今天的案例是关于化妆品电商平台的分享

从情境中学习数据分析，体会数据分析逻辑。

今天的案例是关于化妆品电商平台的分享哦

首先，第一步，就是查看数据基本情况以及数据预处理主要有'事件时间','事件类型','产品id','产品类别id','产品类别代码','品牌','价格','用户id','用户会话'这几个变量

1、5个表的数据读取以及拼接，最终合成为20692840行, 9个字段的数据。数据量较为庞大。因此在后续的数据处理过程中，要尽量关注内存消耗情况，及时删除不必要的变量释放内存，并且尽量使用性能较好的代码实现方式。

2、统计总计有四种事件类型，分别为浏览、加入购物车、移出购物车、购买。54571种产品，525个产品类别，273个品牌。

3、提取年份、月份、日、周数据方便后续进行分析。

4、查看数据缺失情况，发现产品类别代码有98.29%的缺失值，品牌也有42.3%的缺失值，其他数据并无缺失值。

5、数据无重复值。

第二步呢，我们进行的是对用户的分析

在业务数据分析中，一个很重要的分析思路，便是“人货场” 的分析方法那么对应本次的化妆品电商平台，“人”便是用户数据，包括用户属性、用户行为等，“货”便是产品，包括产品销售额、销量等，而场应该是不同的“商家”，由于本次数据并没有提供相应的商家信息，因此我们从人、货两个角度进行数据分析。首先是“人”的角度，即用户分析。在本项目中，从用户角度衡量的数据有UV（访客数）、PV（访问量）、客单价、月复购率。当然，如果继续挖掘，还可以有很多指标可以罗列，具体的通常要根据业务需求以及分析需要进行提取 首先来看UV（访客数）日UV定义：一天内发生过任何行为的去重后用户数。即一天内用户多次访问也只计为一次。

月UV定义：一月内发生过任何行为的去重后用户数。即一月内用户多次访问也只计为一次。

计算每日的UV

计算每月的UV

日UV变化图

月UV变化图

一通分析之后我们来总结一下：

通过观察日UV变化