「Python」用户消费行为分析

曼亚灿

发布于 2023-05-17 21:44:07

9410

发布于 2023-05-17 21:44:07

文章被收录于专栏：亚灿网志亚灿网志

一个数据分析案例

请注意，本文编写于 297 天前，最后修改于 296 天前，其中某些信息可能已经过时。

预准备

引包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

绘图全局设置

# 行内绘图
# % matplotlib inline
plt.style.use('ggplot')  # 绘图风格
plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文字体

读取数据并整体观察数据结构

In [3]: col = ['user', 'date', 'product', 'amount']
   ...: df_0 = pd.read_table('./data/CDNOW_master.txt', names=col, sep='\s+')  #  sep='\s+ 列于列之间的分隔为至少一个空格
   ...: df = df_0.copy()
   ...: df
    
Out[3]: 
        user      date  product  amount
0          1  19970101        1   11.77
1          2  19970112        1   12.00
2          2  19970112        5   77.00
3          3  19970102        2   20.76
4          3  19970330        2   20.76
...

In [4]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
 #   Column   Non-Null Count  Dtype
---  ------   --------------  -----
 0   user     69659 non-null  int64
 1   date     69659 non-null  int64
 2   product  69659 non-null  int64
 3   amount   69659 non-null  float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB

分析：观察数据结构可得，数据表一共有69659行、4列，且无空行，其中4列包括user（用户索引列）、date（用户消费时间列）、product（购买产品数量列）、amount（购买总金额列）。

数据的预处理

观察date（用户消费时间列）可发现，其时间格式Pandas未能识别，需要手动将其转换成时间格式列（datetime），方便后续操作。

In [5]: df['date'] = pd.to_datetime(df['date'], format='%Y%m%d')

后续数据分析需要按月来操作，因此需要读取date（用户消费时间列）中的月份，

In [6]: df['month'] = df['date'].astype('datetime64[M]')

注意看这里这里从date（用户消费时间列）中获取月份的方式，并没有使用：

In [7]: df['date'].dt.month

为什么呢？使用.dt.month虽然可以获取月份，但是遇到多个年份中提取月份的话就会出现问题，做个简单小对比：

In [8]: demo = pd.DataFrame({
   ...:     'date': ['2022-07-23', '2021-07-23']
   ...: })
   ...: demo['date'] = pd.to_datetime(demo['date'])
   ...: demo['astype'] = demo['date'].astype('datetime64[M]')
   ...: demo['dt.month'] = demo['date'].dt.month
   ...: demo

Out[8]: 
        date     astype  dt.month
0 2022-07-23 2022-07-01         7
1 2021-07-23 2021-07-01         7

由此可以看出，当遇到多个年份有相同月份的时候，使用.dt.month仅仅可以提取出来月份，但是具体是哪一年的7月，确提取不出来，因此其存在着弊端。

数据分析

月统计量分析

按月份统计产品购买数量、消费金额、消费次数以及消费人数。

df.pivot_table(
    index='month',
    aggfunc={
        'user': 'count',  # 每个月的顾客数量（当同一个顾客下多次订单时，都按照新顾客统计）
        'product': 'count',
        'amount': 'sum'
    })

注意：这种聚合分析方法存在的问题就是，如果一个用户一个月内有多条消费记录，那么其每次都会被当作一个新的消费者记录，即通过'user': 'count'聚合得到的是一个月所有消费记录的数量，并不是本月内有多少不同的顾客来过该店里。

那么如何实现统计每个月内有多少顾客（无重复，比如一个顾客一个月内来了10次店里消费，也按成一次处理）来过店里呢，这就需要分组后做一次去重操作。

df.pivot_table(
    index='month',
    aggfunc={
        'user': lambda x: pd.Series.nunique(x), 
        'product': lambda x: x.nunique(), 
        'amount': 'sum'
    })

使用groupby()方法，然后配合聚合函数也可以达到相同的效果：

df.groupby('month')[['user', 'product', 'amount']].agg({
    'user': lambda x: pd.Series.nunique(x),
    'product': lambda x: pd.Series.nunique(x),
    'amount': 'sum'
})

订单商品数量与订单金额关系分析

df[['product', 'amount']].plot(kind='scatter', x='product', y='amount')

由图中可以看出，大部分订单都有趋向于购买价格少、数量少的特征。

用户消费金额占比（贡献度）

重点使用.cumsum()函数。

user_cumsum = df.pivot_table(index='user', values='amount', aggfunc='sum')
user_cumsum = user_cumsum.sort_values(by='amount').reset_index()
user_cumsum['cumsum_per'] = (user_cumsum['amount'].cumsum() / np.sum(user_cumsum['amount'])).apply(
    lambda x: format(x, '.2%'))
user_cumsum.tail(10)

Out[9]: # 消费累计中贡献度最大的十位用户
        user    amount cumsum_per
23560  15162   4234.45     97.56%
23561   3049   4262.85     97.73%
23562    499   4378.55     97.90%
23563  22279   4490.64     98.08%
23564   6569   4968.00     98.28%
23565   7931   6497.18     98.54%
23566  19339   6552.70     98.80%
23567   7983   6973.07     99.08%
23568  14048   8976.33     99.44%
23569   7592  13990.93    100.00%

用户购买行为分析

每天客流量分析

df.pivot_table(index='user', values='date', aggfunc='min').value_counts().sort_index().plot()

用户最后一次消费时间

df.pivot_table(index='user', values='date', aggfunc='max').value_counts().sort_index().plot()

由此图可以发现，在门店开业初期吸引了大量用户，但是大部分用户仅在前期参与活动后，后期便再也没来过。

RFM模型

最近一次消费 (Recency)——date列最大值
消费频率 (Frequency)——product购买商品数量代替
消费金额 (Monetary)——amount消费金额

rfm_model = df.pivot_table(
    index='user',
    # values=['product', 'amount', 'date'],
    aggfunc={
        'product': 'size',
        'amount': 'sum',
        'date': 'max'
    }
)
# 求出R
rfm_model['R'] = df['date'].max() - rfm_model['date']
rfm_model['R'] = rfm_model['R'].dt.days
# 
rfm_model.rename(columns={
    'amount': 'M',
    'product': 'F'
}, inplace=True)
rfm_model.drop('date', axis=1, inplace=True)

根据RFM模型对用户进行分类：

def check_cus_grade(s):
    label = s.apply(lambda x: '1' if x >= 1 else '0')
    label = label['R'] + label['F'] + label['M']
    grade = {
        '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'
    }
    return grade[label]


rfm_model['label'] = rfm_model.apply(lambda x: x - x.mean()).apply(check_cus_grade, axis=1)
rfm_model

RFM模型的可视化：

用户生命周期分析

所谓用户生命周期是指用户第一次消费与最后一次消费的时间间隔。用户最后一次购买日期==第一次购买的日期，说明用户仅仅购买了一次或者用户在同一天内购买了两次。这个时候就需要排除掉仅由一条消费记录的顾客，如果用户仅有一条购买数据，那还谈何生命周期，直接赋值为NaN。

三种不同的实现方法：

# 1、
df.groupby('user').apply(lambda X: X['date'].max() - X['date'].min() if X.shape[0] > 1 else np.NaN)
# 2、
df.groupby('user')['date'].agg(lambda s: (s.max() - s.min()) if len(s) > 1 else np.NaN)

是否多次消费

df.groupby('user').apply(lambda X: 1 if X.shape[0] > 1 else 0).value_counts(normalize=True).plot.pie(autopct='%1.1f%%')
plt.legend(['仅消费一次', '多次消费'])

生命周期分析

user_life_cycle = df.pivot_table(index='user', values='date',
                                 aggfunc=(lambda s: (s.max() - s.min()) if len(s) > 1 else np.NaN))

user_life_cycle.div(np.timedelta64(1, 'D')).plot.hist()
plt.title('所有用户生命周期直方图')
plt.xlabel('生命周期天数')
plt.ylabel('用户人数')

复购率与回购率分析

复购率计算方式：在自然月内，购买多次的用户在总消费人数中的占比（若客户在同一天消费了多次，也称之复购用户）。

user_repurchase_rate = df.pivot_table(index='user', columns='month', values='product', aggfunc='count')

#复购用户：1；非复购的消费用户: 0；自然月没有消费记录的用户: NAN
user_repurchase_rate = user_repurchase_rate.applymap(lambda num: 1 if num > 1 else 0 if num == 1 else np.NaN)

回购率计算方式：在一个时间窗口（一个月）内进行了消费，在下一个窗口内又进行了消费。回购用户：本月消费了，上个月也消费了，记为1；非回购用户：本月消费了，但是上个月未消费，记为0；本月未消费，记为NaN。

def back_purchase(s):
    every_month_status = []
    # 第一个月不会有回购用户
    if s[0] == 1:  # 第一个月消费了
        every_month_status.append(0)  # 记为非回购用户
    else:  # 第一个月未消费
        every_month_status.append(np.NaN)  # 记为NaN

    for i in range(1, len(s)):
        if s[i] == 1:  # 当前月份消费了
            if s[i - 1] == 1:  # 上个月份也消费了
                every_month_status.append(1)  # 回购用户
            else:  # 下个月份未消费
                every_month_status.append(0)  # 非回购用户
        else:  # 当前月份未消费
            every_month_status.append(np.NaN)

    return pd.Series(every_month_status, user_repurchase_rate.columns)

purchase_return = user_repurchase_rate.apply(back_purchase, axis=1)

复购率与回购率的可视化

purchase_return.sum().div(purchase_return.count()).plot(label='回购率')
user_repurchase_rate.sum().div(user_repurchase_rate.count()).plot(label='复购率')
plt.legend()
plt.ylabel('百分比(%)')
plt.title('用户复购率与回购率对比图')

plt.plot(purchase_return.sum(), label='回购人数')
plt.plot(user_repurchase_rate.sum(), label='复购人数')
plt.legend()
plt.ylabel('百分比(%)')
plt.xlabel('month')
plt.title('用户复购人数与回购人数对比图')