由于有之前的项目,所以今天我们直接开始,不做需求分析,还不会需求分析的可以看我之前的文章。Python实战项目——用户消费行为数据分析(三)
导入库
import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签 from datetime import datetime
1.初识数据
df = pd.read_csv('kelu.csv') df.info() df.head()
- 基本信息:门票价格101,数据来自16年~19年,8K+多数据量
df.describe()
- 根据平均分92,和1/2分位得知,大多数用户评分在100,效果非常不错。
- 16年~19年门票价格都是110
2.分析数据
a1.每天销量分析
df['time'] = pd.to_datetime(df['time'],format='%Y/%m/%d') df.groupby('time')['rating'].count().plot(figsize=(12,4))
- 整体来看每日销量呈现上升趋势,但是在18年5月份前后(2,3,4)出现一次较大的波动,销量急剧下滑,猜测:台风,疫情,运营推广不利
- 16年9月~17年1月,销量非常低,每天平均2-3张门票,猜测:101观景台门票刚刚上线发售,观景台刚刚对游客进行开放
a2.每月销量分析
df['month'] = df['time'].values.astype('datetime64[M]') #保留月份精度的日期 df.head() df.groupby('month')['rating'].count().plot(figsize=(12,4)) #按照月份进度进行计数 plt.xlabel('月份') plt.ylabel('销售数量') plt.title('16~19年每月销量分析')
月份整体销量依然呈现上升趋势,但是在18年2,3,4月份月销量下滑明显。跟每天销量下降有关。猜测:台风,疫情,运营推广不利
a3.每个用户的购买量和消费金额分析
merge用法,相当于sql当中join:
df1 = pd.DataFrame({ 'name':['zhangsan','lisi'], 'group':['A','B'] }) df2 = pd.DataFrame({ 'name':['wangwu','lisi'], 'score':[88,90], 'group':['C','D'] }) pd.merge(left=df1,right=df2,on='name',how='inner',suffixes=['_1','_2'])
left:左表 right:右表 on:关联字段 how:inner(默认值,交集)|outer(并集)|left(只保留左侧)|right(只保留右侧)
#suffixes:如果两个表中有多个相同列,用suffixes给的值进行区分(默认值xy)
#按照游客分组,统计每个游客的购买次数 grouped_count_author = df.groupby('author')['frequency'].count().reset_index() #按照游客分组,统计每个游客的消费金额 grouped_sum_amount = df.groupby('author')['amount'].sum().reset_index() user_purchase_retention = pd.merge(left=grouped_count_author, right=grouped_sum_amount, on='author', how='inner') user_purchase_retention.tail(60) user_purchase_retention.plot.scatter(x='frequency',y='amount',figsize=(12,4)) plt.title('用户的购买次数和消费金额关系图') plt.xlabel('购物次数') plt.ylabel('消费金额')
结论:斜率就是门票价格110,用户的消费金额和消费次数呈现线性关系
b1.用户购买门票数量分析
df.groupby('author')['frequency'].count().plot.hist(bins=50) #影响柱子的宽度,宽度= (最大值-最小值)/bins plt.xlim(1,17) plt.xlabel('购买数量') plt.ylabel('人数') plt.title('用户购买门票数量直方图')
- 绝大多数用户购买过1张门票,用户在7000人次左右
- 少数人购买过2~4张门票,猜测:可能是台北周边用户
b2.用户购买门票2次及以上情况分析
df_frequency_2 = df.groupby('author').count().reset_index() df_frequency_2.head() df_frequency_2[df_frequency_2['frequency']>=2].groupby('author')['frequency'].sum().plot.hist(bins=50) plt.xlabel('购买数量') plt.ylabel('人数') plt.title('购买门票在2次及以上的用户数量')
消费两次的用户在整体上占比较大,大于2次的用户占小部分,用户购买次数最多为8次
b3.查看购买2次及以上的具体人数
df_frequency_2[df_frequency_2['frequency']>=2].groupby('frequency')['author'].count()
出去购买一次的顾客,可以看出购买2次有402人,购买3次的99人,以此类推得知大多数据倾向于购买2~5
b4.购买次数在1~5次之间的用户占比分析
1.按照用户进行分组 2.取出购买次数 3.过滤出1~5次用户 4.绘制饼图
df_frequency_gte_1 = df.groupby('author')['frequency'].count().reset_index() #过滤出<=5次的用户 values = list(df_frequency_gte_1[df_frequency_gte_1['frequency']<=5].groupby('frequency')['frequency'].count()) print(values) plt.pie(values,labels=['购买1次','购买2次','购买3次','购买4次','购买5次'],autopct='%1.1f%%') plt.title('购买次数在1~5次之间的人数占比') plt.legend()
可以看出购买一次的占比83%,其次逐渐递减。并且递减比较明显,购买3.4.5的占比相近,人数都很少。
b5.购买次数在2~5次之间的用户占比分析
#过滤出>=2次并且<=5次的用户 df_frequency_gte_2 = df_frequency_2[df_frequency_2['frequency']>=2].reset_index() values = list(df_frequency_gte_2[df_frequency_gte_2['frequency']<=5].groupby('frequency')['frequency'].count()) print(values) plt.pie(values,labels=['购买2次','购买3次','购买4次','购买5次'],autopct='%1.1f%%') plt.title('购买次数在2~5次之间的人数占比') plt.legend()
在2~5次之间,购买2.3次用户占比最大,综合占据了80%
c1.复购率分析
复购率:在某一时间窗口内(多指一个月)内消费次数在两次及以上的用户在总消费用户的占比
df.head() pivot_count = df.pivot_table(index='author', columns='month', values='frequency', aggfunc='count').fillna(0) pivot_count.head() #三种情况: #消费次数>1,为复购用户,用1表示 #消费次数=1,为非复购用户,用0表示 #消费次数=0, 未消费用户,用na表示 #applymap:df,处理每一个元素 #apply:df,处理每一行或者每一列数据 #map:Serise,处理每一个元素 pivot_count = pivot_count.applymap(lambda x: 1 if x>1 else np.NAN if x==0 else 0) # pivot_count[pivot_count['2016-09-01']==1] (pivot_count.sum()/pivot_count.count()).plot() plt.xlabel('时间(月)') plt.ylabel('百分比(%)') plt.title('16~19年每月用户复购率')
16年9月份复购率最高达到了7.5%,然后开始下降,趋于平稳在1.2%
c2.复购用户人数
pivot_count.sum().plot() plt.xlabel('时间/月') plt.ylabel('复购人数') plt.title('16~19年每月的复购人数折线图'
- 整体来看,复购人数长线上升趋势
- 但是在18年2.3.4.10和19年2月份,复购人数下降较为明显,出现异常信号,需要和业务部门具体分析情况
c3.回购率分析
回购率:在某一个时间窗口内消费过的用户,在下一个时间窗口仍旧消费的占比。
举个例子:当前月消费用户人数1000人,其中200人在下一个月仍旧进行了消费,回购率200/1000=20%
pivot_purchase = df.pivot_table(index='author', columns='month', values='frequency', aggfunc='count' ).fillna(0) pivot_purchase.head() len(pivot_purchase.columns)
def purchase_return(data): #data:代表的是每一名游客的所有月份消费记录 status = [] #存储每一个月回购状态 for i in range(30):#遍历每一个月(最后一个月除外) ####本月消费 if data[i] == 1: if data[i+1] ==1:#下个月有消费,是回购用户,1 status.append(1) else:#na|未消费 status.append(0) #非回购用户,0 else: ####本月未消费 status.append(np.NaN) status.append(np.NaN) return pd.Series(status,pivot_purchase.columns) pivot_purchase_return = pivot_purchase.apply(purchase_return,axis=1) #用户回购状态 (pivot_purchase_return.sum()/pivot_purchase_return.count()).plot() plt.title('16年~19年每月的回购率') plt.xlabel('月份') plt.ylabel('回购率%')
- 回购率最高在18年6月份,达到4%
- 整体来看,回购率呈现微弱上升趋势
- 出现了几次较大下滑,分别是17年6月份,18年1月份,18年8月份,19年1月份
c4.回购人数分析
pivot_purchase_return.sum().plot() plt.title('16年~19年每月的回购人数') plt.xlabel('月份') plt.ylabel('回购人数') print(pivot_purchase_return.sum())
- 整体呈现上升趋势,回购人数最多时在18年11月份,人数未17人
- 其中有几次回购人数下降较为明显,主要在分别是17年6月份,18年1月份,18年8月份,19年1月份
c5.每个月分层用户占比情况
活跃用户|不活跃用户|回流用户|新用户
def active_status(data): #data:每一行数据(共31列) status = [] #存储用户31个月的状态(new|active|unactive|return|unreg) for i in range(31): #判断本月没有消费==0 if data[i] ==0: if len(status)==0: #前几个月没有任何记录(也就是97年1月==0) status.append('unreg') else:#之前的月份有记录(判断上一个月状态) if status[i-1] =='unreg':#一直没有消费过 status.append('unreg') else:#上个月的状态可能是:new|active|unative|reuturn status.append('unactive') else:#本月有消费==1 if len(status)==0: status.append('new') #第一次消费 else:#之前的月份有记录(判断上一个月状态) if status[i-1]=='unactive': status.append('return') #前几个月不活跃,现在又回来消费了,回流用户 elif status[i-1]=='unreg': status.append('new') #第一次消费 else:#new|active status.append('active') #活跃用户 return pd.Series(status,pivot_purchase.columns) #值:status,列名:18个月份 pivot_purchase_status =pivot_purchase.apply(active_status,axis=1) pivot_status_count =pivot_purchase_status.replace('unreg',np.NaN).apply(pd.value_counts) pivot_status_count.T.plot.area()
- 可以看出,红色(不活跃用户)占据网站用户的主体
- 橙色(新用户)从17年的1月~19年1月,呈现上升趋势;但是在18年4月份左右,新用户的量突然急剧下降,异常信号;
- 以后,新用户又开始逐渐上涨,回复稳定状态
- 绿色(回流用户),一直维持稳定稳定状态,但是在18年2~4月份,出现异常下降情况,异常信号;
c6.每月不同用户的占比
return_rate = pivot_status_count.apply(lambda x:x/x.sum()) return_rate.T.plot()
- 在17年1月份过后,网站用户主体由不活跃用户组成,新用户占比开始逐渐下降,并且趋于稳定,稳定在10%左右
- 活跃用户和会用户,一直很稳定,并且占比较小
- 16年9月前后,新用户和不活跃用户,发生较大的变化,猜测:活动或者节假日造成…
c7.每月活跃用户的占比
return_rate.T['active'].plot(figsize=(12,6)) plt.xlabel('时间(月)') plt.ylabel('百分比') plt.title('每月活跃用户的占比分析')
- 在17年1月份活跃用户占比较高,在0.5%,但是在1-2月份,急剧下降,猜测:春节的影响,或者温度
- 结合历年1~2月份销量来看,都会出现一定比例的下降,再次验证我们的猜测:春节的影响
- 在18年2月和5月出现异常,门票销量下降,猜测:雨水或者台风影响
c8.每月回流用户占比
return_rate.T['return'].plot(figsize=(12,6)) plt.xlabel('时间(月)') plt.ylabel('百分比') plt.title('每月回流用户的占比分析')
- 整体来看,回流用户比例上升趋势,但是波动较大
- 在17年1月和6月,18年4月,19年2月,回流用户比例都出现了较大幅度下降,表现为异常信号
- 不论是回流用户还是活跃用户,在以上几个月份中都表现出下降趋势。
np.mean(return_rate.T['return']) #回流用户平均值在0.73%左右
在17年9月份以后,仅有两个异常点在平均值以下
在17年9月份以前,所有数据都显示出回流用户比例低于平均值,猜测:景点开放不久,很多游客尚未发现本景点;本景点在该平台上线不久
d1.用户的生命周期
#计算方式:每一个用户最后一个购买商品的时间——用户第一次购买商品的时间,转换成天数,即为生命式:每一个用户最后一个购买商品的时间——用户第一次购买商品的时间,转换成天数,即为生命周期
time_min = df.groupby('author')['time'].min() time_max = df.groupby('author')['time'].max() life_time = (time_max-time_min).reset_index() life_time.describe()
- 通过原样本8757条和count=7722得知,存在一个用户多次消费的情况
- 平均生命周期天数23天,通过25% 50% 75%分位数得知,绝大多用户生命周期为0天
- 最大生命周期为864天
d2.用户生命周期直方图
#讲日期类型转成数值类型 life_time['life_time'] = life_time['time']/np.timedelta64(1,'D') life_time['life_time'].plot.hist(bins = 100,figsize=(12,6)) plt.xlabel('天数') plt.ylabel('人数') plt.title('所有用户的生命周期直方图') print(life_time[life_time['life_time']==0])
- 生命周期为0的用户(仅仅在一天内有过消费,之后再没消费过),存在7130个用户
- 由于总用户数为7722,其余592人属于优质的忠诚客户
d3.生命周期大于0天的用户,直方图
life_time[life_time['life_time']>0]['life_time'].plot.hist(bins = 100,figsize=(12,6)) plt.xlabel('天数') plt.ylabel('人数') plt.title('生命周期在0天以上的用户分布直方图') life_time[life_time['life_time']>0]['life_time'].mean()
- 去掉生命周期为0的用户,可知
- 用户平均生命周期为300天,生命周期在100天的用户量达到了最大值17人
- 生命周期在100~350天来看,用户量呈现缓慢下降的趋势
- 350~800天左右来看,用户量下降速度明显,存在一定用户流失,而忠诚用户越来越少
d4.各时间段的用户留存率
#pd.cut()函数 np.random.seed(666) #保证每次运行程序产生的随机数都是相同的。 score_list = np.random.randint(25,100,size=3) print(score_list) bins = [0,59,70,80,100] #指定多个区间 score_cut = pd.cut(score_list,bins) score_cut
- 留存率:1-90天有多少留存用户。求出用户的留存天数,比如留存天数==89,属于190天内的留存用户
- 留存天数计算方式:用户每一次的消费时间分别减去用户第一次消费时间
- left:左表,right:右表,how:连接方式,on:连接字段,suffixes:针对相同列名,指定不同的后缀
user_purchase_retention = pd.merge(left=df,right=time_min.reset_index(),how='inner',on='author',suffixes=('','_min')) #计算留存天数 user_purchase_retention['time_diff'] = user_purchase_retention['time']-user_purchase_retention['time_min'] #将time_diff转成数值 user_purchase_retention['time_diff'] = user_purchase_retention['time_diff'].apply(lambda x:x/np.timedelta64(1,'D')) #生成时间跨度(3个月,即90天),判断属于哪个区间 bin = [i*90 for i in range(11)] user_purchase_retention['time_diff_bin'] = pd.cut(user_purchase_retention['time_diff'],bin) #统计每个游客,在不同的时间段内的消费频率和值(便于稍后判断该用户在某个区间内是不是留存用户) pivot_retention = user_purchase_retention.groupby(['author','time_diff_bin'])['frequency'].sum().unstack() #判断是否是留存用户(1:留存,0:未留存) pivot_retention_trans = pivot_retention.fillna(0).applymap(lambda x:1 if x>0 else 0) #留存率 print(pivot_retention_trans.sum()/pivot_retention_trans.count()) (pivot_retention_trans.sum()/pivot_retention_trans.count()).plot.bar() plt.xlabel('时间跨度(天)') plt.ylabel('留存率') plt.title('各时间段内的用户留存率')
- 如图,每个周期是3个月,第一个周期的留存率在2.2%,前三个周期的递减速度在0.3%左右。
- 在第四五个周期的时候趋于平稳,稳定在留存率1.5%左右
- 从第五个周期开始,留存率明显下降,下降到几乎0%,在第四五周期(1年)的时候,需要采取方法将用户留住进行再次消费。
- 如果在跨度为1年的时候,不召回用户,则就会面临大量用户流失的风险。