目录
- 背景：
- 数据说明：
- 任务描述
- 数据分析
- 1. 流量分析
- 2.漏斗分析
背景：
本次可视化分析的目的是针对脱敏过的用户行为数据（包括浏览、收藏、加购和购买4类数据）进行分析，使用Python、Numpy、Pandas和Matplotlib工具完成可视化分析，帮助选手更好的理解数据，并作出商业洞察。
数据说明：
本次分析数据提供了1万用户量级的完整行为数据：user_action.csv，为了简化问题相比原数据集，我们去掉了user_geohash这个大部分情况为空的字段。
| 字段 | 字段说明 | 提取说明 |
|---|---|---|
| user_id | 用户标识 | 抽样&字段脱敏 |
| item_id | 商品标识 | 字段脱敏 |
| behavior_type | 用户对商品的行为类型 | 包括浏览、收藏、加购物车、购买，对应取值分别是1、2、3、4。 |
| item_category | 商品分类标识 | 字段脱敏 |
| time | 行为时间 | 精确到小时级别 |
任务描述
通过数据分析和可视化展示，充分挖掘数据的价值，让数据更好地为业务服务：
- 流量分析：PV/UV是多少，通过分析PV/UV能发现什么规律？
- 漏斗分析：用户“浏览-收藏-加购-购买”的转化率是怎样的？哪一步的折损比例最大？
- 用户价值分析：对电商平台什么样的用户是有价值的？如果你作为商家，要重点关注哪部分用户？
- 更多有意义的问题欢迎大家发挥聪明才智来挖掘。
数据分析
1. 流量分析
- 访问量(PV)：基于用户每次对淘宝页面的刷新次数，用户每刷新一次页面或者打开新的页面就记录就算一次访问。
- 独立访问量(UV)：一个用户若多次访问淘宝只记录一次，熟悉SQL的小伙伴会知道，本质上是unique操作。
