一、分析背景
京东多年来在保持高速发展的同时，沉淀了数亿的忠实用户，积累了海量的真实数据。它们包括用户、商家、商品等多方面信息，如：商家和商品自身的内容信息、评论信息以及用户与之丰富的互动行为。如何从历史数据中找出规律，高效解决客户实际问题、提升客户购物体验，是大数据应用在精准营销中的关键问题。在此选取了平台20W+消费者数据进行消费者分析以寻找影响用户购买的趋势和影响因素。
二、数据理解
数据集中含有20种字段，可以将其大致分为5类：
三、提出问题
- 影响用户购买的主要因素有哪些？
2. 用户的行为有什么特征，用户从点击到支付全过程的流失情况。
3. 预测用户购买的潜在性。
四、清洗数据
使用navicat导入数据源进行数据清理。
1.重复值、缺失值处理
使用navicat导入数据时,设置customer_id、action_id为联合主键，避免出现重复值。设置customer_id、action_id、type等字符段为notnull,避免空值导致的结果偏差。shop_register_date、city_level字符段的空值太多，与想要解决的问题也不相关，在此舍去不做分析。
2.异常值处理
- 删除店铺评分为负的数据（114行）
- 性别列的U值（未知性别）选择保留（337行）
五、分析与建模
（一）影响购买的因素
将清洗好的数据导入tableau中进行可视化分析
- 用户
- 性别分布
从图中可以看出，男性用户（65.32%）明显高于女性用户（34.42%），约为其两倍。
- 年龄分布
由图可以看出，用户中年龄分段为5和6的用户最多，两者占了近八成。图上没有分段为3的客户，经核实在近20w条数据中，该分段的用户10条都不到，所占比例极小，可以或略不计。
- 会员身份级别
会员总共有1-7共7个等级，但是等级为2和3的分别只有3、67人。在近20w数据中可以忽略不计。
如果有详细的等级介绍和其他相关数据，可以继续核实数据是否有误差，进而判断需不需要取消这种等级，或者采取一些手段吸引更多的用户成为该等级会员。
- 城市分布
由图可以知道，在六个城市等级中。会员主要集中在4，3，1，5城市。
2.店铺
- 店铺类型概览
数据集中统计的店铺总共有7种，其中美妆、服饰、以及食品类的店铺最多，三者占据75%以上。
- 店铺评分、粉丝数、会员数对销售量的影响
-- 观察评分、粉丝、会员数对销售量的影响
create view shop_sale as
SELECT
shop_id,
fans_number,
vip_number,
round(shop_score,0) as shop_score,
count(type) AS sale_mount
FROM jd
WHERE type = 'Order'
GROUP BY shop_id
order by sale_mount desc;
可以看出，销量高的店铺评分主要集中在9.4-9.7之间。而销售主要是由众多粉丝量低于5w的店铺提供的。
3.产品
使用气泡图显示畅销产品，气泡越大，说明产品销量越好。在平台，销量最好的是coat类、tea类、face cream类的产品。
（二）用户行为
用户整体购买行为趋势：
如图可以发现在2月13-2月20号，近一周的时间内，商品成交量出现明显下降。为了探其原因。拉出2月具体的流量趋势图如下：
可以发现，在该时间段内，用户浏览量也呈现同样的下降趋势。经过查询日期可以发现，这段时间与春节假期高度重合，而春节前几天也有一个销量的小高峰，符合节假日前的消费行为情况，可以推断销量的下降是受假期的影响。比如门店歇业，快递停运等。
具体行为指标分析：
1.流量指标计算
SELECT
count(DISTINCT customer_id) as 'UV',
(SELECT count(type) FROM jd
WHERE type = 'PageView'
) AS 'PV',
(SELECT count(*) FROM jd
WHERE type = 'PageView'
) / (count(DISTINCT customer_id)) AS '人均访问量PV/UV',
(SELECT count(*) FROM jd
WHERE type = 'Order'
) / (count(DISTINCT customer_id)) AS '人均下单量'
FROM jd;
人均访问量并不高，特别是人均下单量，更是只有0.092。
2.单客流量情况
-- 创建用户购物情况视图
create view customer_action as
select
customer_id,
count(type) as '行为总数',
sum(case when type = 'PageView' then 1 else 0 end) as '浏览量',
sum(case when type = 'Follow' then 1 else 0 end) as '收藏量',
sum(case when type = 'SavedCart' then 1 else 0 end) as '加购量',
sum(case when type = 'Follow' then 1 else 0 end)+sum(case when type = 'SavedCart' then 1 else 0 end)as '关注量',
sum(case when type = 'Order' then 1 else 0 end) as '下单量',
sum(case when type = 'Comment' then 1 else 0 end) as '评论量'
from jd
group by customer_id
order by 行为总数 desc;
单客的最高浏览量只有28，且大多集中在1~3次，说明用户的打开意愿并不强。
3.日浏览量的变化
-- 日流量变化
create view pv_view as
select action_date, count(type)as '浏览量'
from jd
where type='PageView'
group by action_date;
-- 创建uv视图
create view uv_view as
select action_date,count(distinct customer_id)as '访客量'
from jd
group by action_date;
-- 内联结两视图
select
p.action_date,
访客量,
浏览量
from pv_view as p inner join uv_view as u
on p.action_date=u.action_date;
图中出现两个波谷，第一个前面已经确定与春节假期有关。第二个波谷出现在27-28号两天，其他时间均比较正常，没有出现明显的起伏。为什么会出现第二个波谷呢？并且只在27-28号两天的时间内。
数据集提供的数据有限，并不能详细的分析背后原因。这里仅做出如下假设：
3. 用户整体行为
-- 整体转化模型
select
sum(浏览量) as '浏览',
sum(收藏量) as '收藏',
sum(加购量) as '加购',
sum(下单量) as '下单',
sum(评论量) as '评论'
from customer_action
-- 每环节转化模型
select
sum(浏览量) as '浏览',
(select sum(关注量) from customer_action
where 浏览量>1) as '关注',
(select sum(下单量) from customer_action
where 关注量>0) as '下单'
from customer_action
整体转化模型：
每环节转化率
(1) 由图一可知，该数据集的转化情况并不完全符合AAARR漏斗模型。整体的下单率在8.72%，高于关注率3.45%（收藏+加购）。
(2) 图二单环节的关注率只有0.75%（潜力用户），而实际下单的用户更是只占潜力用户的4.27%。
(3) 结合两图来看，用户的转化过程包括两种：浏览-关注-下单以及浏览-下单，并且后者的转化率要高于前者。为什么会出现这种原因？
- 假设一：商品吸引度不足，用户意愿不强。
- 假设二：购物流程较繁杂。
在此数据不全，对于假设一，建议后续可以进行AB测试，随机选择一定量样本人群，其中一部分发放优惠信息或者进行推送提示已加购的商品，另一部分不进行相应推送。比对两者的消费数据，判断是否是用户和商品方面的原因。
对于假设二，可以从平台产品的角度进行调研研究，比如针对流失用户的问卷，客户对平台的意见反馈，以及竞争对手的情况（比如拼多多就没有加购环节）等。
（三）. 预测用户购买倾向性（逻辑回归）：
假设客户要求预测用户购买服饰的倾向性。Y变量为用户历史是否购买过服饰（1为购买，0为未购买），当shop_category为clothes并且type为order，则Y值设为1，反之为0。自变量为下述内容
对Y变量和各自变量进行逻辑回归，得到与Y显著相关的变量，将显著相关的变量提取出来进行逻辑回归建模，将各用户的变量带入模型中，获得用户得分
（待更）