数据分析项目:用户消费行为分析

数据源于CDNOW网站的用户购买记录,通过以下字段利用python对CD销售数据分析

分析需要基于业务,首先需要对数据进行了解

数据字段包括

  • user_ud 用户ID
  • order_dt: 购买日期
  • order_products: 购买产品数
  • order_amount: 购买金额

链接:CDNOW数据(点我)    提取码:zvum 

分析思路:
0:数据准备阶段(数据预处理)
1:按月数据分析
2:用户个体消费分析
3:用户消费行为分析
4:复购率,回购率分析

  0:数据准备

导入常用的数据库

 

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

 导入数据,设置相应字段

1 columns = ['user_id','order_dt','order_products','order_amount']
2 data = pd.read_table('CDNOW_master.txt',names=columns,sep='\s+')
# 查看数据
data.head()
# 大概格式了解
data.info()
# 数据字段
  • user_ud 用户ID
  • order_dt: 购买日期
  • order_products: 购买产品数
  • order_amount: 购买金额

 

数据中无缺失值,无需对缺失值处理,但是购买日期的数据类型是int,为方便后面数据处理,在这先将其转化成datetime格式

data['order_dt'] = pd.to_datetime(data.order_dt,format='%Y%m%d')
# 新增一个月 (对月进行分析) values(数组形式) 因为很多是进行月份的一个处理
data['month'] = data.order_dt.values.astype('datetime64[M]')

处理好后,查看数据,此时数据时间转换为正常格式

data.info()

# describe是描述统计
data.describe()

  • 观察数据,用户平均订单必输2.4个商品,标准差为2.3,略有波动,中位数书为2个商品,说明绝大部分订单的购买量不多,最大值为99,有一定的极值干扰
  • 用户消费均值35元左右,中位数25元,最大金额达到了1286元,有一定极值干扰
  1:按月数据分析
  • 每月消费总金额
  • 每月消费次数
  • 每月产品购买量
  • 每月的消费人数
# 按月分组
grouped_month = data.groupby('month')

fig = plt.figure(figsize = (8,12))
ax1 = fig.add_subplot(4,1,1)
ax2 = fig.add_subplot(4,1,2)
ax3 = fig.add_subplot(4,1,3)
ax4 = fig.add_subplot(4,1,4)
# 按月金额数
ax1.plot(grouped_month.order_amount.sum(),c='blue')
ax1.set_title('每月消费总金额变化趋势')
# 按月的订单数
ax2.plot(grouped_month.user_id.count(),c='blue')
ax2.set_title('每月订单数变化趋势')
# 按月产品数
ax3.plot(grouped_month.order_products.sum(),c='blue')
ax3.set_title('每月消费产品购买量')
# 每月用户人数  这里需要去重,有些用户重复购买
ax4.plot(grouped_month.user_id.apply(lambda x:len(x.drop_duplicates())),c='blue')
ax4.set_title('每月用户数变化趋势')
按月进行统计,下面通过折线图分别查看数据变化趋势

一:消费金额在前三个月达最高峰,或许消费金额较为平稳,有轻微下降趋势

图二:前三个月订单数在10000笔左右,后续月份的订单数在2500左右

图三:产品购买量  呈现早期购买量多  后期下降趋势

图四:每月消费人数小小于每月的消费次数(订单数),但是区别不大,前三个月每月的消费人数在8000-10000之间,后续月份平均2000左右,一样是前期消费人数多,后期平稳下降趋势

出现这种状况,假设问题是出现在用户身上,早期时间段的用户有异常值,或者由于各类促销营销,由于只有消费数据,无法进一步进行判断

 

数据透视查看,按月根据用户购买金额,订单数,用户人数

data.pivot_table(index='month',
                values = ['order_products','order_amount','user_id'],
                aggfunc = {'order_products':'sum',
                           'order_amount':'sum',
                           'user_id':'count'})

 

 

  2.用户个体消费分析

  • 用户消费金额,消费次数描述统计
  • 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
  • 用户累积消费金额占比(百分之多少的用户占了百分之多少的消费额)

根据用户维度进行分析

01-用户消费金额和消费次数的描述统计
grouped_user = data.groupby('user_id') grouped_user.sum().describe()

  • 用户平均购买量7张CD,标准差17,波动比较大,但是中位值只有3,说明小部分用户购买了大量的CD
  • 用户平均消费为106元,中位值为43,也有极值干扰
  • 消费的话一般都会符合二八法则

 

02 - 用户消费金额和消费次数散点图
# 设置排除一些极值的干扰进行观察
grouped_user.sum().query('order_amount < 4000').plot.scatter(x='order_amount',y='order_products')

  • 绘制散点图,由于产品比较单一,购买金额和产品数呈线性关系
03-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,就是分成20块,最高金额是14000,每个项就是700

  • 由直方图可知,用户消费金额,大部分消费金额能力确实不高,绝大部分呈几种在很低的消费档次,高消费用户在图中基本看不到,这也符合消费行为的行业规律
  • 小部分异常值干扰判断,可以过滤操作排除异常
04-用户消费次数分布图
grouped_user.sum().query('order_products<92').order_products.hist(bins = 40)

 

  • 使用切比雪夫定理过滤异常值,计算95%的数据分布情况  (均值+5*标准差)
05 -用户累计消费金额占比
user_cumsum = grouped_user.sum().sort_values('order_amount').apply(lambda x: x.cumsum() / x.sum()) user_cumsum.reset_index().order_amount.plot()

 

  • 通过观察,50%的用户仅仅贡献了15%的消费额度,而排名前五千用户就贡献了%60的消费额
print(user_cumsum.head(8))
print(user_cumsum.tail(8))

  • 上面是一些累积占比的数据,数据中存在金额为0,可能是一些活动赠送等原因

 

  3.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
  • 新老客户消费比
    • 多少用户仅仅消费了一次
    • 每月新客占比
  • 用户分层
    • RFM
    • 新、老、活跃、回流、流失/不活跃
  • 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
01-第一次购买时间分布
#
min() 时间最小,第一次购买 grouped_user.min().order_dt.value_counts().plot() # 2月发生较大下跌 渠道发生变化,或者其他 可以做一些假设

  • 用户第一次购买分布,集中在前三个月,其中2月11日至2月25日有一次剧烈波动
02-最后一次购买时间分布
grouped_user.max().order_dt.value_counts().plot()

  • 用户最后一次购买的分布比第一次购买分布广
  • 大部分最后一次购买在前三个月,说明很多用户购买一次后就不再进行购买
  • 随着时间递增,最后一次购买数在递增,消费呈线性流失上升的情况
03-用户第一次购买与最后一次购买 新老客的消费比
user_life =grouped_user.order_dt.agg(['min','max']) user_life.head()

(user_life['min'] == user_life['max']).value_counts()

rate = (user_life['min'] == user_life['max']).value_counts()
labels = ['只消费一次用户','多次消费用户']
plt.axis('equal') # 保证长宽相等
plt.pie(rate,explode=(0,0.15),labels=labels,autopct='%2.1f%%',startangle=90,colors=['r','orange'],radius=1.5)

 

True 第一次购买时间和最后一次购买时间一样,有一般用户只消费了一次

04-用户分层
#  RFM   消费额 次数  最近一次消费 进行透视
rfm = data.pivot_table(index = 'user_id',
                     values = ['order_products','order_amount','order_dt'],
                     aggfunc = {'order_dt':'max',
                                'order_amount':'sum',
                                'order_products':'sum'})
rfm.head()

# 表示离最近一次消费的时间间隔
-(rfm.order_dt - rfm.order_dt.max()).head()
# 数值越大,离现在的时间越长

# /np.timedelta64(1,'D')  消除单位   进行重命名
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()

 

rfm[['R','F','M']].apply(lambda x:x-x.mean()).head()

数据解读: 负数是小于的   正式大于的   

R:离最近一次购买的天数   F:产品数(消费次数) M:消费金额   与均值的对比

def rfm_func(x):
    level = x.apply(lambda x:'1' if x>= 0 else '0')
  # 字符串拼接
  # 111,R>0,是距离平均消费时间要久,R越大 说明没有消费时间越久 ,F >0 M>0,消费次数和金额也是较高的,重要价值客户,依次类推 label
= level.R + level.F + level.M d = { '111':'重要价值客户', '011':'重要保持客户', '101':'重要挽留客户', '001':'重要发展客户', '110':'一般价值客户', '010':'一般保持客户', '100':'一般挽留客户', '000':'一般发展客户' } result = d[label] return result # x - x.mean() (具体真实情况可以修改,不一定需要用均值) 切比雪夫也可以 > 200 极值人工处理掉 rfm['label'] = rfm[['R','F','M']].apply(lambda x:x-x.mean()).apply(rfm_func,axis=1)
rfm.head()

  

数据解读: 1  时间比较长,只消费了一次,消费金额低   一般挽留客户 

rfm.groupby('label').sum()

  

重要保持客户贡献了159万左右  等等

rfm.groupby('label').count()

  

# 各类类型用户占比
use_c = rfm.groupby('label').count() plt.axis('equal') labels = ['一般价值客户','一般保持客户','一般发展客户','一般挽留客户','重要价值客户','重要保持客户','重要发展客户','重要挽留客户'] plt.pie(use_c['M'], autopct='%3.1f%%', labels = labels, pctdistance=0.9, labeldistance = 1.2, radius=3, startangle = 15)

 

# 对应标签,使用不同颜色表示
# 绿色为重要价值客户,红色为非重要价值用户
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)

rfm.head()
# rfm 象限法

rfm.groupby('label').sum()

 

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的划分应该以业务微赚

  • 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
  • 极值会拉均值
  • 根据数据可以和业务相结合,如何提升一些重要的指标
06-用户生命周期
pivoted_counts = data.pivot_table(index = 'user_id', columns = 'month', values = 'order_dt', aggfunc = 'count').fillna(0) # pivoted_counts.head() pivoted_counts.head() # 按月份进行对比,1月份哪些是购买的,再去对比二月份哪些是购买的

消费过的为1 ,没消费过的为0
data_purchase = pivoted_counts.applymap(lambda x: 1 if x > 0 else 0) data_purchase.tail() # 透视会补上 第一次从3月分开始购买 前面补成0 , 需要进行判,第一次消费作为生命周期的起始 # se.columns.values

def active_status(data):
    status = []
    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')
  # 这里需要对返回的值进行转换,将列表转为Series
return pd.Series(status, index = pivoted_counts.columns)
  • 若本月没有消费
    • 若之前是未注册,则依旧未注册
    • 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
purchase_stats = data_purchase.apply(active_status,axis=1,result_type ='expand')
# df.rename(columns={ df.columns[2]: "new name" }, inplace=True)
# purchase_stats.rename(columns={purchase_stats.columns:data_purchase.columns})
purchase_stats.head()

purchase_status_ct = purchase_stats.replace('unreg',np.NaN).apply(lambda x : pd.value_counts(x))
purchase_status_ct
# 未注册不希望参与处理  设置我空值

数据解读: 一月份有7846个用户   然后2月份分叉为不活跃用户 和 活跃用户    有8476个新用户 等等

 新用户转换为是否活跃等等 流失用户在增加

# 各个状态的占比 
purchase_status_ct.fillna(0).T.apply(lambda x:x/x.sum(),axis=1)
purchase_status_ct.fillna(0).T.plot.area()

由上表可知,每月的用户消费转改变化

  • 活跃用户,持续消费的用户,对应的使消费运营质量
  • 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
用户购买周期 
data.order_dt.head(10)
# 把所有的数据进行一个错位  DataFrame.shift 
data.order_dt.shift().head(10)

#   一个用户可能多个订单  每个订单的间隔 
order_diff = grouped_user.apply(lambda x:x.order_dt - x.order_dt.shift())
order_diff.head(10)

 

数据解读:ID为2     0天当天购买两次或以上,间隔为0     

     ID为3的用户          3-4间隔了87天   

NaT表示一个订单

order_diff.describe()

 

每个用户的平均订单是68天  中位值31天 最大值533天

# 去除单位  间隔天数分布图
(order_diff / np.timedelta64(1,'D')).hist(bins=20)
order_diff / np.timedelta64(1,'D')

(user_life['max'] - user_life['min']).describe()
# 整体的生命周期

((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 (可以进行排除 当特殊情况,想提取出购买一次以上的用户)
  • 用户均消费134天,中位数仅为0
u_l = ((user_life['max'] - user_life['min']).reset_index()[0] / np.timedelta64(1,'D'))
u_l[u_l > 0].hist(bins=40)

  • 左边比较高,还是有些用户的生命周期是比较短的,例如10、20天等
  • 有不少用户生命周期也是比较稳定

  4.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
    • 曾今购买过的用户在某一时期内的再次购买占比
pivoted_counts.head()

# 购买大于1次的 赋值为1 ,然后小于等于1 的 如果是购买次数是0,则赋值为空,否则 就是购买一次,赋值为0
purchase_r = pivoted_counts.applymap(lambda x: 1 if x > 1 else np.NaN if x == 0 else 0) purchase_r.head() 

# sum() 0 不计数,count() 0计数
(purchase_r.sum() / purchase_r.count()).plot(figsize = (10,4))

  • 复购率稳定在20% 左右,前三个月因为有大量新用户涌入,而这些用户只购买了一次,所以导致复购率较低
回购率 只需要0  1 代表
data_purchase.head()

def purchase_back(data):
    status = []
    for i in range(17):
        if data[i] == 1: # 本月进行过消费
            if data[i+1] == 1: # 下一月是否进行消费
                status.append(1) #消费为1 回购了
            if data[i+1] == 0:
                status.append(0) # 未消费则为0 没有回购
        else:
            status.append(np.NaN) # 之前没消费则不计
    status.append(np.NaN) # 最后一个月没有判断需要补上
    return pd.Series(status,data_purchase.columns)
purchase_b = data_purchase.apply(purchase_back, axis =1)
purchase_b.head(5)

 

  • 0 表示上个月购买了,下个月没有进行消费,则是没有回购 ,
  • 1代表当月消费过次月依旧消费,表示回购了
  • NAN表示当月没有消费(不进行计算)
sum() 0 1进行求和,表示次月消费过的
(purchase_b.sum() / purchase_b.count()).plot(figsize = (10, 4))

  •  回购率在30%左右波动,比复购率要高,综合分析得出,新客整体质量低于老客,老客忠诚度(回购率)表现较好,消费频次稍次,这个是是CDNow网站的用户消费特征

 

posted @ 2019-04-26 15:53  东西  Views(...)  Comments(... Edit 收藏