基于Hive的淘宝用户行为数据分析

Posted 2022-01-10 Maynor大数据

基于Hive的淘宝用户行为数据分析

本文将通过阿里云天池提供的淘宝用户行为数据集，从不同维度出发，通过数据来分析淘宝用户的一些行为习惯和爱好。淘宝或商家可以根据结论做出一些举措。

一、 数据集介绍

本数据集取至阿里云天池的数据集，数据集名称为User behavior Data from Taobao for Recommendation，数据集包括用户ID，商品ID，商品类目ID，行为类型，时间戳，数据总条目数为100,150,807行。

1、采集网址:
https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1

2、数据集展示:

​

​ 图1-1 原始数据集部分截图

3、数据集介绍：

该数据集共有100,150,807行与5个属性，如表中的userid对应的是用户id，itemid对应的是商品id，categoryid对应的是商品类目ID，type对应的是行为类型，timestamp对应的是时间戳。

表1 淘宝用户数据集各字段说明

数据字段	描述
userid	用户id
itemid	商品id
categoryid	商品类目ID
type	行为类型
timestamp	时间戳

表2 type包含属性各字段说明

数据字段	描述
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

二、 数据预处理

本课题的预处理方式主要是对数据进行数据清洗和数据规约。

（1）数据清洗：1）将时间戳转换成日期 2）数据集说明中写的是本数据集的日期范围是2017年11月25日至2017年12月2日，所以剔除这日期以外的数据

（2）数据规约：时间要在2017年11月25日至2017年12月2日

处理后数据集的部分截图如下：

图2-1 数据预处理结果(部分数据)

三、数据分析方法

1、分析目标

从用户id属性分析淘宝每日访问量的变化。

从时间属性分析用户在哪些时间、时段活跃。

从商品点击量维度分析热门商品类目有哪些。

统计出前10的热门商品。

2、分析思路与方法

根据数据集的特点，我们可以先从时间维度分析一下用户的一些行为习惯，比如哪个时间段是用户访问高发期，可以统计每天的访问量、每小时的访问量。直接统计商品分类前5名的分类，这样就可以按比例分配资源。