一、提出问题
1、 平台的用户流失情况是怎样的？
2、 造成该种流失情况是原因是什么？
二、理解数据
1、 数据来源
https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1
本数据集(UserBehavior.csv)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，源文件数据100,150,807条
2、 字段含义
列名称说明
用户ID：字符串类型，用户ID
商品ID：字符串类型，商品ID
商品类目ID：字符串类型，商品所属类目ID
行为类型：字符串，枚举类型，包括('pv', 'buy', 'cart', 'fav')
时间戳：整型，行为发生的时间戳
注意到，用户行为类型共有四种，它们分别是
行为类型说明
pv：商品详情页pv，等价于点击
buy：商品购买
cart：将商品加入购物车
fav：收藏商品
三、数据清洗
通过数据库管理工具Navicat将数据集导入MySQL数据库中。
1、 选择子集
数据集全部为有效记录，由于数量巨大，故此仅随机导入了10,0000以供后续分析。
2、 删除重复值
无重复值
3、 缺失值处理
对所有列进行计数，计数结果都为99999，不存在缺失值。
4、 一致化处理
由于timestamp包含了（年-月-日）和小时，为了方便，将该字段分成2个字段，一个日期列一个时间列
5、 异常值处理
检查是否有错误时间戳，如负数或者0；不存在错误时间戳
检查表内date数据是否在2017-11-25至2017-12-03之间；
以上，数据准备完毕！
四、构建模型
1、 用户流失情况
用户行为包括点击、放进购物车、收藏以及购买，点击占总行为数的89.7%，而放进购物车只占5.45%，最后实际购买占2.1%，用户流失主要在放进购物车这一环节上。
可能出现的原因是用户在花了大量时间搜寻不到自己想要的产品，以至于放弃在平台上购买转而去其他平台购买。
针对这个猜测，从以下两个维度分析验证此猜测：
1） 用户想要在平台找到什么产品
2） 平台推送的产品是否满足用户需求
2、 用户流失情况原因分析
1） 用户像要在找到什么产品
衡量用户最想要在平台找到什么产品，最终要的指标是商品点击数。通过该项指标，可最大程度上了解到哪类产品用户的需求量较大，哪类产品是需求较小。
从图中可以看出，商品类别为4756105、3607361、4145813、2355072、982926点击数最高，说明用户最想在平台中找到这五类商品，在这五种类型下，各类点击数排名前三的商品又为：
从图中可以看出，各类商品中，4756105类的商品需求最高。
根据以上结果，分析在2017-11-25至2017-12-03这几天内和一天内用户寻找这五类商品的主要时间段
从图中可以看出，982926、4756105这两类产品在12月2日点击量剧增，可能是当天这两款产品有推广活动。
一天内用户寻找这五类商品的主要时间段
可以看出，这五类产品的用户点击数从每日0点到5点快速降低，3点左右降到一天中的点击数最低值，6点至10点用户点击数快速上升，10点至18点用户点击数比较平稳，18点至23点用户点击数快速上升，21点左右打到一天中的最高值。
综合上述分析可知，用户在平台最想要寻找到的商品类别编号为：4756105、3607361、4145813、2355072、982926的这五类商品，在这五类商品中，4756105的商品需求最高。用户主要集中在下午6点至晚上11点在平台寻找这几类商品。
因为数据集有限，只能大致分析出用户想要寻找哪几类商品，若要更细致地分析出用户想要什么样的商品，还需要知道用户使用的搜索高频词，利用该项数据建立用户搜索画像，并结合商品点击数数据，建立搜索点击率指标，分析总结点击率高的搜索高频词和点击率低的搜索高频词。从而更精确地总结出用户在平台最想要寻找什么商品。
2） 平台推送的商品是否满足用户需求
从上一步中分析出用户想要寻找什么产品后，接下来需要知道平台筛选推送的商品是否满足了用户的需求。
首先从商品数量占比分析这五类商品是否在平台上足够多，以供用户选择。
从以上结果可以看出，平台共有3128种商品，种类繁多，而需求量最多的前五类商品在商品数量上一共占到了27.6%，说明平台对这五类商品提供了足够多的选择。
在选择足够多多的情况下，需从商品购买数上分析平台对这五类商品的推送机制是否合理，即用户搜索某类商品后，出现的商品是否满足用户的需求。
从上图可以看出，除了4145813类商品的购买次数较多以外，其他需求多的四类商品的购买次数并不多，甚至都没有进入购买次数的前五名。以下是需求最多的五类商品的购买次数：
从图上可以看出，需求最高的五类商品 购买数都远低于购买数最高的五类商品，说明平台对这五类需求最高的商品的推送机制并不合理，平台给用户推送的这五类商品没有满足客户的要求，即用户在点击查看该类商品后，发现并不是自己想要的商品放弃加入购物车，造成转化率降低。
五、结论
根据以上分析，证实了前面的猜测，平台用户在放进购物车环节流失严重的原因是，用户在平台花了大量时间搜索寻不到自己想要的商品，以至于放弃在平台购买商品，转而去其他平台购买。
六、建议
1、 建议相关部门改善平台推送商品机制，尤其针对需求量最高的4756105、3607361、4145813、2355072、982926这五类商品，监控这五类商品的购买数，优先将购买数高的商品推送给用户，使用在搜索该类商品后，能在前三个或前五个商品页面看到这些购买数较高的商品，缩小用户寻找商品的时间，提高用户转化率。
2、 用户偏爱4756105、3607361、4145813、2355072、982926这五类商品，建议市场部门在平台的主要投放渠道，多投放这五类商品的广告，获取到更多的用户到平台。
3、 用户搜寻商品的时间段主要在下午6点至晚上11点，即大部分人下班后休息的时间。建议运营部门在这个时间段对这五类商品多策划一些营销活动，提高用户转化率。并对这五类商品中需求很高的一些商品，精确用户对这些商品的主要搜寻时间段，在这些主要的搜寻时间对该商品进行促销活动。
