数据分析流程：
确定分析目标——获取数据——清洗数据——构建模型并分析——结论
1.确定分析目标：
找出淘宝一段时间内的用户流失原因
2.获取数据：
数据来源：https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1
数据下载完成后导入MySQL，部分数据显示如下：
数据观察：
1）用户ID，字符串类型
2）商品ID，字符串类型
3）商品类目ID，字符串类型
4）行为类型：字符串，枚举类型
5）时间戳：整型
3.清洗数据：
1）处理缺失值：
可以看出，不存在缺失值
2）一致化处理：
将时间戳转化为日期和时间
3）确定数据的时间范围：
4.构建模型：
1）计算各种行为类型的数量值：
2）将数据导入Excel中进行排序：
| 行为类型 | count行为类型 |
| buy | 2101 |
| cart | 5446 |
| fav | 2744 |
| pv | 89709 |
3）使用数据可视化将数值转变为百比数的形式并绘制图表：
分析：可以发现整个购物流程中从商品点击阶段至购买阶段时用户损失了87%左右，进一步分导致损失发生的原因
4）提取商品类型ID中pv占比前10的类型：
提取商品类型ID中buy占比前10的类型：
5）导入至Excel中用vlookup函数进行匹配：
分析：能够发现pv占比第四、五、七、九、十位的商品类目在buy占比中均未达到前十位，说明尽管此些类商品的需求较高，却未能达到大部分用户的满意；
buy占比第一、二、四位的商品类目未能达到pv占比的前十位
5.结论：
商品类目编号2355072、982926、1320293、2465336、3002561商品需要进行进一步的优化以满足用户需求；
商品类目编号2735466、3607361、2355072的商品可增加其投放渠道，增加此类商品的曝光