 6467

4. 导出数据

根据“导出向导”的提示操作，导出数据。在红框处选择“导出选择的到相同文件”，可以把需要进行可视化的数据，导出到一个文件中。▼

勾选“包含列的标题”，这样导出的数据会有列标题。不然是纯数据，不方便可视化操作。▼

导出数据，花了将近一个小时，忘了截图。这个时间可以用来写报告。

四、可视化看板及建议

关注总体指标，提升用户活跃度

对比竞品网站，在商品的定价、商品陈列故事、商品详情描述等方面做出改进，减少用户跳失。

大型活动至少提前1—2周进行预热，可活跃用户，提升用户留存率；网站维护、客服尤其要关注晚上20点—23点时段；日常的推新、促销可选择在周二、周五进行。

优化网站筛选、关键词搜索功能，推荐更适合用户的商品，方便用户迅速获取信息；针对加购未购买产品细分，采用提供优惠券、推荐同款商品等促销方法，提升用户行为转化率，促进更快、更顺利完成购买行为。

精准划分品类，促进商品成交

在成交品类较高的10392、1894、11279等大类后，可设置引流通道。对成交量高的品类，提炼可复用的营销方法。

对pv低buy低的商品，可增加其客流量，以期提高成交量；在活动中把pv低buy高的商品作为主打，提高复购率，打开市场、吸引新用户，借其增强品类口碑；针对pv高buy低的商品，在商品详情、价格等方面做出改变，提升商品竞争力；提炼pv高buy高的商品卖点、精简描述，引导用户更快做出购买决策，提升购买体验。

了解用户特性，差异化营销

做好重要价值用户的维护工作，推荐更符合重要深耕用户喜好、性价比高商品，吸引其进行购买，逐渐建立消费习惯。通过发送短信等场外提醒给重要唤回用户的方式，引导其入场参与优惠活动，尽快完成下次购买行为。运营活动可重点关注容易流失的重要挽留用户，通过拼团打折、积分兑换、捆绑销售等活动唤起用户注意力，帮助用户建立对平台的兴趣。

——————————**********———————————

以上就是本项目的全部内容了，欢迎留言更多探讨。
有问必答。（如果我知道）