01
Amazon 6600 万行真实电商行为数据分析项目
基于 Amazon 真实电商行为数据，对用户浏览、加购、购买等行为路径进行系统分析，围绕用户转化、复购、留存、商品关联与经营表现等问题，完成从数据清洗、指标构建、分析建模到可视化呈现的完整流程。
Python
Pandas
SQL
Power BI
Excel
主要工作
- 处理约 6600 万行真实电商行为数据，完成读取、字段理解、缺失值处理、异常识别与基础清洗。
- 构建浏览、加购、购买等关键节点转化漏斗，分析不同阶段的用户流失情况。
- 使用 Cohort 分析观察不同用户群体的留存与复购表现，识别生命周期变化特征。
- 基于 RFM 模型进行用户分层，区分高价值用户、潜在流失用户与普通用户。
- 通过商品关联规则与购买行为分析，挖掘潜在组合关系，为推荐和促销策略提供参考。
- 使用 Power BI 搭建数据看板，展示核心指标、用户行为路径、品类表现和经营分析结果。
项目成果
- 完成千万级电商行为数据的清洗、分析与可视化展示。
- 构建覆盖转化、留存、复购、用户分层和商品关联的完整分析框架。
- 输出转化率优化、用户召回、商品组合推荐与运营策略建议。
Power BI