基于MySQL的电商用户、商品、平台价值分析
随着数据量的积累，我们通过数据分析挖掘消费者的潜在需求，消费偏好成为平台运营过程中的重要环节。
本项⽬基于某电商平台⽤户⾏为数据，在MySQL关系型数据库，探索⽤户⾏为规律，寻找⾼价值⽤户；分析商品特征，寻找⾼贡献商品；分析产品功能，优化产品路径
从最基础的数据，到最上层的指标。这里的数据是用户历史行为数据，收藏，加购，购买都会产生一条记录。
在进行分析之前要明确指标体系以及指标体系需要哪些数据。这里我们使用的是“人货场”理论。分别针对人货场三个来进行指标分析。
2 使用“人货场”拆解方式来建立指标体系
⼈（⽤户) 是整个运营的核⼼。所有举动都围绕着，如何让更多的⼈有购买⾏为，让他们买的更多，买的更贵。所以对⼈的洞察是⼀切⾏为的基础。⽬前平台上的主⼒消费⼈群有哪些特征，他们对货品有哪些需求， 他们活跃在哪些场，还有哪些有消费⼒的⼈⽬前不在平台上，对这些问题的回答指向了接下来的⾏动。
货 就对应供给,涉及到了货品分层，哪些是红海（销量高、利润少，竞争多），哪些是蓝海（销量少，利润多，竞争少），如何进⾏动态调整，是要做⾃营还是平台，以满⾜消费者的需求。
场 就是消费者在什么场景下，以什么样的⽅式接触到了这个商品。
3 确认问题
1）基于漏⽃模型的⽤户购买流程各环节分析指标，确定各个环节的转换率，便于找到需要改进的环节；
2）商品分析：找出热销商品，研究热销商品特点；
3）基于RFM模型找出核⼼付费⽤户群，对这部分⽤户进⾏精准营销。
4 准备工作
4.1 数据读取
数据在excel中，注意这里的时间格式为2022-5-21 11就是只到小时这个单位上，并不是标准的秒位，所以这里需要稍作处理。
4.2 数据预处理
预处理这里我们只有两步，一步是时间格式转化：
将数据转为时间格式，考虑到后续的使用，这里我们将time这列转化为到秒的精确时间格式，和一个到年的粗劣时间格式。
这里其实还有两个点挺疑惑，1是str_to_date后面的参数，其实指的是str中的格式。2是date函数，直接取到日？
另一步是去重：
5 指标体系建设
5.1 用户指标体系
基础指标体系（UV、PV、留存率）+RFM模型
5.1.1 基础指标
UV，PV，留存率（按日计算留存率，如次日留存，7日留存
这里需要注意，这里的命名最好用引号阔起来。
用户留存这里，修改datediff的值就可以实现不同天数的留存情况,但这里并不是留存率，而是留存人数。
