A. 導入數據到MySQL數據庫中
B. 數據一覽：
C. 分析工具：MySQL Workbench + EXCEL
D. 分析思路：
1.分析用戶使用戶行為的漏斗模型
a.APP訪問用戶總數（UV) & 頁面總訪問量（PV）
b. 跳失率=只點擊一次瀏覽的用戶數量/總用戶訪問量
在統計時間內，只有1人只瀏覽過一個頁面就離開了APP，可以忽略不計，說明淘寶擁有足夠的吸引力讓用戶停留在APP中。
c. 用戶各類行為總數：
用戶一般購買路徑包括幾種情況：
- 瀏覽→購買
- 瀏覽→加購/收藏→購買
從購買路徑分析，收藏或加入購物車並無直接的先后順序之分，兩種行為都是在瀏覽到購買這一階段內確定商品購買意向，所以將收藏與加購合並為同一階段來研究；
從總體上來看，pv/buy約為45，說明需要有45次pv才能轉化成1次buy
d. 獨立行為用戶漏斗模型計算：
上圖是各類行為的用戶數，buy/pv≈68%的付費率，超過2/3的用戶進行了下單購買行為，可見淘寶用戶的付費轉化率相當高
e.用戶購買次數分析
用戶購買次數區間為1~72，由於數據統計期只有9天，購買次數在<=5次的為主，占比87.94%
2.不同時間尺度下用戶行為模式分析
分別以每天和小時為單位分析用戶購買行為，找出用戶活躍規律。
a.分析每天的用戶行為
如上圖，由於12月2號和3號是周末，四個指標都明顯上升，這也符合常規預期，說明在節假日用戶有更多時間使用APP，從而促使點擊和購買等行為的增多。
b.分析以小時為單位的用戶行為
從上圖可知，用戶的每小時行為趨勢還是相當符合人們的作息時間規律的，10:00~17:00上班時間，各項行為都處於較為平穩的狀態，18:00左右下班時間由於通勤等因素，出現了明顯下降波動，而后進入晚間的非工作時間，各項用戶行為數量激增，直到十點后進入睡眠時間，熱度開始逐步下降
從每小時人均行為數一圖可以看出，一天中從17:00到第二天凌晨1點左右，用戶的行為數高於平均水平，說明這一時間段是用戶操作最頻繁的時間，可在此時間段進行增加商品推送或促銷等策略。
從點擊和購買占比分析可以看出：
- 對照前一分析，晚上7點到凌晨一點的晚間時間段，用戶的操作行為偏向於瀏覽。
- 用戶在白天特別是在中午時間段，購買行為比率達到最高，可見，在午間時間段的用戶使用淘寶下單購買商品的意向是最高的。
3.不同商品種類的用戶行為分析
a. 購買次數分析
本次分析的商品種類有804825種，只購買一次的產品占82.65%，購買兩次的產品占11.52%，沒有出現購買用戶數量非常集中的商品
- 說明商品售賣主要依靠長尾商品的累積效應，而非爆款商品的帶動。
- 從另一角度看，說明淘寶上商品數量足夠多，以致使用戶可以有更多的選擇，而不用局限於單一爆款
b.轉化分析
SQL查詢出點擊量TOP100的商品，對照購買數，從中得出轉化率最低的30種商品，說明這些吸引用戶更多注意力的頭部流量的商品並沒有很好的轉化為實際銷量，需要及時找到問題根源所在並改進。
客戶價值RFM模型分析
R-最近一次消費 (Recency)
F-消費頻率 (Frequency)
M-消費金額 (Monetary)（數據中無消費金額，故此項不參與分析）
R_score 最近一次消費時間越近，分數越高
F_times 用戶購買次數統計，次數越多，說明該用戶價值越高
計算平均數：
依據兩項平均數進行用戶類型划分：
用戶類型數量SQL統計：
