③ 绘制不同类型客户累计消费金额
df3 = df2.groupby("标签").agg({"M":"sum"}) df3["M"] = df3["M"].apply(lambda x:round(x)) df3["不同客户的占比"] = df3["M"].apply(lambda x:x/np.sum(df3["M"])) df3 = df3.sort_values(by="M",ascending=True) plt.figure(figsize=(6,4),dpi=100) x = df3.index y = df3["M"] plt.barh(x,height=0.5,width=y,align="center") plt.title("不同类型客户累计消费金额") for x,y in enumerate(y): plt.text(y+45000,x,y,ha="center",va="center",fontsize=14) plt.xticks(np.arange(0,700001,100000)) plt.tight_layout() plt.savefig("不同类型客户累计消费金额",dpi=300)
结果如下：
④ 绘制不同类型客户金额占比图
df3 = df2.groupby("标签").agg({"M":"sum"}) df3["M"] = df3["M"].apply(lambda x:round(x)) df3["不同客户的占比"] = df3["M"].apply(lambda x:x/np.sum(df3["M"])) df3 = df3.sort_values(by="M",ascending=True) plt.figure(figsize=(7,4),dpi=100) x = df3["不同客户的占比"] labels = ['潜力客户', '一般客户', '重要价值客户', '重要唤回客户', '重要深耕客户', '新客户', '重要挽回客户', '流失客户'] colors = ['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555','deeppink','yellowgreen','lightskyblue'] explode = [0,0,0,0,0,0,0,0] patches,l_text= plt.pie(x,labels=labels,colors=colors, explode=explode,startangle=90,counterclock=False) for t in l_text: t.set_size(0) plt.axis("equal") plt.legend(loc=(0.001,0.001),frameon=False) plt.title("不同类型客户金额占比图") plt.savefig("不同类型客户金额占比图",dpi=300)
结果如下：
5）结论
① 通过上面的可视化展示可以发现，重要挽回客户7102人，虽然只占总人数的28%，但是他们的累计消费金额却是最高的，达到了639763元。重要挽回客户指的是“做出最大购买，但很久没有回来购买”，这一部分人已经濒临流失边缘，极大可能会流失，但是这一部分人对于公司的实际贡献来说，具有很大价值。因此可以采取重点联系或拜访的形式，调查回购率低的原因，从而提高留存率。
② 通过上面的可视化展示可以发现，新客户5002人，也占总人数的20%，他们的累计消费金额也达到了134085元。这一部分人最近有交易，交易频率不高，金额小，很容易丢失，但是有推广价值。针对这一部分群体，我们可以采取社区活动这种形式，提供免费试用产品，提高客户兴趣，对于创建品牌知名度很有必要。
③ 通过上面的可视化展示可以发现，流失客户8601人，具有最大占比34%，他们的累计消费金额也达到了200854元。流失客户表示最后一次购买的时间很长，金额小，订单数少，属于冬眠客户。针对上面的新客户和这里的流失客户的处理有两种办法，如果说这部分人的消费金额较大，对公司的价值较大，就需要想办法恢复这部分客户的兴趣；如果说这部分人的消费金额较小，暂时放弃无价值用户，主要将运营的中心放在如何留住核心收入来源的客户群体之上，以及通过各种方式召回“重要挽回客户”。
