正所谓“纸上得来终觉浅，绝知此事要躬行”，通过对Python进行数据分析的学习掌握，现在需要通过实操总结来检验自己的学习成果。
本篇文章主要是利用Python进行数据处理，分析用户消费行为。数据来源CD网站的消费记录，有用户ID、购买日期、购买数量、购买金额四个字段科目。（模仿操作）
【分析步骤】
CD网站销售数据.png
# 导入常用的库：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
%matplotlib inline #‘%’内置的命令，jupyter专有的定义，比如在pycharm不常用到，inline意思是我做好图之后可以在html页面的单元格进行显示
plt.style.use('ggplot') #更改设计风格，使用自带的形式进行美化，这是一个r语言的风格
- 加载第三方包和数据，因数据文件是txt，所以用read_table方法打开，因为原始数据不包含表头，所以需要赋予。字符串是空格分割，用\s+表示匹配任意空白符。
-
一般csv的数据分隔是以逗号的形式，但是这份网上的数据比较特殊，它是通过多个空格来进行分隔。
- 电子商务行业一般是以用户ID、订单价、订单数、订单日期来进行分析的，基于以上这四个字段可以根据需要进行分析。
df.head() #展示前5行数据
- 如图所示，数据正常展示，由此判断数据导入无误。再则由此可以看出用户id为2的用户在12日当天消费了两次，这点需要注意。
df.info() #查看数据类型
- 从图中可以看出order_dt的数据类型需要转换为日期形式
- 查看其他数据类型，没有发现有空值，数据很干净
- 一般在进行数据处理前，都应先对数据类型进行查看及转换
df.describe() #对数据进行描述统计
- 从图中可以看出，用户平均每笔订单购买2.4个商品，标准差在2.3个，具有一定波动性。中位数是2个，75分位数是3个，说明订单量大部分都不多。而极值是99个，这差别有点大，相对比购买金额，说明订单大部分集中在小额。
-一般情况，消费类型的数据分布，大部分呈现的是长尾形态；绝大多数用户是选择小额消费客群，但用户贡献率集中在少数分群里，符合二八法则。
# 数据类型的转化
df['order_dt'] = pd.to_datetime(df.order_dt,format = "%Y%m%d") #其中Y表示四位数的年份，y表示两位数的年份
df['month'] = df.order_dt.values.astype('datetime64[M]')
- 把数据类型转化为时间序列
第一部分小结：
第一部分的数据清理已经完成，可以开始后续的分析了
第二部分按月进行数据分析
我将从四个方面来展示数据波动情况，进而分析用户的消费趋势
- 每月消费总金额
- 每月消费次数
- 每月产品的购买量
- 每月消费的人数
#1.每月消费总金额
grouped_month = df.groupby('month')
order_month_amount = grouped_month.order_amount.sum()
order_month_amount.head()
-
通过groupby对数据进行分组，由此对order_amount进行求和
- 如图所示，消费金额在前三个月达到最高峰，此后的消费金额较为稳定，但有轻微下降趋势。
# 2.每月消费次数
grouped_month.user_id.count().plot() #plot是折线图，用于展示数据趋势
- 前三个月的消费订单数达到10000笔左右，后续几个月的平均消费是2500笔。
# 3.每月的产品购买量
grouped_month.order_products.sum().plot()
- 如图所示，前三个月产品购买量达到峰值，后续产品构面量较为稳定。
- 为什么出现这种情况？我们可以假设这是因为营销活动，另外数据中可能存在异常，因只是消费数据，无法判断。
# 4.每月的消费人数
df.groupby('month').user_id.apply(lambda x: len(x.drop_duplicates())).plot()
#这里需要注意到因为一个人在一个月内可能存在多笔消费，所以使用匿名函数lambda进行去重
- 每月消费人数低于每月消费次数，但差异不大;前三个月每月消费人数在8000-10000之间，后续月份，平均消费人数在2000人左右。
另：以上的消费趋势分析也可以用数据透视表来分析
df.pivot_table(index = 'month',
values = ['order_products', 'order_amount', 'user_id'],
aggfunc = {'order_products': 'sum',
'order_amount': 'sum',
'user_id': 'count'}).head()
- 数据透视表是更加直观快捷的方法，通过这个进行作图会更加便捷一些。在以后的实际工作中，我们应根据实际需要选择合适的方法来进行数据分析，这样有利于提高我们的效率。
第二部分小结：
通过聚合函数groupby了解分析了用户的消费趋势
第三部分：用户个体消费数据分析
前面是以时间（月）的维度来分析用户消费趋势，这一节以个体消费特点来分析用户消费行为，为此划分了五个方面来分析：
- 用户消费金额、消费次数的描述统计
- 用户消费金额和消费次数的散点图
- 用户消费金额的分布图
- 用户消费次数的分布图
- 用户累计消费金额占比（百分之多少的用户占了百分之多少的消费金额）
# 1.用户消费金额和消费次数的描述统计
grouped_user = df.groupby('user_id')
grouped_user.sum().describe()
- 从图中可以看出，每位用户平均购买了7张CD，但最大值是1033张，中位数却只有3张；而从用户消费上看，用户平均消费金额是106元，标准差是240元，根据分位数和最大值来看，平均值是和75分位数相近，由此说明有小部分用户购买了大量CD。
- 由此可以看出消费类型的数据，符合二八法则的特点。
# 2.用户消费金额和消费次数的散点图
grouped_user.sum().query('order_amount < 4000').plot.scatter(x = 'order_amount', y = 'order_products')
# 注：query后面只支持string形式的值
- 跟前面一样先用groupby创建一个对象来绘制散点图，因数据极值关系对‘order_amount’进行过滤，使图更加美观。
- 如图所示，用户消费比较有规律，消费金额和商品量也呈线性分布，离群点较少。
# 3.用户消费金额的分布图（二八法则）
grouped_user.sum().order_amount.plot.hist(bins = 20)
# bins = 20是指直方图中的个数，是将order_amount的值分成20份
- 从图中可以看出，大部分用户消费能力并不高，绝大部分是集中在小金额的消费，而高消费用户非常少，也符合二八法则的特点。
# 4.用户消费次数的分布图
grouped_user.sum().query('order_products < 100').order_products.hist(bins = 20)
- 因小部分异常值会干扰判断，所以使用切比雪夫定理过滤掉异常值，计算95%的数据分布情况
# 5.用户累计消费金额的占比
user_cumsum = grouped_user.sum().sort_values('order_amount').apply(lambda x:x.cumsum() / x.sum())
user_cumsum.reset_index().order_amount.plot()
# 注：sort_values是对值进行排序，升序，cumsum是滚动累加求和
- 按用户消费金额进行升序排列，由图可知50%的用户仅贡献了15%的消费额度。而排名前5000的用户就贡献了60%的消费额。由此我们可以得出维护好这5000名用户就可以完成业绩指标的60%。
第三部分小结：
用户个体消费情况基本上符合行业规律，符合二八法则的特点；而在处理数据过程中，需要注意异常值对判断的干扰，应该对异常值进行过滤，由此也能提升图形美观。
第四部分：用户消费行为分析
- 用户第一次消费（首购）
- 用户最后一次消费
- 新老客消费比
- 多少用户仅消费了一次？
- 每月新客占比？
- 用户分层
- RFM
- 新、老、活跃、回流、流失
- 用户购买周期（按订单）
- 用户消费周期描述
- 用户消费周期分布
- 用户生命周期（按第一次&最后一次消费）
- 用户生命周期描述
- 用户生命周期分布
# 1.用户第一次消费（首购）
grouped_user.min().order_dt.value_counts().plot()
- 根据月份最小值可以求出用户第一次消费时间。从图中可以看出，用户第一次购买商品的分布，主要集中在前三个月，其中2月11日-2月25日有一次剧烈波动。
# 2.用户最后一次消费
grouped_user.max().order_dt.value_counts().plot()
- 图中显示的是用户最后一次消费时间。用户最后一次购买的分布比第一次分布广，大部分最后一次购买，集中在前三个月，说明有很多用户购买了一次后就不再进行购买了，而随着时间的递增，最后一次购买数也在递增，消费呈现流失上升的状况。
# 3.新老客消费比
user_life = grouped_user.order_dt.agg(['min','max'])
user_life.head()
- 由此可以看出用户第一次消费和最后一次消费时间，例如用户user_id为1的用户消费时间相同，说明用户只消费了一次。
# 用户购买周期
(user_life['min'] == user_life['max']).value_counts()
- 通过逻辑判断得出，有一半的用户只消费了一次。
# 4.用户分层
rfm = df.pivot_table(index = 'user_id',
values = ['order_products', 'order_amount', 'order_dt'],
aggfunc = {'order_dt':'max',
'order_amount': 'sum',
'order_products': 'sum'})
rfm.head()
- 注：order_products表示的是消费的产品数，因为数据中用户消费次数比较固定，所以由消费产品数替换消费次数。
# 4.1rfm距今天数
rfm['R'] = -(rfm.order_dt - rfm.order_dt.max()) / np.timedelta64(1, 'D')
rfm.rename(columns = {'order_products': 'F', 'order_amount': 'M'}, inplace = True)
rfm.head()
- R表示客户最近一次交易时间的间隔，客户在最近一段时间内交易的金额。F表示客户在最近一段时间内交易的次数,F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。M表示客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
# 4.2用户分层：RFM模型
def rfm_func(x):
level = x.apply(lambda x:'1' if x >= 0 else '0')
label = level.R + level.F + level.M
d = {
'111': '重要价值客户',
'011': '重要保持客户',
'101': '重要发展客户',
'001': '重要挽留客户',
'110': '一般价值客户',
'010': '一般保持客户',
'100': '一般发展客户',
'000': '一般挽留客户',
}
result = d[label]
return result
rfm['label'] = rfm[['R', 'F', 'M']].apply(lambda x: x-x.mean()).apply(rfm_func,axis=1)
rfm.head()
- 这里运用RFM模型来对用户分层，分析用户特点，这里使用的是平均数。
# 4.3用户分层：求和
rfm.groupby('label').sum()
- 从图中可以看出，M的不同层次客户的消费累计金额，重要保持客户的累计消费金额最高
# 4.4用户分层：计数
rfm.groupby('label').count()
- 如图所示，不同层次用户的消费人数，之前重要保持客户的累计消费金额最高，但消费人数最多的却是一般挽留客户有14074人。
# 4.5用户分层：RFM模型
rfm.loc[rfm.label == '重要价值客户','color'] = 'g'
rfm.loc[~(rfm.label == '重要价值客户'), 'color'] = 'r'
rfm.plot.scatter('F', 'R', c = rfm.color)
# pandas中增加颜色需要新增一列
- 从RFM分层可知，大部分用户为重要保持客户，但是这是由于极值的影响，所以RFM的划分标准应该以业务为准。尽量用小部分的用户覆盖大部分的额度，不要为了数据好看划分等级。
- RFM模型是衡量客户价值的立方体模型。充分结合数据与业务的关系，是数据分析师应该做到的，例如从以上数据看出，重要保持客户贡献金额最多，应如何与业务部分合作维护好这部分客户；再则重要发展客户和重要挽留客户静默消费了，如何唤醒这部分客户使我们需要分析的。
# 4.6用户分层：用户生命周期
pivoted_counts = df.pivot_table(index = 'user_id',
columns = 'month',
values = 'order_dt',
aggfunc = 'count').fillna(0)
pivoted_counts.head()
- 用户每月的消费次数对于生命周期的划分并无关系，而需把模型进行优化，知道用户本月是否有消费就可以了。
- 使用数据透视表可以非常直观的看出用户在某月是否有消费过，其中没有消费过的以Nan表示，用fillna填充为0
# 4.7用户生命周期
df_purchase = pivoted_counts.applymap(lambda x: 1 if x > 0 else 0)
df_purchase.tail()
- 从user_id2W+的数据来看，数据存在问题。因为从实际业务出发，这部分的用户一二月份是没有注册的，是从三月份才进行第一次消费。而数据透视表将一二月份的数据补充为0，这里需要注意是从第一次消费作为生命周期的计算。
# 4.8用户分层：用户生命周期状态变化
def active_status(data):
status = [] #创建一个空的列表
for i in range(18):
#若本月没有消费
if data[i] == 0:
if len(status) > 0:
if status[i-1] == 'unreg':
status.append('unreg')
else:
status.append('unactive')
else:
status.append('unreg')
#若本月消费
else:
if len(status) == 0:
status.append('new')
else:
if status[i - 1] == 'unactive':
status.append('return')
elif status[i-1] == 'unreg':
status.append('new')
else:
status.append('active')
return status
purchase_stats = df_purchase.apply(active_status, axis = 1)
purchase_stats.head(5)
purchase_stats.tail(5)
这里要分两种情况分析：
若本月没有消费
- 若之前是未注册，则依旧为未注册
- 若之前有消费，则为流失/不活跃
- 其他情况，为未注册
若本月有消费
- 若是第一次消费，则为新用户
- 如果之前有过消费，则上个月为不活跃，则为回流
- 如果上个月为未注册，则为新用户
- 除此之外，为活跃
# 每月不同活跃用户的计算
purchase_stats_ct = purchase_stats.replace('unreg',np.NaN).apply(lambda x: pd.value_counts(x))
purchase_stats_ct
#purchase_stats_ct.fillna(0).T.head()
purchase_stats_ct.fillna(0).T.plot.area()
由上表可知，每月的用户消费状态变化(图表还不太美观）
- 活跃用户，持续消费用户，对应的是消费运营质量
- 回流用户，之前不消费本月才消费，对应的使唤回运营
- 不活跃用户，对应的是流失
由此我们可以得出一个结论：流失的用户增加，回流用户正在减少
# 5.用户购买周期（按订单）
order_diff = grouped_user.apply(lambda x:x.order_dt - x.order_dt.shift())
order_diff.head(10)
# 这里运用匿名函数lambda，对分组后的用户根据订单购买时间进行错位相减
order_diff.describe()
- 从图中可以看出，user_id 1为0，表示该客户只购买过一次；user_id 2的第一笔订单和第二笔订单是在同一天完成的
# 5.1用户消费周期分布
(order_diff / np.timedelta64(1, 'D')).hist(bins = 20)
- 订单周期呈现指数分布,用户的平均购买周期是68天,绝大部分用户的购买周期都低于100天
# 6.用户生命周期（第一笔订单时间和最后一笔订单时间）
(user_life['max'] - user_life['min']).describe()
- 从图中可以看出，数据偏差很大，中位数为0天，说明超过50%的用户只购买了一次，这一次主要集中在数据前三个月，但平均数是134天，最大值是544天。
# 6.1用户生命周期分布图
((user_life['max'] - user_life['min'])/ np.timedelta64(1, 'D')).hist(bins = 40)
- 用户的生命周期受只购买一次的用户影响比较厉害（可以排除），用户均消费134天，中位数仅0天。
# 6.2用户生命周期分布图（过滤掉0天）
u_l = (user_life['max'] - user_life['min'])/np.timedelta64(1,'D')
u_l[u_l > 0].hist(bins = 40)
- 过滤掉lifetime > 0,即排除了仅消费一次的客户和一些生命周期在0天的两次消费的用户。
- 如图所示，少部分用户集中在50-300天，属于普通型生命周期；高质量用户体现在生命周期400天以后的用户，这部分用户属于忠诚用户。
7.复购率和回购率分析
-
复购率:自然月内，购买多次的用户占比
-
回购率:曾经购买过的用户在某一时间内的再次购买占比
pivoted_counts.head()
- 用户每个月的消费次数
# 7.1复购率
purchase_r = pivoted_counts.applymap(lambda x: 1 if x > 1 else np.NaN if x == 0 else 0)
purchase_r.head()
- 这里使用applymap是针对DataFrame里的所有数据。然后用lambda函数进行判断，因为需要，所以设置了两个if…else。
# 7.2复购率折线图
(purchase_r.sum() / purchase_r.count()).plot(figsize = (10, 4))
- 用sum和count相除即可求出复购率。因为两个函数都会忽略掉NaN，而NaN代表的是没有消费的用户，count函数不论是0还是1都会统计，所以表示总的消费用户数，而sum求和是计算消费两次以上的用户。
- 从图中可以看出，前三个月因为有大量新用户涌入，而这批用户购买了一次，所以导致复购率降低，例如1月份的复购率只有6%左右；但到了后期，忠诚客户体现出来了，复购率较为稳定，保持在20%左右。
df_purchase.head()
# 7.3回购率
def purchase_back(data):
status = [] #创建一个空列表，用来保存用户回购的字段
for i in range(17):
if data[i] == 1: #用户本月消费过下月也消费过记为1
if data[i+1] == 1:
status.append(1)
if data[i+1] == 0: #用户下月没有消费过记为0
status.append(0)
else:
status.append(np.NaN) #用户本月没消费，记为NaN
status.append(np.NaN)
return status
purchase_b = df_purchase.apply(purchase_back, axis = 1)
purchase_b.head(5)
(purchase_b.sum() / purchase_b.count()).plot(figsize = (10, 4))
- 注：0表示当月消费过次月没有消费，1表示当月消费过次月依旧有消费
- 回购率也是由count和sum计算求出的；如图所示，用户回购率为30%左右，由此可以得出：新客整体质量不如老客，老客的忠诚度（回购率）表现较好，消费频次少差。
第四部分小结：
通过用户消费行为的分析，可以看出各类知识点的运用需要结合实际业务情况，对数据进行过滤
网友评论