淘宝用户行为数据是数据分析入门的经典数据集。这篇实战带你用 Codex 走完整条链路，体会”AI 写码、你做决策”的节奏。
业务背景
电商店铺关心三个问题：用户从哪来、买什么、为什么会流失。我们用一份用户行为日志（约 100 万行）回答前两个。
数据说明
| 字段 | 含义 |
|---|---|
| user_id | 用户 ID |
| item_id | 商品 ID |
| behavior | 行为类型：pv / cart / fav / buy |
| timestamp | 行为时间 |
交给 Codex 的第一步
读取 user_behavior.csv，先做数据概览：
1. 每列的非空值、类型、示例值
2. 总用户数、总行为数、各行为占比Codex 会输出 pandas 探查结果，你只需要看它说的”体检报告”是否合理。
第二步：漏斗分析
按照 pv → cart → fav → buy 的顺序，统计各级行为人数，计算转化率第三步：结论输出
用业务语言总结：整体转化率？哪个环节流失最严重？给出 2 条运营建议经验要点
- AI 生成的分析要”复核关键数字”：挑 1-2 个数字自己验证
- 提示词里永远带上”按业务语言输出”，否则会得到一堆统计术语
下一步
试试复刻这个思路到你自己行业的数据集上。
