MySQL实战项目：淘宝母婴购物数据可视化分析

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：

​

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：

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;

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。