基于MySQL的電商用戶、商品、平臺價(jià)值分析

隨著數(shù)據(jù)量的積累，我們通過數(shù)據(jù)分析挖掘消費(fèi)者的潛在需求，消費(fèi)偏好成為平臺運(yùn)營過程中的重要環(huán)節(jié)。

本項(xiàng)?基于某電商平臺?戶?為數(shù)據(jù)，在MySQL關(guān)系型數(shù)據(jù)庫，探索?戶?為規(guī)律，尋找?價(jià)值?戶；分析商品特征，尋找?貢獻(xiàn)商品；分析產(chǎn)品功能，優(yōu)化產(chǎn)品路徑

從最基礎(chǔ)的數(shù)據(jù)，到最上層的指標(biāo)。這里的數(shù)據(jù)是用戶歷史行為數(shù)據(jù)，收藏，加購，購買都會產(chǎn)生一條記錄。

在進(jìn)行分析之前要明確指標(biāo)體系以及指標(biāo)體系需要哪些數(shù)據(jù)。這里我們使用的是“人貨場”理論。分別針對人貨場三個(gè)來進(jìn)行指標(biāo)分析。

2 使用“人貨場”拆解方式來建立指標(biāo)體系

?（?戶) 是整個(gè)運(yùn)營的核?。所有舉動都圍繞著，如何讓更多的?有購買?為，讓他們買的更多，買的更貴。所以對?的洞察是?切?為的基礎(chǔ)。?前平臺上的主?消費(fèi)?群有哪些特征，他們對貨品有哪些需求， 他們活躍在哪些場，還有哪些有消費(fèi)?的??前不在平臺上，對這些問題的回答指向了接下來的?動。

貨 就對應(yīng)供給,涉及到了貨品分層，哪些是紅海（銷量高、利潤少，競爭多），哪些是藍(lán)海（銷量少，利潤多，競爭少），如何進(jìn)?動態(tài)調(diào)整，是要做?營還是平臺，以滿?消費(fèi)者的需求。

場 就是消費(fèi)者在什么場景下，以什么樣的?式接觸到了這個(gè)商品。

3 確認(rèn)問題

1）基于漏?模型的?戶購買流程各環(huán)節(jié)分析指標(biāo)，確定各個(gè)環(huán)節(jié)的轉(zhuǎn)換率，便于找到需要改進(jìn)的環(huán)節(jié)；

2）商品分析：找出熱銷商品，研究熱銷商品特點(diǎn)；

3）基于RFM模型找出核?付費(fèi)?戶群，對這部分?戶進(jìn)?精準(zhǔn)營銷。

4 準(zhǔn)備工作

4.1 數(shù)據(jù)讀取

數(shù)據(jù)在excel中，注意這里的時(shí)間格式為2022-5-21 11就是只到小時(shí)這個(gè)單位上，并不是標(biāo)準(zhǔn)的秒位，所以這里需要稍作處理。

4.2 數(shù)據(jù)預(yù)處理

預(yù)處理這里我們只有兩步，一步是時(shí)間格式轉(zhuǎn)化：

將數(shù)據(jù)轉(zhuǎn)為時(shí)間格式，考慮到后續(xù)的使用，這里我們將time這列轉(zhuǎn)化為到秒的精確時(shí)間格式，和一個(gè)到年的粗劣時(shí)間格式。

這里其實(shí)還有兩個(gè)點(diǎn)挺疑惑，1是str_to_date后面的參數(shù)，其實(shí)指的是str中的格式。2是date函數(shù)，直接取到日？

另一步是去重：

5 指標(biāo)體系建設(shè)

5.1 用戶指標(biāo)體系

基礎(chǔ)指標(biāo)體系（UV、PV、留存率）+RFM模型

5.1.1 基礎(chǔ)指標(biāo)

UV，PV，留存率（按日計(jì)算留存率，如次日留存，7日留存

這里需要注意，這里的命名最好用引號闊起來。

用戶留存這里，修改datediff的值就可以實(shí)現(xiàn)不同天數(shù)的留存情況,但這里并不是留存率，而是留存人數(shù)。