Python数据分析可视化案例——用户优惠券使用情况（下）

是否退货用户使用优惠券情况

  根据数据集分别绘制退货、不退货用户使用优惠券情况饼图如下：

  其中，没有退货记录的用户使用优惠券的占比为16.84%，不使用优惠券占比为83.16%，有退货记录用户使用优惠券占比为7.55%，不使用优惠券占比为92.45%。 说明，有退货记录的人使用优惠券的频率较低，没有退货记录退货的用户更倾向于使用优惠券。

  表明这些不退货的用户是网购能力较强的用户，因此，他们更加容易买到符合自己心意的产品，会对自己付出的每一笔钱都精打细算，会关注优惠券活动，因此使用优惠券的频率比较高。同样，不退货用户优惠券使用率较高可能是因为该用户在购买商品时使用了优惠券，觉得自己在该商品上占到了便宜，对商品的质量要求不就会很高，因此选择不退货。

用信用卡支付用户的优惠券使用情况

   其中，不使用信用卡支付用户使用优惠券的占比为6.89%，使用信用卡支付用户使用优惠券的占比为13%，说明使用贷款购物的客户更有可能使用优惠来进行消费。

  将所有用户过去6个月优惠券使用情况绘制直方图，如下图

  可以看出在过去6个月里面用户使用优惠券的数量集中在0-6次之间，大部分用户集中在1-5次之间，少部分用户6次以上，用户在过去6个月里面最多有购买30次的。

过去1个月使用优惠券情况

  可以看出在过去1个月里面用户使用优惠券的数量集中在0-4次之间，大部分用户集中在0-2次之间，少部分用户2次以上，用户在过去1个月里面最多有购买7 次的。

总结

（1）平台可以多关注老年人，单身人士，离婚人士，以及最近一个月使用优惠券，职业为蓝领，学生这类客户群。这类客户使用优惠券的频率较高，可以通过提供全面，及时的优惠券信息，提高他们使用优惠券并进行消费的可能性。

（2）提高产品质量，从而减少客户退货行为，提高客户使用优惠券的意愿，增加消费行为。

（3）关注客户贷款支付的情况，虽然用贷款支付在一定程度上提高了客户的购买力，但是贷款支付出现违约的客户在该次活动中再次使用优惠券的概率降低。