用户消费行为分析

Posted 2021-12-20 xyplus1128

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_id 用户ID
• order_dt :购买日期
• order_products : 购买的产品数量
• order_amount : 购买金额

      数据：点我获取数据       提取码 : h2s4

分析思路：

0、数据预处理

1、数据按月分析

2、用户个体消费分析

3、用户消费分析

4、复购率、回购率分析

 

0、数据预处理

导入常用的库

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
plt.rcParams[‘axes.unicode_minus‘]=False #用来正常显示负号

导入数据,设置相应的字段

columns = [‘user_id‘,‘order_dt‘,‘order_products‘,‘order_amount‘]
data = pd.read_table(‘D://CDNOW_master.txt‘,names=columns,sep=‘\\s+‘)
# 查看数据
data.head()

# 数据字段  

# user_id 用户ID
# order_dt: 购买日期
# order_products: 购买产品数
# order_amount: 购买金额

 

　　数据的大概格式

# 大概格式了解
data.info()

 

数据中没有缺失值，order_dt列数据类型是int,需要进一步转换成datetime类型

 

 

data[‘order_dt‘] = pd.to_datetime(data.order_dt,format=‘%Y%m%d‘)
# 新增一列月份 （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]‘)

 

修改完数据格式后查看order_dt列的格式

# describe是描述统计
data.describe()

• 观察数据，用户平均订单数量为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
• 用户消费额均值为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、按月进数据分析

每月的消费总金额

每月的消费次数

每月的购买产品总数

每月的消费用户数 

 

# 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‘)
# drop_duplicates去重功能
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

图一：消费总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：产品购买数量  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
# query 用于数据框选列
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)

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.order_dt.max().value_counts().plot()
# value_counts计算有哪些不同值，并计算每个值有多少个重复值

 

• 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()

True 第一次购买时间和最后一次购买时间一样，有一半用户只消费了一次

rate = (user_life[‘min‘] == user_life[‘max‘]).value_counts()
# 定义饼图的标签，标签是列表，每个标签多大会自动去算
labels = [‘只消费一次用户‘,‘多次消费用户‘]
plt.axis(‘equal‘) # 设置x,y轴刻度一致，这样才会是圆的
plt.pie(rate,explode=(0,0.15),labels=labels,autopct=‘%2.1f%%‘,startangle=90,colors=[‘r‘,‘orange‘],radius=1.5)
# autopct，圆里面的文本格式，%2.1f%%代表整数有两位，小数有一位
#startangle，起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看

# 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‘)  除以1天的事件，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, # 百分比占比距离圆心的位置0.9半径
       labeldistance = 1.2, # 标签离圆心的位置1.2半径
       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，大部分用户为一般挽留客户，但是这是由于极值的影响，所以RFM的划分应该以业务为主

• 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，每月的用户消费转变

活跃用户，持续消费的用户，对应的是消费质量

回流用户，之前是不消费的本月才消费，采取唤回运营

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  
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)

(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