MySQL实战项目：淘宝母婴购物数据可视化分析_百度小程序

前言

母婴用品是淘宝的热门购物类目，随着国家鼓励二胎、三胎政策的推进，会进一步促进了母婴类目商品的销量。与此年轻一代父母的育儿观念也发生了较大的变化，因此中国母婴电商市场发展形态也越来越多样化。随之引起各大母婴品牌更加激烈的争夺，越来越多的母婴品牌管窥到行业潜在的商机，纷纷加入母婴电商，行业竞争越来越激烈。本项目会基于"淘宝母婴购物"数据集进行可视化分析。

一、数据获取

本数据集分析案例来自天池“淘宝母婴购物行为”数据集：淘宝母婴购物数据集_数据集-阿里云天池，并根据实际分析需要删除和重命名部分字段。包含两张数据集表：

1.母婴信息表：tianchi_mum_baby.csv

包括如下字段：

字段	字段说明	提取说明
user_id	用户标识	抽样和字段脱敏
birthday	出身日期	YYYYMMDD，精确到天
gender	性别	0：男孩，1：女孩，2：性别不明

部分数据预览：

MySQL实战项目：淘宝母婴购物数据可视化分析,第1张

2.购物行为表： tianchi_mum_baby_trade_history.csv

包括如下字段：

字段	字段说明	提取说明
user_id	用户标识	抽样和字段脱敏
auction_id	交易ID	字段脱敏
category_1	商品一级类目	字段脱敏
category_2	商品二级类目	字段脱敏
buy_mount	购买数量
day	交易时间	YYYYMMDD，精确到天

部分数据预览：

MySQL实战项目：淘宝母婴购物数据可视化分析,第2张

二、数据预处理：

1.修改数据类型

可以观察到日期均为int类型，为了后续方便，修改为date类型

  ALTER TABLE tianchi_mum_babyuser
  MODIFY birthday DATE;

ALTER TABLE tianchi_mum_baby_trade_history
  MODIFY `day` DATE;

MySQL实战项目：淘宝母婴购物数据可视化分析,第4张

2.检查重复数据:

SELECT user_id,COUNT(*)  FROM tianchi_mum_babyuser
GROUP BY user_id
HAVING COUNT(*)>1;

查询结果为空，未发现重复项。

SELECT user_id ,auction_id,COUNT(*) FROM tianchi_mum_baby_trade_history
GROUP BY 
     user_id,
     auction_id    
HAVING 
     COUNT(*)>1;

查询结果为空，未发现重复项。

3.检查空格

  SELECT * FROM tianchi_mum_babyuser WHERE user_id IS NULL;
  SELECT * FROM tianchi_mum_babyuser WHERE birthday IS NULL;
  SELECT * FROM tianchi_mum_babyuser WHERE gender IS NULL;
  
  SELECT * FROM tianchi_mum_baby_trade_history WHERE user_id IS NULL;
  SELECT * FROM tianchi_mum_baby_trade_history WHERE auction_id IS NULL;
  SELECT * FROM tianchi_mum_baby_trade_history WHERE category_2 IS NULL;
  SELECT * FROM tianchi_mum_baby_trade_history WHERE category_1 IS NULL;
  SELECT * FROM tianchi_mum_baby_trade_history WHERE buy_mount IS NULL;
  SELECT * FROM tianchi_mum_baby_trade_history WHERE `day` IS NULL;

查询结果为空，未发现空值

4.去异常

查询最大最小日期，删除这个范围以外的日期
```
  SELECT MAX(`day`),MIN(`day`) FROM tianchi_mum_baby_trade_history;
```
查询结果：最大日期2015-02-05，最小日期2012-07-02
- 删除异常数据
```
  DELETE FROM tianchi_mum_baby_trade_history
  WHERE `day` < '2012-07-02'
  OR `day` > '2015-02-05';
```
  - 为了方便分析，过滤掉性别未知的数据
```
DELETE FROM  tianchi_mum_babyuser
WHERE gender = 2;
```
    三.数据分析
    
    1.流量分析
    
    年/季度/月/日的商品销量如何？有什么规律
    - 年销量
```
  SELECT COUNT(buy_mount),DATE_FORMAT(DAY,'%Y')  FROM 
           tianchi_mum_baby_trade_history
  GROUP BY 
           DATE_FORMAT(DAY,'%Y')
  ORDER BY
           DATE_FORMAT(DAY,'%Y');
```
      在数据预处理章节我们得知，本次抽样数据跨度为2012/07到2015/02，2013、2014为两个完整的年份，趋势应该是逐年递增的
      - 季度销量
        SELECT COUNT(buy_mount),SUBSTR(`day`,1,4) ,QUARTER(DAY) FROM tianchi_mum_baby_trade_history GROUP BY SUBSTR(`day`,1,4) , QUARTER(DAY) ORDER BY SUBSTR(`day`,1,4) , QUARTER(DAY);
        
        以2013、2014两个完整年为例，一般规律是Q1为全年销量最低的年份、Q4是全年销量最高的年份，猜想一个可能的原因是Q1因为春节假期导致的销量下滑，Q4是因为有双十一、双十二营销活动带来的增长。我们可以再按月分析来验证我们的结论：
        
        月销量
        SELECT DATE_FORMAT(`day`, '%Y-%m' ) ,COUNT( buy_mount) FROM tianchi_mum_baby_trade_history GROUP BY DATE_FORMAT( `day`, '%Y-%m' ) ORDER BY DATE_FORMAT( `day`, '%Y-%m' );
        
        还是以2013、2014年为例，2013年2月份、2014年1月份为全年销量最低，通过万年历查询我们知道这两个月份刚好位当年的春节所在的月份，11月份分别为两年的销售高峰。初步印证了我们关于春节和双十一营销活动对销量带来影响的猜想。我们可以更进一步，以天为单位来观察销量数据：
        
        日销量
        SELECT DATE_FORMAT( `day`, '%Y-%m-%d' ) ,COUNT(buy_mount) FROM tianchi_mum_baby_trade_history GROUP BY DATE_FORMAT( `day`, '%Y-%m-%d' ) ORDER BY DATE_FORMAT( `day`, '%Y-%m-%d' );
        
        可以看到，相比其他日期，双11购物节当天的销量出现了顶峰。完成年/季度/月/日的销量分析后，我们再来看看商品类目的销售情况。
        
        2.类别分析
        
        商品销量按照类目分类有什么规律？哪些类目的商品更有价值？
        
        本次抽样数据共包含6个商品大类（一级类目），662个商品二级类目。因本次抽样数据样本量较小，因此我们主要分析商品一级类目。我们先来看看商品一级类目的销售情况：
        
        1.category_1购买人数
        
        SELECT COUNT(category_1), category_1 FROM tianchi_mum_baby_trade_history GROUP BY category_1
        
        从购买频次上，最受用户喜欢的前三类商品分别是50008168、28、50014815；
        
        2.category_1销量
        
        SELECT category_1,SUM(buy_mount) FROM tianchi_mum_baby_trade_history GROUP BY category_1
        
        以商品销量视角来看，最受大客户喜欢的前三类商品分别是28、50014815、50008168。
        
        无论是从商品的购买频次还是商品销量上来看，商品一级分类可划分为两个梯度：畅销用品（50008168、28、50014815）及一般用品（38、50022520、122650008），因此下一阶段主要针对畅销用品销量进行分析。
        
        针对以上现象，平台或许可以将三类畅销商品展示在母婴用品相关购物主页上，以减轻用户购买负担，进一步提升畅销品销量。
        
        3.性别分析
        
        不同性别的婴幼儿购买行为相似吗？是否符合我们的常识呢？
        
        根据用户的宝宝性别和各种类商品的销量情况，分析不同性别宝宝的购买偏好。
        
        婴儿性别与用户购买频次关系
        SELECT COUNT(gender) FROM tianchi_mum_babyuser WHERE gender = 0; SELECT COUNT(gender) FROM tianchi_mum_babyuser WHERE gender = 1;
        
        婴儿性别与用户购买量的关系
        SELECT b.gender , SUM(buy_mount) FROM tianchi_mum_babyuser b JOIN tianchi_mum_baby_trade_history t ON b.user_id = t.user_id GROUP BY b.gender;
        
        我们再来统计性别在商品大类销售中的体现，看看能看到什么规律：
        
        男孩的类别销量统计：
        
        女孩的类别销量统计：
        SELECT t.category_1 ,SUM(buy_mount) ,b.gender FROM tianchi_mum_babyuser b JOIN tianchi_mum_baby_trade_history t ON b.user_id = t.user_id WHERE b.gender=1 GROUP BY t.category_1
        
        从上面图表中可以看出，一级类别28、50008168和50014815三种类别销量最高，且在各年份中这三类商品的销量一直较高，所以可以大力推广宣传和供应这三类商品。男性宝宝和女性宝宝都比较偏爱于50008168类商品，可以重点将这类商品推荐给用户。
        
        总结
        
        本项目对淘宝母婴购物数据集做了初步的数据分析，通过数据分析我们能对业务做出更好的洞察。使用了mysql查询，以及excel制图功能，完成了流量分析、类别分析和用户画像分析的实验。