一、选取合适的数据集

在excel上用一些基础的功能和函数来实现基本的数据分析。那先获取数据源，从阿里云天池上可以下载到“用户行为分析”的数据集，因数据量过大，这里随机选取出了50000条数据进行分析，数据集的具体信息如下：

数据来源：User Behavior Data from Taobao for Recommendation-数据集-阿里云天池

表格主要包括4个字段：用户id，商品id，用户行为，日期。

用户行为包括4个属性：pv（点击）、buy（购买）、cart（加入购物车）、fav（收藏）

数据描述：用户在2017年11月24~2017年12月3日之间，对各种商品的各种行为（点击、购买、购物车、收藏）进行统计。

二、数据预处理

拿到任何数据后，第一步都要做数据预处理，将一些异常的数据清理掉，其目的是保证统计顺利的进行 和 分析结果的精确。这里按照 删除重复值>处理缺失值>数值转换 的流程去操作。

1）删除重复值

重复值表示一条数据被多次记录，造成结果的偏差。选中数据集后，点击“数据”工具栏下“删除重复值”功能，系统就会自动删除重复值。这里结果显示，有8个重复值被删除了。

2）处理缺失值

缺失值就是没有数据，在excel里会是一个空白的表格，一般是由于数据输入过程中造成的。最简便快速的查找缺失值的方法就是用鼠标挨个选取每一列数据，看最底部的统计数是否一样，统计数较少的就肯定存在缺失值。

这里每列显示的结果都一样，计数为49993，也就表示没有缺失值。若假设真的存在缺失值时该如何处理呢？从业务角度进行分析，用户id虽然是一串数字，但这些数字之间是没有关联性的，也就是说不能计算用户id的平均值再去填补这个空缺的地方，同理商品id和用户行为也是一样的。遇到这类情况可以直接删除整行信息，确保剩下的数据能顺利进行统计。但要是日期出现缺失值时，是可以用全部日期的中位数或平均数去填补的，因为这份数据集采集的是2017年11月24~2017年12月3日之间用户的各种行为，也就是说日期肯定是在这个范围内的。

3）数值转换

通俗的讲就是把看不懂的数据转换成能看得懂的或是便于观看的。就像日期这一列，它其实是时间戳类型。这部分就需要一定的公式来进行处理，转换的公式为：

公式：(时间戳+8*3600)/86400+70*365+19

详细的计算过程就不展开了，这里直接展示计算后的结果。

公式带入计算后发现结果还是一串数字，这时候还需要进行一步简单的操作才能完成转换。选择数据，再点击“开始”工具栏下的“数值格式”下拉框，在里面选择日期类型就可以了。

三、数据分析

对数据进行过预处理后，就可以开始正式的数据分析了，这里主要分析以下两个问题。

1）每种商品的各种行为之间的转化率问题。

关键字段：商品id，用户行为

分析思路：用户行为有pv（点击）、buy（购买）、cart（加入购物车）、fav（收藏）4个行为，从业务的角度来讲，不管是购买、加入购物车还是收藏，必定会经过点击这一步。也就是说一个用户必定要点击一个商品后，才能进行购买等操作。所以要计算 点击 与其他三种行为之间的比值来得出转换率，然后再统计每种商品被购买的转换率、被收藏的转化率、被加入购物车的转化率。

操作步骤：先选取商品id和用户行为两列，以商品id为行，用户行为为列，创建数据透视表。得到的结果就是 每个商品的各自被购买、点击、收藏了多少次。

由于在数据透视表中进行公式操作不太方便，这里复制数据并在新的表单中粘贴。同时新建三个列，分别为“购买转化率”、“购物车转化率”、“收藏转化率”。

然后开始计算，购买转化率=购买数/点击数。直观的理解就是，该商品每被点击多少次，就会被购买1次。同理，购物车转化率和收藏转化率也是这样计算，最终效果如下。

由于数据较多，这里就用红框标出两条数据来进行解读和分析，并推导出一些假设。

先看第一条，该商品的点击数是最高的，但相比其他商品购买转化率却很低，那有可能就意味着这个产品还不够吸引人，或是叫好不叫座，看的人多买的人少。那问题大概率就出在产品自身上面。

再看第二条，虽然点击数很低，但购买转化率较高。那有可能这个产品对比其他产品来说是比较吸引人的，但是投放的渠道不好，以至于知道它的人少；也有可能产品页面图片太差，让人没有欲望去点。所以问题大概率出在宣传方面和渠道方面。

2）用户价值分析，找出前100价值度最高的客户

关键字段：用户id，用户行为

分析思路：先统计每位用户的各种行为的总量，然后按“购买意向”给每种行为添加权重，来计算得出每位用户的价值。按常理来讲，“购买意向”的权重的大小排列为 购买>购物车>收藏>点击。所以先假设 各种行为的权重值为 ：购买0.55 购物车0.25 收藏0.15 点击0.05。通过计算后在排序筛选出前100的用户 。

操作步骤：先选取用户id和用户行为两列，以用户id为行，用户行为为列，创建数据透视表。得到的结果就是 每个用户的购买、点击、收藏、加入购物车的次数。

同样复制粘贴表格后，创建一个“用户价值”列。用上述提到的权重公式来对这一列进行计算。

公式：购买*0.55+购物车*0.25+收藏*0.15+点击*0.05

计算得出结果后，对“用户价值"列按降序进行排序。但是发现从常理的角度讲，数据存在不合理的现象，有些客户购买数那么低，为何排名还这么靠前？

那就说明这里的公式不合理，也就是权重没有分配好，那么修改公式并重新计算。

公式：购买*0.74+购物车*0.15+收藏*0.10+点击*0.01

这里说明一下，公式是凭经验设计出来的，没有固定的格式和原理。它遵循的逻辑就是买过东西的人权重就高，没买过的权重就低。但考虑到又不能单一的以购买来衡量，所以其他行为作一个小的加分项来处理。最后计算结果如下：

发现整体效果要比之前合理很多，这里也不再继续优化下去了，就把该结果作为答案。前100条数据的用户就可以判断为价值度最高的客户。