场景描述
某公司经营的一款 APP 小游戏，游戏的用户数一直维持在一定的水平。然而，从 9 月开始，用户数开始大量减少。根据以往经验尝试做出如下假设。
- 商业推广上存在问题，流失的用户数超过了新增的用户数
- 每月不同主题的游戏活动开始变得很无聊，用户都不爱玩了
- 按用户的性别或者年龄段等属性来划分用户群，可能是其中某个用户群出现了问题
经了解发现
- 同上月相比，商业推广的力度大体没变，新增用户数也大致保持在相同的水平
- 开展的各种游戏活动同上月相比几乎没有变化
因此，只剩下第 3 条假设没能得到验证了。再进一步深挖假设的内容，可以知道用户群通常是按照 性别 、年龄段 等来划分的。于是，首先我们可以考虑是否有某个属性的用户群数量减少了，然后通过和上月的数据加以比较，确认用户数量减少了的用户属性，并思考如何恢复用户数量。
注：由于无法事先猜测问题出现的原因，而是需要通过数据分析来探索原因所在，这种方式称为“探索型数据分析”。
数据描述
DAU（Daily Active User）
每天至少来访 1 次的用户数据，139112 行。
| 字段 | 类型 | 含义 |
| log_date | str | 访问时间 |
| app_name | str | 应用名 |
| user_id | numpy.int64 | 用户 ID |
user_info
用户属性数据
| 字段 | 类型 | 含义 |
| install_data | str | 首次使用日期 |
| app_name | str | 应用名称 |
| user_id | numpy.int64 | 用户 ID |
| gender | str | 性别 |
| generation | numpy.int64 | 年龄段 |
| device_type | str | 设备类型 |
数据分析
数据读取
读取两个数据集。
import pandas as pd DAU_data = pd.read_csv('DAU.csv') user_data = pd.read_csv('user_info.csv') 复制代码
显示 DAU 数据集前五行。
DAU_data.head() 复制代码
显示 user_data 数据集前五行。
user_data.head() 复制代码
将 DAU 与 user_data 以 user_id 为 key 进行合并，取交集。
all_df = DAU_data.merge(user_data, on=['user_id', 'app_name']) all_df.head() 复制代码
修改，新增列。
| 列名 | 修改前 | 修改后 |
| gender | F/M | 女/男 |
| generation | 10 | 10-19 |
| 新增 log_month | 2013-08-01 | 8 月 |
import numpy as np all_df['gender'] = all_df['gender'].replace({'F':'女','M':'男'}) all_df['generation'] = all_df['generation'].apply(lambda x:str(x) + '-' + str(x + 9)) all_df['log_month'] = pd.to_datetime(all_df['log_date']).map(lambda x : x.strftime("%m")[1] + '月' 复制代码
用户性别分析
统计两月中男女用户的人数，看看性别比例是否相差较大。
all_df.pivot_table(index='log_month', columns='gender', values='user_id', aggfunc=np.count_nonzero) 复制代码
从上表来看，虽然整体上用户数量在较少，但性别比例没有很大变化。因此，用户数量减少的主要原因并不是某一性别用户大量减少。
用户年龄段分析
统计各个年龄段用户数量的变化情况。
all_df.pivot_table(index='log_month', columns='generation', values='user_id', aggfunc=np.count_nonzero) 复制代码
无论哪个年龄段，用户的比例都没有发生大的变化。
用户性别&年龄段分析
进一步细分，看看是否某个性别下某个年龄段的用户数量减少了，下面我们将性别和年龄段组合起来，形成 2 重交叉列表统计。
all_df.pivot_table(index='log_month', columns=['gender','generation'], values='user_id', aggfunc=np.count_nonzero) 复制代码
同样的，每个用户群所占的比例基本不变，没有用户群数量大幅减少的情况。
用户设备
最后一个维度，统计用户使用的设备差异。
all_df.pivot_table(index='log_month', columns='device_type', values='user_id', aggfunc=np.count_nonzero) 复制代码
根据上表，明显看到使用 Android 的用户大量减少。
下面我们以天为单位，详细看看两种设置使用用户的变化情况。
通过上图，可以看到，Android 的用户数从 9 月 13 日开始急剧减少。
那么下一步就是弄清楚 Android 手机端出现的问题，并制定相应的改善策略，使用户数量回到和上月相同的水平，这里就不详细展开了。
这就是今天要分享的内容，我们下期再见！
