商业数据分析实战（酒卷隆志/里洋平）——第三章 案例 A—柱状图:为什么销售额会减少

商业数据分析实战（酒卷隆志/里洋平）——第三章 案例 A—柱状图:为什么销售额会减少

   案例提要：社交游戏的销售额分析
   一款叫做《黑猫拼图》的社交游戏本月的销售额相较于上月有所下滑，于是想调查下滑的原因，并提升销售额，该怎么做呢？

# 加载python所需模块
import pandas as pd
import pandasql
import numpy as np #之后需要用到
import seaborn as sns
import matplotlib as mpl #设置环境变量
import matplotlib.pyplot as plt #绘图专用
from mpl_toolkits.mplot3d import Axes3D #绘制3D图
mpl.rcParams['font.sans-serif'] = ['FangSong']
mpl.rcParams['axes.unicode_minus']=False

现状与预期

       现状：从上图可以看出，和上月相比本月的销售额确实下降了。
       预期：而无论是从市场环境还是游戏本身的状态来看，这个游戏的销售额还有继续增长的空间。也就是说，本来的预期是“希望能够确保和上月相同的销售额”。

发现问题

目的：解析现状与预期差距的构造，明确现状与预期之间的差距在哪？
方法：比较本月与上月有哪些地方不同？
具体步骤：
提出假设：在最初阶段，重要的是从大局出发来考量，而不是局限于数据分析的范畴。例如，可以根据业务经验进行下述假设:
作为可能导致销售额减少的原因，上月和本月的不同之处有以下两点。
       1、在商业宣传上存在问题
       2、每月以不同的主题开展的游戏活动存在问题
验证假设：通过咨询市场部和游戏开发部，得到了以下信息：
       1、由于预算的缘故，和上月相比，本月并没有开展那么多的商业宣传活动。
       2、游戏活动的内容和上月相比几乎没有变动。
根据第 2 条的内容可知，游戏活动的内容相比之前没有大的变化，那么原因很可能是第 1 条假设——“商业宣传力度不够导致了销售额下降”。然后再根据业务知识进行下一步的假设：由于商业宣传活动减少了，因此就很难有更多的人了解公司产品，产品也就很难获得新的用户，新用户的减少导致了销售额的下降。
假设小结：
● 和上月相比，本月的销售额减少了 （事实）
● 本月的商业宣传活动相比上月减少了 （事实）
● 可能是新用户的数量的减少引起 本月的销售额减少（假设）
● 将商业宣传活动恢复到与上月相同的水平（解决方案）
       为了验证假设是否正确，需要通过收集和加工数据进行分析《黑猫拼图》游戏销售额的构成。

数据的收集与加工

收集所需的数据

DAU（Daily Active User，每天至少来访 1 次的用户数据）
DPU（Daily Payment User，每天至少消费 1 日元的用户数据）
Install（记录每个用户首次玩这个游戏的时间的数据）
另外，对于上述 3 部分数据，具体需要收集的内容如下所示

DAU（Daily Active User，每天至少来访 1 次的用户数据）（用户访问数据）

数据内容	字段英文名	数据类型
访问时间	log_data	string
应用名称	app_name	string
用户 ID	user_id	int

DPU（Daily Payment User，每天至少消费 1 日元的用户数据）（用户消费数据）

数据内容	字段英文名	数据类型
消费日期	log_data	string
应用名称	app_name	string
用户 ID	user_id	int
消费额	Payment	int

Install（记录每个用户首次玩这个游戏的时间的数据）

数据内容	字段英文名	数据类型
首次使用日期	log_data	string
应用名称	app_name	string
用户 ID	user_id	int

作为基本的日志数据，这些数据每天都会被累积并存储起来。

收集分析所需的数据

读入分析所需的数据文件

    在确定了分析所需的数据对象后，下一步需要考虑的就是具体的数据收集了。在本例中，各种数据都以 csv 文件的格式保存在服务器上。为了能用分析工具 Python语言来处理这些文件，首先需要读入这些数据。

确认各种数据的格式

   我们需要先确认从 csv 文件中读入的各种数据的内容。

DAU（每天至少来访1次的用户数据）

   原始的 DAU 数据里包含了《黑猫拼图》游戏所有用户的数据。我们以下表中第一行为例来介绍一下数据的内容。
   该行表示“2013 年6 月 1 日 ID 为 116 的《黑猫拼图》游戏用户玩了这个游戏”。每天玩《黑猫拼图》游戏的全部用户的 ID 都在这份数据里。

dau = pd.read_csv("../../data/section3-dau.csv")
dau.head(5)

	log_date	app_name	user_id
0	2013-06-01	game-01	116
1	2013-06-01	game-01	13491
2	2013-06-01	game-01	7006
3	2013-06-01	game-01	117
4	2013-06-01	game-01	13492

DPU（每天至少消费1日元的用户数据）

   DPU 数据仅包含了在游戏中发生消费行为的用户及其消费金额。
   以数据内容的第 1 行为例，它表示“2013 年 6 月 1 日 ID 为 351 的用户支付了 1333 日元”。
   另外，正如上述数据所示，这里保存的是用户从游戏开始到结束所消费的金额，所以当同一个用户同一天多次访问游戏时，每一次的消费金额数据都会被记录下来。

dpu = pd.read_csv("../../data/section3-dpu.csv")
dpu.head(5)

	log_date	app_name	user_id	payment
0	2013-06-01	game-01	351	1333
1	2013-06-01	game-01	12796	81
2	2013-06-01	game-01	364	571
3	2013-06-01	game-01	13212	648
4	2013-06-01	game-01	13212	1142

Install（记录每个用户首次玩这个游戏的时间的数据）

   最后介绍的 Install 数据记录了每个用户于何年何月何日首次玩这个游戏。以上表中第 1 行的数据为例，它表示“ID 为 1 的用户在 2013 年4 月 15 日第一次玩《黑猫拼图》游戏”。

install = pd.read_csv("../../data/section3-install.csv")
install.head(5)

	install_date	app_name	user_id
0	2013-04-15	game-01	1
1	2013-04-15	game-01	2
2	2013-04-15	game-01	3
3	2013-04-15	game-01	4
4	2013-04-15	game-01	5

加工分析所需的数据（前期处理）

   现在我们收集了玩过《黑猫拼图》游戏的用户信息（DAU）、消费信息（DPU）和首次使用日期的信息（Install）。从现在开始我们要对数据进行加工，使其能够应用于数据分析。
   把初始数据加工整理成可供分析的数据，这一过程称为“前期处理”。为了配合各种分析方法，我们需要将数据加工成可供这些分析方法使用的形式。每种分析方法所需的数据格式可能都不一样，这就需要我们根据所使用的分析方法来确定如何加工数据。
   另外，一些数据分析方法对于噪声数据比较敏感。如果使用这类分析方法，那么还需要将噪声数据去除。在本例中，我们的目的是判断“销售额减少是否受到了新用户因素的影响”。
   为了达到这个目的，我们需要对数据进行如下加工。

把用户信息数据（DAU）和首次使用的日期数据（Install）相结合

   为了得到某一天首次玩《黑猫拼图》游戏的人数，我们需要将用户ID 作为 key，把具有相同用户 ID 的用户信息和 Install 数据结合起来。