Bootstrap

python数据分析:用户消费情况数据分析

本次分析数据介绍：

数据为某奶茶店2018年1月-2019年6月的销售数据，共计69,659项数据，用户共计23,570名；

数据集共4个字段：

user_id: 用户id
order_id: 购买日期
order_prodect: 购买产品数
order_account: 购买金额
明确问题（本次数据分析目的）
用户消费趋势分析（按月）
用户个体消费分析
用户消费行为分析
用户复购率和回购率分析
分析思路
在这里插入图片描述
理解数据
我们导入数据后简单看一下：

# 导入数据
df = pd.read_excel('MilkyTea_master.xlsx')

在这里插入图片描述
检查一下各字段类型：在这里插入图片描述
数据清洗
本次抽样为全抽，不再进行选择子集；不再涉及列重命名；

1.数据类型转换

根据以上分析，我们需把用户id转化为字符串，把时间order_id转化为时间格式：

① 时间类型转换

# 时间类型转换，增加‘month’列
df['order_dt'] = pd.to_datetime(df.order_dt,format='%Y%m%d')
df['month'] = df.order_dt.values.astype('datetime64[M]')

在这里插入图片描述
② 字符串类型转换

df['user_id'] = df['user_id'].apply(lambda x : str(x))

2.数据排序

# 按照“order_dt”排序
df = df.sort_values(by = 'order_dt',ascending =True)

3.缺失值处理

我们检查是否存在缺失值：

for i in df.columns:
     print(df[i].isnull().value_counts())

在这里插入图片描述
无需进行缺失值处理；
4.异常值处理

检查描述统计信息，查看是否存在异常
在这里插入图片描述
以上，我们可以发现：

大部分订单只购买了少量商品（平均值2.41），有一定极值干扰；
影虎的消费金额比较稳定（平均值35.89元，中位数25.98元），有一定极值干扰；
最后，我们对index重新命名：

df = df.reset_index(drop = True)

在这里插入图片描述
构建模型
接下来，我们对问题进行分析：

1.用户消费趋势分析（按月）

我们按月度对用户进行分析，须将数据框按月分组：

g_month  = df.groupby('month')

1 每月消费金额

# 每月消费总金额
g_month.order_account.sum()

2 每月消费次数

# 每月消费总次数
g_month.user_id.count()

3 每月购买数量

# 每月购买数量
g_month.order_products.sum()

4 每月消费人数

# 每月消费人数
g_month.user_id.apply(lambda x : len(x.drop_duplicates()))

以上我们也可用以下方式来统一分析：

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

在这里插入图片描述
我们将分析结果进行数据可视化：

sns.set_palette('summer')
sns.set_style('darkgrid')
f = plt.figure(figsize = (20,16))
f.add_subplot(3,1,1)
g_month.order_account.sum().plot()
plt.title('order_account')
f.add_subplot(3,1,2)
g_month.order_products.sum().plot()
plt.title('order_products')
f.add_subplot(3,1,3)
g_month.user_id.count().plot()
plt.title('user_id')

在这里插入图片描述

2.用户个体消费

与按月分析不同，此次需要对数据库按用户id进行分组：

1.用户消费金额、消费次数的描述统计

# 按照用户进行分组
g_user = df.groupby('user_id')
# 用户消费金额、消费次数的描述统计
g_user.sum().describe()

在这里插入图片描述
用户平均购买奶茶7杯，中位数为3杯，说明小部分的用户购买了大量的奶茶；
用户平均消费106元，中位数43元，说明小部分用户购买大量的奶茶，存在极值干扰；
2.用户消费金额和消费次数的散点图

# 用户消费金额和消费次数的散点图
g_user.sum().plot.scatter(x = 'order_account', y = 'order_products')

在这里插入图片描述
不是那么明显，我们选择购买金额<6000的数据集进行分析（去除极值）：

# 用户消费金额和消费次数的散点图
g_user.sum().query('order_account < 6000').plot.scatter(x = 'order_account', y = 'order_products')

在这里插入图片描述
3.用户消费金额分布图

# 用户消费金额分布图
g_user.sum().order_account.plot.hist(bins = 20)

在这里插入图片描述
可知，用户消费金额大部分呈集中趋势，小部分异常值干扰了判断；

我们可以运用切比雪夫定理：‘所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内’，故，我们用7+16.98*5 ≈100 来排出异常值：

g_user.sum().query('order_account < 100').order_account.plot.hist(bins = 20)

在这里插入图片描述
4**用户累计消费占比（**百分之多少的用户占百分之多少的销售额)

# 用户累计消费占比（百分之多少的用户占百分之多少的销售额）
g_user.sum().sort_values('order_account').apply(lambda x : x.cumsum()/ x.sum()).reset_index().order_account.plot()

在这里插入图片描述

3.用户消费行为分析

同样，我们依旧按用户分组进行分析：
1）用户第一次消费（首购）

# 用户第一次消费（首购）
g_user.min().order_dt.value_counts().plot()

在这里插入图片描述
用户首购分布：集中在前3月；在2月中旬期间，波动较剧烈；

2.用户最后一次消费

# 用户最后一次消费
g_user.max().order_dt.value_counts().plot()

在这里插入图片描述
用户最后一次购买时间分布较广，大部分最后一次购买集中在前3个月，说明可能存在很多用户购买了一次没有再复购；随着时间递增，最后一次购买的用户数量也在上升，消费呈流失上升状态；
3.新老客户消费比

① 多少用户仅消费1次

# 多少用户仅消费1次
user_life = g_user.order_dt.agg(['min','max'])
(user_life['min'] == user_life['max']).value_counts()
# 可视化（饼图）
plt.pie((user_life['min'] == user_life['max']).value_counts(normalize = True),
       autopct='%.2f%%',
       labels = (user_life['min'] == user_life['max']).value_counts().index)

在这里插入图片描述
我们发现，超过一半用户仅消费一次；

② 每月新客占比

# 每月新客占比
g_user.min().month.value_counts() / g_month.user_id.apply(lambda x : len(x.drop_duplicates()))

在这里插入图片描述
我们发现，首月消费新客占比100%，第二、三月逐渐新客数量占比减少，第四月后无新客；

4.用户分层

① RFM用户分层

这里需要补充一下RFM分析：

RFM是3个指标的缩写，最近一次消费时间间隔（Recency），消费频率（Frequency），消费金额（Monetary）。通过这3个指标对用户分类。
最近一次消费时间间隔（R），上一次消费离得越近，也就是R的值越小，用户价值越高；
消费频率（F），购买频率越高，也就是F的值越大，用户价值越高；
消费金额（M），消费金额越高，也就是M的值越大，用户价值越高；

# RFM用户分层
rfm = df.pivot_table(index = 'user_id',
                    values = ['order_products','order_account','order_dt'],
                    aggfunc= {'order_products':'sum',
                             'order_account':'sum',
                             'order_dt':'max'})

在这里插入图片描述
我们对最后一次消费时间计时间间隔，并对透视结果列重命名：

rfm['R'] = (rfm.order_dt.max() - rfm.order_dt) / np.timedelta64(1,'D')
rfm.rename(columns={'order_products':'F','order_account':'M'},inplace = True)

在这里插入图片描述
建立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)

在这里插入图片描述

接着，我们对‘label’列分组求和：

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

在这里插入图片描述
也可以分组后计数：

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

在这里插入图片描述
从RFM分层可知，大部分的用户是一般挽留客户，重要价值客户和重要保持客户合计约占20%；

我们进行可视化：


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)

在这里插入图片描述

② 用户生命周期-新、老、活跃、回流、流失

# 用户生命周期-新、老、活跃、回流、流失
pivoted_counts = df.pivot_table(index = 'user_id',
                               columns= 'month',
                               values= 'order_dt',
                               aggfunc= 'count').fillna(0)

在这里插入图片描述
需要对结果进行简化，如果购买次数大于0（大于等于1），有购买为1，无购买为0：

# 进行简化
df_purchase = pivoted_counts.applymap(lambda x : 1 if x>0 else 0)

在这里插入图片描述
根据本月是否消费、前期是否消费、上月是否消费等多层维度，将用户划分为未注册、新注册、活跃、不活跃、回流、流失；

def active_statu(data):
    status = []
    for i in range(18):
        # 当月未消费
        if data[i] == 0:
            if len(status) > 0:
                if status[i-1] == 'unreg':
                    status.append('unreg')
                else:
                    status.append('unactive')
            else:
                status.append('unreg')
        # 当月有消费
        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

purshase_stats = df_purchase.apply(active_statu,axis=1)
purshase_stats = pd.DataFrame(purshase_stats)[0].apply(pd.Series)
purshase_stats.columns = pivoted_counts.columns

在这里插入图片描述
把‘unreg’用NAN替换，并对每月的用户状态进行统计：

purshase_stats_ct = purshase_stats.replace('unreg',np.NAN).apply(lambda x : pd.value_counts(x))

#  转置
purshase_stats_ct.fillna(0).T

在这里插入图片描述
可视化：

purshase_stats_ct.fillna(0).T.plot.area()

在这里插入图片描述
可以逐行计算百分比：

# 可以逐行计算百分比
purshase_stats_ct.fillna(0).T.apply(lambda x : x/x.sum(),axis = 1)
purshase_stats_ct.fillna(0).T.apply(lambda x : x/x.sum(),axis = 1).plot.area()

在这里插入图片描述
在这里插入图片描述
5）用户购买周期（按订单）

① 用户订单周期

# 用户订单周期
order_diff = g_user.apply(lambda x: x.order_dt - x.order_dt.shift())

在这里插入图片描述
查看描述统计：
在这里插入图片描述
② 用户订单分布

(order_diff/np.timedelta64(1,'D')).hist(bins=20)

在这里插入图片描述
订单周期呈指数分布
用户平均购买周期是68天
绝大部分用户购买周期都超过100天

6.用户生命周期（按第一次&最后一次消费）

我们查看用生命周期（第一次&最后一次）描述统计：

(user_life['max'] - user_life['min']).describe()

在这里插入图片描述

在这里插入图片描述
用户生命周期受只购买一次的用户影响较大
用户平均消费时间差134天，中位数仅0天

4.用户复购率和留存率
1）复购率

自然月内，购买多次的用户占比：

我们根据上述的对用户按月统计购买量pivoted_counts来分析：

如果当月购买了1次以上（大于1），则为1，存在复购；若购买了1次，为0；当月购买了0次，则为NAN；

purchase_r = pivoted_counts.applymap(lambda x : 1 if x > 1 else np.NAN if x == 0 else 0 )

求和，为当月复购的人数；计数，为当月购买人数：

(purchase_r.sum() / purchase_r.count()).plot(figsize = (10,4))

在这里插入图片描述
复购率稳定在20%左右，前三月因为有大量的新用户涌入，而这批用户只购买了一次，所以导致复购率低；
2.回购率（留存率）
曾经购买过的用户某一时间内再次购买的占比：

定义函数，如果当月购买，下月也购买为1；如果当月购买下月未购买，为0；如果当月未购买，则为NAN；

def purchase_back(data):
    status = []
    for i in range(17):
        if data[i] ==1:
            if data[i+1] == 1 :
                status.append(1)
            if data[i+1] == 0 :
                status.append(0)
        else:
            status.append(np.NAN)
    status.append(np.NAN)
    return status

purchase_b = df_purchase.apply(purchase_back,axis=1)
purchase_b = pd.DataFrame(purchase_b)[0].apply(pd.Series)
purchase_b.columns = pivoted_counts.columns

在这里插入图片描述
回购率 = 次月再次购买/本月购买人数

(purchase_b.sum()/purchase_b.count()).plot(figsize = (10,4))

在这里插入图片描述
分析结论
用户增长阶段仅在前三月，后期消费均为老客户；消费用户群体较为固定；
超过50%的用户仅在前三月消费了一次，后期长期处于不活跃状态；用户消费呈流失上升状态；
60%的销售金额是被前5000名（近20%）的人贡献。
用户增长阶段仅在前三月，后期消费均为老客户；消费用户群体较为固定；
超过50%的用户仅在前三月消费了一次，后期长期处于不活跃状态；用户消费呈流失上升状态；
60%的销售金额是被前5000名（近20%）的人贡献。

悦读

道可道，非常道；名可名，非常名。 无名，天地之始，有名，万物之母。 故常无欲，以观其妙，常有欲，以观其徼。 此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。

最新收录
MATLAB实现多元正态Copula分布
Java & MySQL-JDBC编程
QVariant如何存储自定义结构体
驾驶员行为检测+疲劳驾驶
Linux——ELK日志分析
【深度学习】Pytorch 1.x 安装命令
c++ ---结构体
Python常用的数据分析和可视化库
Ubuntu操作系统的基础操作和设置（详细且全面）
Android 系统网络、时间服务器配置修改
;