本项目以淘宝电商用户真实行为数据为数据源，运用python 进行数据预处理，运用MySQL并利用AARRR模型和RFM模型对其展开数据分析，利用Tableau制作可视化图像，最后给出利用Tableau制作的一张仪表盘。

数据集-阿里云天池

虽然现在不能下载，但是可以申请获得下载链接，我申请了一天就通过了。

本数据集包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包括点击、购买、加购、收藏）。数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。关于数据集中每一列的详细描述如下：

 其中行为类型有四种

在python中导入需要的库

读取数据，并重命名列为['user_id','item_id','category_id', 'behaviortype','timestamp'] ,由于原始数据集太大，因此本次分析只选取了500万条数据。

查看数据可知没有缺失值 

根据数据集介绍，数据采集时间应该在2017年11月25日至2017年12月3日之间，检查是否存在超出时间范围的数据，作为异常值，并删除数据中存在的空值。

接下来利用mysql进行数据分析，利用tableau进行数据可视化

可以看到该数据子集包括48984个用户，1080286个商品，7352种商品数，用户的行为有点击浏览，收藏，加购和购买这四种行为。

（1）用户获取（Acquisition）

模型中的用户获取一般考察渠道曝光率、渠道转换率、日新增用户数DNU、获客成本CAC等指标。由于文本字数限制，本篇分析主要考察日新增用户数DNU。

由下图可见，仅在11月25日-30日这六天有较多新增用户，且新增用户数在26日开始出现急剧下跌，虽然在25日当日的新增用户中有很大一部分是此前的活跃用户，而非当日新增，但在12月1日起新增用户数下降为个位数。

 （2）用户激活（Activation）

首先考察PV（页面浏览量或者点击量），UV（独立访客数），人均浏览次数（PV/UV）

这九天中独立访客数为48984，页面浏览量为4472600，人均浏览次数为91.3074。