数据运营-计算留存率和转化率（漏斗分析&Python）

一、案例数据

在数据运营中，留存率分析和转化率（漏斗）分析是经常用到的，本文结合具体案例总结了如何利用python求n日留存率以及各环节间转化率。
指标释义

案例数据集介绍：
本文是利用淘宝app的运营数据进行分析的，数据集中包含以下字段（部分）：

• user_id:用户id
• time:用户行为发生时间
• behavior_type:用户行为类型，具体可分为（1点击、2收藏、3加入购物车以及4支付购买）。

根据time字段可以得到以下特征数据：

• day:用户行为发生日期
• hour:时段
• weekday:周期

数据下载

二、留存率计算

留存用户：在某段时间开始使用产品，经过一段时间后仍然继续使用产品的用户，即为留存用户。
留存率=仍旧使用产品的用户量/最初的总用户量。
根据时间维度进行分类，留存率经常分为次日留存、3日留存、7日留存以及30日留存等。
程序逻辑:

1. 识别出指定日期的新用户集合，记用户量为b
2. 得到第n天用户集合
3. 识别、计算指定日期新用户在第n天仍使用产品的数量，记用户量为a
4. 留存率=a/b

#建立留存函数(里面默认data数据中有day/user_id两个字段数据，day为日期、user_id为用户id)

#导入数据包
import pandas as pd
import numpy as np
from datetime import timedelta

#建立n日留存率计算函数
def cal_retention(data,n): #n为n日留存
    user=[]
    date=pd.Series(data.day.unique()).sort_values()[:-n] #时间截取至最后一天的前n天
    retention_rates=[]
    for i in date:</