淘宝用户行为分析——用户画像

最新推荐文章于 2024-07-08 19:20:23 发布
最新推荐文章于 2024-07-08 19:20:23 发布
阅读量1.2w 收藏 186
点赞数 15
文章标签： 数据分析 python 大数据 mysql sql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Ylin_1112/article/details/107737821
版权

文章目录

一、数据介绍

数据集是淘宝一个月的用户行为数据，数据包括user_id，item_id，behavior_type，user_geohash，item_category，time六个字段，共有100多万条记录，考虑数据集太大，为了提高运行效率，只随机抽取20%的数据；另外，由于数据集的局限，此项目的画像标签只是庞大用户画像的一部分，基于已有的数据集进行制作。

#导入库
%matplotlib inline
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import gc
import warnings
warnings.filterwarnings('ignore')
from datetime import datetime

#导入数据集
df_orginal = pd.read_csv('/home/kesci/input/mydata9388/taobao_persona.csv')

二、数据预处理

2.1 数据抽样

#数据集太大，为了提高运行效率，只随机抽取20%的数据
df = df_orginal.sample(frac=0.2,random_state=None)

#回收内存
del df_orginal
gc.collect()

2.2 缺失值处理

df.info()

<class ‘pandas.core.frame.DataFrame’>
Int64Index: 4658205 entries, 13077081 to 21758719
Data columns (total 6 columns):
user_id int64
item_id int64
behavior_type int64
user_geohash object
item_category int64
time object
dtypes: int64(4), object(2)
memory usage: 248.8+ MB

df.shape

(4658205, 6)

#查看各字段的缺失值数量
df.isnull().sum()

user_id 0
item_id 0
behavior_type 0
user_geohash 3183516
item_category 0
time 0
dtype: int64

  • 只有user_geohash有缺失值，且缺失的比例很高，无统计分析的意义，将此列删除
df.drop('user_geohash',axis=1,inplace=True)

2.3 日期与时段处理

#将time字段拆分为日期和时段
df['date'] = df['time'].str[0:10]
df['date'] = pd.to_datetime(df['date'],format='%Y-%m-%d')
df['time'] = df['time'].str[11:]
df['time'] = df['time'].astype(int)
#将时段分为'凌晨'、'上午'、'中午'、'下午'、'晚上'
df['hour'] = pd.cut(df['time'],bins=[-1,5,10,13,18,24],labels=['凌晨','上午','中午','下午','晚上'])

2.4 制作用户标签表

#生成用户标签表，制作好的标签都加入这个表中
users = df['user_id'].unique()
labels = pd.DataFrame(users,columns=['user_id'])

三、用户行为标签

3.1 用户浏览活跃时间段

#对用户和时段分组，统计浏览次数
time_browse = df[df['behavior_type']==1].groupby(['user_id','hour']).item_id.count().reset_index()

time_browse.rename(columns={'item_id':'hour_counts'},inplace=True)

#统计每个用户浏览次数最多的时段
time_browse_max = time_browse.groupby('user_id').hour_counts.max().reset_index()
time_browse_max.rename(columns={'hour_counts':'read_counts_max'},inplace=True)
time_browse = pd.merge(time_browse,time_browse_max,how='left',on='user_id')
#选取各用户浏览次数最多的时段，如有并列最多的时段，用逗号连接
time_browse_hour = time_browse.loc[time_browse['hour_counts']==time_browse['read_counts_max'],'hour'].groupby(time_browse['user_id']).aggregate(lambda x:','.join(x)).reset_index()

time_browse_hour.head()
user_idhour
0492晚上
13726晚上
219137晚上
336465下午
437101下午
#将用户浏览活跃时间段加入到用户标签表中
labels = pd.merge(labels,time_browse_hour,how='left',on='user_id')
labels.rename(columns={'hour':'time_browse'},inplace=True)

3.2 用户购买活跃时间段

#生成逻辑与浏览活跃时间段相同
time_buy = df[df['behavior_type']==4].groupby(['user_id','hour']).item_id.count().reset_index()
time_buy.rename(columns={'item_id':'hour_counts'},inplace=True)
time_buy_max = time_buy.groupby('user_id').hour_counts.max().reset_index()
time_buy_max.rename(columns={'hour_counts':'buy_counts_max'},inplace=True)
time_buy = pd.merge(time_buy,time_buy_max,how='left',on='user_id')
time_buy_hour = time_buy.loc[time_buy['hour_counts']==time_buy['buy_counts_max'],'hour'].groupby(time_buy['user_id']).aggregate(lambda x:','.join(x)).reset_index()

time_buy_hour.head()
user_idhour
038745中午
145561上午，中午
253394晚上
359436晚上
4100605凌晨
#将用户购买活跃时间段加入到用户标签表中
labels = pd.merge(labels,time_buy_hour,how='left',on='user_id')
labels.rename(columns={'hour':'time_buy'},inplace=True)

del time_browse
del time_buy
del time_browse_hour
del time_browse_max
del time_buy_hour
del time_buy_max
gc.collect()

168

3.3 关于类目的用户行为

df_browse = df.loc[df['behavior_type']==1,['user_id','item_id','item_category']]
df_collect = df.loc[df['behavior_type']==2,['user_id','item_id','item_category']]
df_cart = df.loc[df['behavior_type']==3,['user_id','item_id','item_category']]
df_buy = df.loc[df['behavior_type']==4,['user_id','item_id','item_category']]

3.3.1 浏览最多的类目

#对用户与类目进行分组，统计浏览次数
df_cate_most_browse = df_browse.groupby(['user_id','item_category']).item_id.count().reset_index()

df_cate_most_browse.rename(columns={'item_id':'item_category_counts'},inplace=True)

#统计每个用户浏览次数最多的类目
df_cate_most_browse_max = df_cate_most_browse.groupby('user_id').item_category_counts.max().reset_index()
df_cate_most_browse_max.rename(columns={'item_category_counts':'item_category_counts_max'},inplace=True)
df_cate_most_browse = pd.merge(df_cate_most_browse,df_cate_most_browse_max,how='left',on='user_id')
df_cate_most_browse['item_category'] = df_cate_most_browse['item_category'].astype(str)

#选取各用户浏览次数最多的类目，如有并列最多的类目，用逗号连接
df_cate_browse = df_cate_most_browse.loc[df_cate_most_browse['item_category_counts']==df_cate_most_browse['item_category_counts_max'],'item_category'].groupby(df_cate_most_browse['user_id']).aggregate(lambda x:','.join(x)).reset_index()
df_cate_browse.head()
user_iditem_category
04926344
137265027
2191373695,3942
33646512997
4371011863
#将用户浏览最多的类目加入到用户标签表中
labels = pd.merge(labels,df_cate_browse,how='left',on='user_id')
labels.rename(columns={'item_category':'cate_most_browse'},inplace=True)

3.3.2 收藏最多的类目

#生成逻辑与浏览最多的类目相同
df_cate_most_collect = df_collect.groupby(['user_id','item_category']).item_id.count().reset_index()
df_cate_most_collect.rename(columns={'item_id':'item_category_counts'},inplace=True)
df_cate_most_collect_max = df_cate_most_collect.groupby('user_id').item_category_counts.max().reset_index()
df_cate_most_collect_max.rename(columns={'item_category_counts':'item_category_counts_max'},inplace=True)
df_cate_most_collect = pd.merge(df_cate_most_collect,df_cate_most_collect_max,how='left',on='user_id')
df_cate_most_collect['item_category'] = df_cate_most_collect['item_category'].astype(str)
df_cate_collect = df_cate_most_collect.loc[df_cate_most_collect['item_category_counts']==df_cate_most_collect['item_category_counts_max'],'item_category'].groupby(df_cate_most_collect['user_id']).aggregate(lambda x:','.join(x)).reset_index()

df_cate_collect.head()
user_iditem_category
03646512997
13874510523
2455613783
35943611159
460723354,2939,6900,8270,8665,10242,11304,11991
labels = pd.merge(labels,df_cate_collect,how='left',on='user_id')
labels.rename(columns={'item_category':'cate_most_collect'},inplace=True)

3.3.3 加购最多的类目

#生成逻辑与浏览最多的类目相同
df_cate_most_cart = df_cart.groupby(['user_id','item_category']).item_id.count().reset_index()
df_cate_most_cart = df_cart.groupby(['user_id','item_category']).item_id.count().reset_index()
df_cate_most_cart.rename(columns={'item_id':'item_category_counts'},inplace=True)
df_cate_most_cart_max = df_cate_most_cart.groupby('user_id').item_category_counts.max().reset_index()
df_cate_most_cart_max.rename(columns={'item_category_counts':'item_category_counts_max'},inplace=True)
df_cate_most_cart = pd.merge(df_cate_most_cart,df_cate_most_cart_max,how='left',on='user_id')
df_cate_most_cart['item_category'] = df_cate_most_cart['item_category'].astype(str)
df_cate_cart = df_cate_most_cart.loc[df_cate_most_cart['item_category_counts']==df_cate_most_cart['item_category_counts_max'],'item_category'].groupby(df_cate_most_cart['user_id']).aggregate(lambda x:','.join(x)).reset_index()

df_cate_cart.head()
user_iditem_category
037266000
1371016344
2455611863,6648
3594362754
46179713230
labels = pd.merge(labels,df_cate_cart,how='left',on='user_id')
labels.rename(columns={'item_category':'cate_most_cart'},inplace=True)

3.3.4 购买最多的类目

#生成逻辑与浏览最多的类目相同
df_cate_most_buy = df_buy.groupby(['user_id','item_category']).item_id.count().reset_index()
df_cate_most_buy = df_buy.groupby(['user_id','item_category']).item_id.count().reset_index()
df_cate_most_buy.rename(columns={'item_id':'item_category_counts'},inplace=True)
df_cate_most_buy_max = df_cate_most_buy.groupby('user_id').item_category_counts.max().reset_index()
df_cate_most_buy_max.rename(columns={'item_category_counts':'item_category_counts_max'},inplace=True)
df_cate_most_buy = pd.merge(df_cate_most_buy,df_cate_most_buy_max,how='left',on='user_id')
df_cate_most_buy['item_category'] = df_cate_most_buy['item_category'].astype(str)
df_cate_buy = df_cate_most_buy.loc[df_cate_most_buy['item_category_counts']==df_cate_most_buy['item_category_counts_max'],'item_category'].groupby(df_cate_most_buy['user_id']).aggregate(lambda x:','.join(x)).reset_index()

df_cate_buy.head()
user_iditem_category
03874510556
1455616717,10559
25339413500
3594364370
4100605930,3783,11455
labels = pd.merge(labels,df_cate_buy,how='left',on='user_id')
labels.rename(columns={'item_category':'cate_most_buy'},inplace=True)

del df_browse
del df_collect
del df_cart
del df_buy
del df_cate_most_browse
del df_cate_most_collect
del df_cate_most_buy
del df_cate_most_cart
del df_cate_most_browse_max
del df_cate_most_collect_max
del df_cate_most_cart_max
del df_cate_most_buy_max
del df_cate_browse
del df_cate_collect
del df_cate_cart
del df_cate_buy
gc.collect(0)

112

3.4 30天用户行为

  • 数据集中的数据正好是一个月，30天的数据即整个数据集的数据

3.4.1 近30天购买次数

#将购买行为按用户进行分组，统计次数
df_counts_30_buy = df[df['behavior_type']==4].groupby('user_id').item_id.count().reset_index()

df_counts_30_buy.head()
user_iditem_id
0387452
1455612
2533941
3594364
41006053
labels = pd.merge(labels,df_counts_30_buy,how='left',on='user_id')
labels.rename(columns={'item_id':'counts_30_buy'},inplace=True)

3.4.2 近30天加购次数

#将加购行为按用户进行分组，统计次数
df_counts_30_cart = df[df['behavior_type']==3].groupby('user_id').item_id.count().reset_index()

df_counts_30_cart.head()
user_iditem_id
037261
1371011
24556122
3594369
4617975
labels = pd.merge(labels,df_counts_30_cart,how='left',on='user_id')
labels.rename(columns={'item_id':'counts_30_cart'},inplace=True)

3.4.3 近30天活跃天数

#对用户进行分组，统计活跃的天数，包括浏览、收藏、加购、购买
counts_30_active = df.groupby('user_id')['date'].nunique()

counts_30_active.head()

user_id
492 11
3726 15
19137 6
36465 7
37101 19
Name: date, dtype: int64

labels = pd.merge(labels,counts_30_active,how='left',on='user_id')
labels.rename(columns={'date':'counts_30_active'},inplace=True)

del df_counts_30_buy
del df_counts_30_cart
del counts_30_active
gc.collect()

238

3.5 7天用户行为

#数据集中的最后日期是12月18号，统计11号之后的用户行为
df_near_7 = df[df['date']>datetime.strptime('2014-12-11', '%Y-%m-%d')]

3.5.1 近7天购买次数

df_counts_7_buy = df_near_7[df_near_7['behavior_type']==4].groupby('user_id').item_id.count().reset_index()

df_counts_7_buy.head()
user_iditem_id
0455612
1594361
21006052
31008901
41316942
labels = pd.merge(labels,df_counts_7_buy,how='left',on='user_id')
labels.rename(columns={'item_id':'counts_7_buy'},inplace=True)

3.5.2 近7天加购次数

df_counts_7_cart = df_near_7[df_near_7['behavior_type']==3].groupby('user_id').item_id.count().reset_index()

df_counts_7_cart.head()
user_iditem_id
037261
1455619
2594367
31006052
41316943
labels = pd.merge(labels,df_counts_7_cart,how='left',on='user_id')
labels.rename(columns={'item_id':'counts_7_cart'},inplace=True)

3.5.3 近7天活跃天数

counts_7_active = df_near_7.groupby('user_id')['date'].nunique()

counts_7_active.head()

user_id
492 4
3726 5
19137 1
36465 2
37101 5
Name: date, dtype: int64

labels = pd.merge(labels,counts_7_active,how='left',on='user_id')
labels.rename(columns={'date':'counts_7_active'},inplace=True)

del df_counts_7_buy
del df_counts_7_cart
del counts_7_active
gc.collect()

112

3.6 最后一次行为距今天数

3.6.1 上次浏览距今天数

days_browse = df[df['behavior_type']==1].groupby('user_id')['date'].max().apply(lambda x:(datetime.strptime('2014-12-19','%Y-%m-%d')-x).days)

days_browse.head()

user_id
492 1
3726 1
19137 7
36465 3
37101 3
Name: date, dtype: int64

labels = pd.merge(labels,days_browse,how='left',on='user_id')

labels.rename(columns={'date':'days_browse'},inplace=True)

3.6.2 上次加购距今天数

days_cart = df[df['behavior_type']==3].groupby('user_id')['date'].max().apply(lambda x:(datetime.strptime('2014-12-19','%Y-%m-%d')-x).days)

days_cart.head()

user_id
3726 1
37101 8
45561 1
59436 4
61797 18
Name: date, dtype: int64

labels = pd.merge(labels,days_cart,how='left',on='user_id')
labels.rename(columns={'date':'days_cart'},inplace=True)

3.6.3上次购买距今天数

days_buy = df[df['behavior_type']==4].groupby('user_id')['date'].max().apply(lambda x:(datetime.strptime('2014-12-19','%Y-%m-%d')-x).days)

days_buy.head()

user_id
38745 23
45561 6
53394 22
59436 7
100605 7
Name: date, dtype: int64

labels = pd.merge(labels,days_buy,how='left',on='user_id')
labels.rename(columns={'date':'days_buy'},inplace=True)

del days_browse
del days_buy
del days_cart
gc.collect()

42

3.7 最近两次购买间隔天数

df_interval_buy = df[df['behavior_type']==4].groupby(['user_id','date']).item_id.count().reset_index()

interval_buy = df_interval_buy.groupby('user_id')['date'].apply(lambda x:x.sort_values().diff(1).dropna().head(1)).reset_index()

interval_buy['date'] = interval_buy['date'].apply(lambda x : x.days)

interval_buy.drop('level_1',axis=1,inplace=True)

interval_buy.rename(columns={'date':'interval_buy'},inplace=True)

interval_buy.head()
user_idinterval_buy
0594362
11006053
21063622
31316943
41379079
labels = pd.merge(labels,interval_buy,how='left',on='user_id')

del df_interval_buy
gc.collect()

70

3.8是否浏览未下单

df_browse_buy = df.loc[(df['behavior_type']==1) | (df['behavior_type']==4),['user_id','item_id','behavior_type','time']]

browse_not_buy = pd.pivot_table(df_browse_buy,index=['user_id','item_id'],columns=['behavior_type'],values=['time'],aggfunc=['count'])

browse_not_buy.columns = ['browse','buy']

browse_not_buy.fillna(0,inplace=True)

browse_not_buy['browse_not_buy'] = 0

browse_not_buy.loc[(browse_not_buy['browse']>0) & (browse_not_buy['buy']==0),'browse_not_buy'] = 1

browse_not_buy = browse_not_buy.groupby('user_id')['browse_not_buy'].sum().reset_index()

browse_not_buy.head()
user_idbrowse_not_buy
049234
1372668
21913710
33646512
437101118
labels = pd.merge(labels,browse_not_buy,how='left',on='user_id')

labels['browse_not_buy'] = labels['browse_not_buy'].apply(lambda x: '是' if x>0 else '否')

3.9 是否加购未下单

df_cart_buy = df.loc[(df['behavior_type']==3) | (df['behavior_type']==4),['user_id','item_id','behavior_type','time']]
cart_not_buy = pd.pivot_table(df_cart_buy,index=['user_id','item_id'],columns=['behavior_type'],values=['time'],aggfunc=['count'])
cart_not_buy.columns = ['cart','buy']
cart_not_buy.fillna(0,inplace=True)
cart_not_buy['cart_not_buy'] = 0
cart_not_buy.loc[(cart_not_buy['cart']>0) & (cart_not_buy['buy']==0),'cart_not_buy'] = 1
cart_not_buy = cart_not_buy.groupby('user_id')['cart_not_buy'].sum().reset_index()

cart_not_buy.head()
user_idcart_not_buy
037261
1371011
2387450
34556122
4533940
labels = pd.merge(labels,cart_not_buy,how='left',on='user_id')
labels['cart_not_buy'] = labels['cart_not_buy'].apply(lambda x: '是' if x>0 else '否')

四、 用户属性标签

4.1 是否复购用户

buy_again = df[df['behavior_type']==4].groupby('user_id')['item_id'].count().reset_index()

buy_again.rename(columns={'item_id':'buy_again'},inplace=True)

buy_again.head()
user_idbuy_again
0387452
1455612
2533941
3594364
41006053
labels = pd.merge(labels,buy_again,how='left',on='user_id')

labels['buy_again'].fillna(-1,inplace=True)
#未购买的用户标记为‘未购买’，有购买未复购的用户标记为‘否’，有复购的用户标记为‘是’
labels['buy_again'] = labels['buy_again'].apply(lambda x: '是' if x>1 else  '否' if x==1 else '未购买')

4.2 访问活跃度

user_active_level = labels['counts_30_active'].value_counts().sort_index(ascending=False)

plt.figure(figsize=(16,9))
user_active_level.plot(title='30天内访问次数与访问人数的关系',fontsize=18)
plt.ylabel('访问人数',fontsize=14)
plt.xlabel('访问次数',fontsize=14)

Text(0.5, 0, ‘访问次数’)
在这里插入图片描述
**分析：**14次左右是个拐点，因此定义购买次数小于等于14次为低活跃，大于14次为高活跃，此定义只是从用户的分布角度出发，工作中当从业务出发定义是否活跃。

labels['buy_active_level'] = '高'
labels.loc[labels['counts_30_buy']<=14,'buy_active_level'] = '低'

4.3 购买的品类是否单一

buy_single = df[df['behavior_type']==4].groupby('user_id').item_category.nunique().reset_index()

buy_single.rename(columns={'item_category':'buy_single'},inplace=True)

labels = pd.merge(labels,buy_single,how='left',on='user_id')
labels['buy_single'].fillna(-1,inplace=True)
labels['buy_single'] = labels['buy_single'].apply(lambda x: '是' if x>1 else  '否' if x==1 else '未购买' )

4.4 用户价值分组（RFM）

last_buy_days = labels['days_buy'].value_counts().sort_index()

plt.figure(figsize=(16,9))
last_buy_days.plot(title='最后一次购买距今天数与购买人数的关系',fontsize=18)
plt.ylabel('购买人数',fontsize=14)
plt.xlabel('距今天数',fontsize=14)

Text(0.5, 0, ‘距今天数’)
在这里插入图片描述
注：访问异常的那天为双12

labels['buy_days_level'] = '高'
labels.loc[labels['days_buy']>8,'buy_days_level'] = '低'

labels['rfm_value'] = labels['buy_active_level'].str.cat(labels['buy_days_level'])

def trans_value(x):
    if x == '高高':
        return '重要价值客户'
    elif x == '低高':
        return '重要深耕客户'
    elif x == '高低':
        return '重要唤回客户'
    else: 
        return '即将流失客户'

labels['rfm'] = labels['rfm_value'].apply(trans_value)
labels.drop(['buy_days_level','rfm_value'],axis=1,inplace=True)
labels['rfm'].value_counts()

重要深耕客户 7167
重要价值客户 7142
即将流失客户 5631
重要唤回客户 16
Name: rfm, dtype: int64

user_idtime_browsetime_buycate_most_browsecate_most_collectcate_most_cartcate_most_buycounts_30_buycounts_30_cartcounts_30_active…days_cartdays_buyinterval_buybrowse_not_buycart_not_buybuy_againuser_active_levelbuy_active_levelbuy_singlerfm
034517089中午上午11241118246036031.03.024…18.018.0NaN是是否高低否即将流失客户
1136592808下午下午70981087979577957,9772,127533.05.021…6.02.01.0是是是高低是重要深耕客户
2117599174上午凌晨,上午,下午,晚上589460546936,8291,91022949,5550,10258,129824.03.025…2.07.04.0是是是高低是重要深耕客户
338516732晚上下午969337839397,139261050011.041.029…2.02.03.0是是是高低是重要深耕客户
429120381晚上NaN6513NaN3944NaNNaN4.013…2.0NaNNaN是是未购买低高未购买重要价值客户

接下来是对用户画像的详细分析，包括用户个性化标签、用户偏好标签、群体偏好标签，涉及到TF-IDF算法、余弦相似度算法

  • 首先，对数据进行预处理
#提取日期
df_orginal['time'] = df_orginal['time'].str[0:10]
#填充字段'user_geohash'，作为下一步groupby的计数字段
df_orginal['user_geohash'].fillna('1',inplace=True)
#对所有数据按'user_id','item_id','behavior_type','item_category','time'进行分组
df = df_orginal.groupby(['user_id','item_id','behavior_type','item_category','time'])['user_geohash'].count().reset_index()
df.rename(columns={'user_geohash':'behavior_count'},inplace=True)
df.head()
user_iditem_idbehavior_typeitem_categorytimebehavior_count
0492254885163442014-12-079
1492254885363442014-12-071
2492254885463442014-12-071
34922316002162472014-12-093
44923473697124132014-12-122
#回收内存
del df_orginal
gc.collect()
df['time'] = pd.to_datetime(df['time'])

五、用户个性化标签

5.1 应用TF-IDF算法计算标签权重

# 计算每个用户身上每个标签的个数
df_tag_weight_tfidf_01_01 = df.groupby(['user_id','item_id'])['time'].count().reset_index()
df_tag_weight_tfidf_01_01.rename(columns={'time':'weight_m_p'},inplace=True)

# 计算每个用户身上的标签总数
df_tag_weight_tfidf_01_02 = df.groupby(['user_id'])['time'].count().reset_index()
df_tag_weight_tfidf_01_02.rename(columns={'time':'weight_m_s'},inplace=True)
df_tag_weight_tfidf_01 = pd.merge(df_tag_weight_tfidf_01_01,df_tag_weight_tfidf_01_02,how='left',on='user_id')
# 每个标签的行为数
df_tag_weight_tfidf_02 = df_tag_weight_tfidf_01.groupby(['item_id']).weight_m_p.sum().reset_index()
df_tag_weight_tfidf_02.rename(columns={'weight_m_p':'weight_w_p'},inplace=True)
# 所有标签的总和
df_tag_weight_tfidf_02['weight_w_s'] = df_tag_weight_tfidf_01['weight_m_p'].sum()
df_tag_weight_tfidf_03 = pd.merge(df_tag_weight_tfidf_01,df_tag_weight_tfidf_02,how='left',on='item_id')

# 应用TF-IDF计算标签权重
df_tag_weight_tfidf_03['tfidf_ratio'] = (df_tag_weight_tfidf_03['weight_m_p']/df_tag_weight_tfidf_03['weight_m_s'])*(np.log10(df_tag_weight_tfidf_03['weight_w_s']/df_tag_weight_tfidf_03['weight_w_p']))
df = pd.merge(df,df_tag_weight_tfidf_03[['user_id','item_id','tfidf_ratio']],how='left',on=['user_id','item_id']).reset_index(drop=True)

del df_tag_weight_tfidf_01_01
del df_tag_weight_tfidf_01_02
del df_tag_weight_tfidf_01
del df_tag_weight_tfidf_02
del df_tag_weight_tfidf_03
gc.collect()

101

5.2 建立行为类型权重维表

浏览行为，权重0.3
收藏行为，权重0.5
加购行为，权重1
购买行为，权重1.5

df['act_weight_plan'] = 0.3
df.loc[df['behavior_type']==2,'act_weight_plan']=0.5
df.loc[df['behavior_type']==3,'act_weight_plan']=1
df.loc[df['behavior_type']==4,'act_weight_plan']=1.5

5.3 计算用户标签权重

#标签权重衰减函数
#本项目中，加购行为的权重不随着时间的增长而衰减，而购买、浏览、收藏随着时间的推移，其对当前的参考性越来越弱，因此权重会随着时间的推移越来越低
def weight_time_reduce(act_date):
    date_interval = datetime.strptime('2014-12-19', '%Y-%m-%d') - act_date
    date_interval = date_interval.days
    time_reduce_ratio = np.exp(date_interval*(-0.1556))
    return time_reduce_ratio
df['time_reduce_ratio'] = 1
df.loc[df['behavior_type']!=3,'time_reduce_ratio'] = df.loc[df['time_reduce_ratio']!=3,'time'].apply(lambda x:weight_time_reduce(x))

# 标签总权重 = 行为类型权重*衰减系数*行为数*TFIDF标签权重
df['act_weight'] = df['act_weight_plan']*df['time_reduce_ratio']*df['behavior_count']*df['tfidf_ratio']
df.head(5)
user_iditem_idbehavior_typeitem_categorytimebehavior_counttfidf_ratioact_weight_plantime_reduce_ratioact_weight
0492254885163442014-12-0790.1493190.30.1545560.062311
1492254885363442014-12-0710.1493191.01.0000000.149319
2492254885463442014-12-0710.1493191.50.1545560.034617
34922316002162472014-12-0930.0629620.30.2109780.011955
44923473697124132014-12-1220.0602740.30.3364860.012169

六、用户偏好标签

# 要计算两两标签的相似性，计算量太大，服务器性能有限，在此只选取有过购买的标签
user_tag_public = df[df['behavior_type']==4]
user_tag_01 = user_tag_public[['user_id','item_id']]
#user_tag_02 = df.loc[df['behavior_type']==4,['user_id','item_id']]

6.1 计算两两标签共同对应的用户数

# 将两表正交，得到每个用户下，其所有标签的的两两组合
user_tag_02 = pd.merge(user_tag_01,user_tag_01,on='user_id')

# 删除重复值，即同一用户由上述正交得到的数据表中，两个标签为同一标签的数据
user_tag_03 = user_tag_02.drop(labels=user_tag_02[user_tag_02['item_id_x']==user_tag_02['item_id_y']].index,axis=0)
# 用两个标签分组，计算用户数，即每两个标签同时出现在不同的用户中的个数
user_tag = user_tag_03.groupby(['item_id_x','item_id_y'])['user_id'].count().reset_index()
user_tag.rename(columns={'user_id':'counts_common'},inplace=True)

6.2 计算每个标签对应的用户数

# 计算每一个标签对应的不同的用户数，即每个标签出现在不同的用户中的个数
user_tag_05 = user_tag_01.groupby(['item_id'])['user_id'].nunique().reset_index()
user_tag_05.rename(columns={'user_id':'counts_item_user'},inplace=True)
# 计算标签1有关的用户数
user_tag = pd.merge(user_tag,user_tag_05,how='left',left_on='item_id_x',right_on='item_id').drop('item_id_x',axis=1)
user_tag.rename(columns={'counts_item_user':'counts_item_x','item_id':'item_id_x'},inplace=True)
# 计算标签2有关的用户数
user_tag = pd.merge(user_tag,user_tag_05,how='left',left_on='item_id_y',right_on='item_id').drop('item_id_y',axis=1)
user_tag.rename(columns={'counts_item_user':'counts_item_y','item_id':'item_id_y'},inplace=True)

6.3 计算两两标签之间的相似性

# 余弦相似度计算两两标签的相关性
user_tag['power'] = user_tag['counts_common'] / np.sqrt(user_tag['counts_item_x']*user_tag['counts_item_y'])

6.4 对每个用户的历史标签权重加总

# 对用户、标签进行分组，计算每个用户每个标签的权重和
user_tag_06 = user_tag_public.groupby(['user_id','item_id'])['act_weight'].sum().reset_index()

6.5 计算推荐给用户的相关标签

# 将用户与所有与其有关的标签作对应
user_peasona_tag = pd.merge(user_tag_06,user_tag,how='left',left_on='item_id',right_on='item_id_x').drop('item_id',axis=1)

del user_tag_01
del user_tag_02
del user_tag_03
del user_tag_05
del user_tag_06
gc.collect()

77

# 计算推荐得分值  得分值 = 行为权重*相关性
user_peasona_tag['recommend'] = user_peasona_tag['act_weight']*user_peasona_tag['power']

# 对所有数据按得分值排序，再按’user_id'分组，得到每个用户有关的得分值最高的10个标签
user_peasona_tag_total = user_peasona_tag.sort_values('recommend', ascending=False).groupby(['user_id']).head(10)
user_peasona_tag_total.head(10)
user_idact_weightcounts_commonitem_id_xcounts_item_xitem_id_ycounts_item_ypowerrecommend
941565166805026.132241176.0354309086.01.0337331963.02.0124.450793763.162218
941547166805022.591208176.0337331963.02.0354309086.01.0124.450793322.477880
941558166805026.13224122.0354309086.01.0177149139.01.022.000000134.909295
4517695615456561.39303688.0131284675.01.0250218619.01.088.000000122.587185
4517697615456561.39303677.0131284675.01.0270996967.01.077.000000107.263787
4517934615456560.89071488.0250218619.01.0131284675.01.088.00000078.382824
4517685615456561.39303655.0131284675.01.036667020.01.055.00000076.616990
529309112799645.63994719.0168681351.02.0395358462.01.013.43502975.772847
529307112799645.63994719.0168681351.02.0379008813.01.013.43502975.772847
529306112799645.63994719.0168681351.02.0375010017.01.013.43502975.772847
del user_peasona_tag
del user_peasona_tag_total
gc.collect()

7

七、群体用户画像标签

需要先对用户人群进行分类，为了降低复杂性并实现群体用户画像标签的设计，暂时先随机对用户进行指定性别，以后有时间将对上部划分出来的用户群体进行画像标签设计

7.1 随机指定性别并划分群体

user = pd.DataFrame(df['user_id'].unique(),columns=['user_id'])

user['sex'] = np.random.randint(0,2,(20000))
user.loc[user['sex']==1,'sex'] = '男'
user.loc[user['sex']==0,'sex'] = '女'
df_group = pd.merge(df[['user_id','item_id','act_weight']],user,how='left',on='user_id')

del df
gc.collect()

36

df_group.head(5)
user_iditem_idact_weightsex
04922548850.062311女
14922548850.149319女
24922548850.034617女
349223160020.011955女
449234736970.012169女

7.2 使用TF-IDF计算不同人群的标签偏好

# 计算每个性别、每个标签的权重加总
df_group_weight_tfidf_01_01 = df_group.groupby(['sex','item_id'])['act_weight'].sum().reset_index()

df_group_weight_tfidf_01_01.head(5)
sexitem_idact_weight
0女640.008926
1女2700.000093
2女3910.000333
3女6680.000369
4女8690.000324
df_group_weight_tfidf_01_01.rename(columns={'act_weight':'weight_m_p'},inplace=True)
# 计算每个性别的所有标签的权重加总
df_group_weight_tfidf_01_02 = df_group.groupby(['sex'])['act_weight'].sum().reset_index()
df_group_weight_tfidf_01_02.rename(columns={'act_weight':'weight_m_s'},inplace=True)
df_group_weight_tfidf_01 = pd.merge(df_group_weight_tfidf_01_01,df_group_weight_tfidf_01_02,how='left',on='sex')
df_group_weight_tfidf_01.head(5)
sexitem_idweight_m_pweight_m_s
0女640.00892626497.333993
1女2700.00009326497.333993
2女3910.00033326497.333993
3女6680.00036926497.333993
4女8690.00032426497.333993
# 计算每个标签的权重加总
df_group_weight_tfidf_02 = df_group_weight_tfidf_01.groupby(['item_id'])['weight_m_p'].sum().reset_index()
df_group_weight_tfidf_02.rename(columns={'weight_m_p':'weight_w_p'},inplace=True)
# 计算所有标签的权重加总
df_group_weight_tfidf_02['weight_w_s'] = df_group_weight_tfidf_01['weight_m_p'].sum()
df_group_weight_tfidf_02.head(5)
item_idweight_w_pweight_w_s
0370.00698153319.602753
1640.00918053319.602753
21770.00002853319.602753
32700.00009353319.602753
43680.00035853319.602753
df_group_weight_tfidf_03 = pd.merge(df_group_weight_tfidf_01,df_group_weight_tfidf_02,how='left',on='item_id')
# 使用TF-IDF算法计算每个性别对每个标签的偏好权重值
df_group_weight_tfidf_03['tfidf_ratio'] = (df_group_weight_tfidf_03['weight_m_p']/df_group_weight_tfidf_03['weight_m_s'])*(df_group_weight_tfidf_03['weight_w_s']/df_group_weight_tfidf_03['weight_w_p'])

del df_group
del df_group_weight_tfidf_01_01
del df_group_weight_tfidf_01_02
del df_group_weight_tfidf_01
del df_group_weight_tfidf_02
gc.collect()

34

# 对所有数据按得分值排序，再按性别分组，得到每个性别得分值最高的10个标签
df_group_weight = df_group_weight_tfidf_03.sort_values('tfidf_ratio', ascending=False).groupby(['sex']).head(10)
df_group_weight.head(15)
sex item_idweight_m_pweight_m_sweight_w_pweight_w_stfidf_ratio
1949040女2855314250.00184926497.3339930.00184953319.602753
839482女1230927220.01312426497.3339930.01312453319.602753
839460女1230890140.00058826497.3339930.00058853319.602753
1976591女2895704260.00045126497.3339930.00045153319.602753
839463女1230897700.00000226497.3339930.000002
1976588女2895701300.00014326497.3339930.00014353319.602753
1976587女2895700630.00019626497.3339930.00019653319.602753
1976586女2895698450.00001026497.3339930.00001053319.602753
1976585女2895696470.00078226497.3339930.00078253319.602753
1976581女2895691880.08979926497.3339930.08979953319.602753
3521579男1115620940.00004626822.2687610.00004653319.602753
5292053男3717659330.00001226822.2687610.00001253319.602753
4371778男2363986240.00020626822.2687610.00020653319.602753
4437179男2460074420.00715126822.2687610.00715153319.602753
5174663男3545266340.00020926822.2687610.00020953319.602753
Ylin_1112
关注
  • 15
    点赞
  • 踩
  • 186
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
淘宝用户行为数据集
01-05
3182257条数据，可做推荐系统，数据分析 它包含字段（id, uid,age,gender,item_id, behavior_type, item_category, date, province） //1.浏览、2.收藏、3.加购物车 4.购买 7.统计各省的前十热门关注产品（浏览+收藏+添加购物车+购买总量最多前10的产品） 8.统计各省的前十热门购买产品（销售最多前10的产品） 9.统计各省销售最好的产品类别前10（销售最多前10的产品类别） 10.统计各省男女用户数量（gender 0：男 1：女 2：未知）
淘宝用户 行为 数据
11-25
这是一个load data 数据文本 ，供学习使用！
如何用机器学习做淘宝用户画像分析？
博文视点（北京）官方博客
06-27 564
用户画像是指根据用户属性、用户偏好、用户生活习惯、用户行为等信息而抽象出来的标签化用户模型，也就是给用户打标签，而标签是通过对用户数据进行分析所获得的符合项目场景需求的数据信息。用户价值分析是电商平台中一种常用的分析手段，从而能够更好的对商品及用户之间的关系进行梳理，以此制定对应的营销手段，提升营销收益。《机器学习应用与实战》主要围绕机器学习基础算法、机器学习算法综合应用、机器学习进阶算法应用等进行讲解，理论结合实际，采用大量插图，辅以实例，可以帮助读者快速理解机器学习若干模型和算法的基本原理与关键技术。
【网络学习笔记】Excel数据分析实战项目—淘宝用户画像
晴空
06-02 2575
一下午+晚上，刷完了第二个课程。 推荐指数：☆☆☆ 课程名：项目实战：用excel如何实现淘宝用户画像数据分析应用 链接：https://www.bilibili.com/video/BV1c64y1M7ph?from=search&seid=4242111463585738627 tips：这个课程是基于Excel做了一个对于电商用户的数据分析。主要内容为： 拿到原始数据->原始数据处理->使用函数对于数据做汇总、提取、筛选、sumif，countif等->数据透视图、透视表、切
用户画像分析
蝉之洞
04-19 1243
转自: http://baijiahao.baidu.com/s?id=1594141083999253585&amp;wfr=spider&amp;for=pc对于互联网从业者，经常会提到一个词——用户画像。作为一名刚主要做用户画像DMP的数据PM，工作中总是会被需求方问到——我要查看XXX的用户画像 或是 能否能够XXXX类用户的画像。 抑或是有别的产品会问到：你们是怎么做用户画像的？然而在沟...
淘宝用户行为分析实战
weixin_30929295的博客
03-20 470
一、数据来源及说明 来源：天池数据—淘宝用户的行为数据https://tianchi.aliyun.com/dataset/dataDetail?dataId=46 该数据下载后包含12256906条数据，6个字段。 数据列字段介绍： column description user_id 用户身份，脱敏 item_id 商品...
构建电商用户画像（一）
Running_Tiger的博客
03-15 2391
构建电商用户画像技术和流程 构建一个用户画像，包括数据源端数据收集、数据预处理、行为建模、构建用户画像。 有些标签是可以直接获取到的，有些标签需要通过数据挖掘分析到。 喜欢就点赞评论+关注吧 感谢阅读，希望能帮助到大家，谢谢大家的支持！...
淘宝APP用户行为数据分析 by 一只废鹅
云祁QI
03-31 2558
大家好，我是云祁！今天和大家分享一篇淘宝用户行为数据分析的文章，干货内容值得收藏。一. 提出问题和应用模型1.本次分析的目的是想通过对淘宝用户行为进行数据分析，为以下问题提供解释和改进建议：（1）分析用户使用APP过程中的常见电商分析指标，确定各个环节的流失率。（2）利用假设检验思想分析流失原因，找到需要改进的环节。（3）研究用户在不同时间尺度下的行为规律，分析不同尺度下...
电商用户行为案例数据，淘宝婴儿用品案例数据.zip
04-03
本案例数据集——"电商用户行为案例数据，淘宝婴儿用品案例数据.zip"提供了丰富的用户购买行为信息，主要针对淘宝平台上的婴儿用品。通过这份数据，我们可以深入探讨以下几个重要的知识点： 1. **用户行为分析**：...
QCon2019_淘宝用户增长探索与实践.7z
03-12
洞察分析是指通过对用户行为数据的深度挖掘，找出用户需求、行为模式和痛点，为决策提供依据。智能触达则利用大数据和AI技术，实现个性化推送和精准营销，提高转化率。全链路承接则关注用户体验的连续性，确保用户在...
天池大数据竞赛——淘宝穿衣搭配.zip
03-07
"天池大数据竞赛——淘宝穿衣搭配"是一项旨在探索个性化推荐与时尚穿搭结合的竞赛，它聚焦于如何利用淘宝平台上的海量用户行为数据，为用户提供精准且富有创意的穿衣搭配建议。 一、大赛背景与目标 该竞赛源于电商...
数据分析淘宝直播顶流主播薇娅和李佳琦.rar
09-11
他们会利用大数据进行用户画像，分析用户的购物习惯和兴趣点，从而定制更吸引人的直播内容，提升销售额。 此外，报告可能还分析了二者的营销策略。无论是限时优惠、独家赠品还是与其他品牌的跨界合作，薇娅和李佳琦...
大数据云计算技术 淘宝网Hadoop与数据分析 taobao数据团队（共30页）.rar
09-29
1. 用户画像构建：通过分析用户的购物行为、浏览历史等数据，构建详细的用户画像，为个性化推荐提供支持。 2. 商品推荐：基于用户行为和偏好，利用机器学习算法进行商品推荐，提高转化率。 3. 市场分析：通过大数据...
Python大数据-对淘宝用户的行为数据分析
你隔壁的小王的博客
01-16 9049
数据获取 本次数据是在网上获取的来源于： 数据集-阿里云天池 ，不在进行抓取或收集，大家可以看这篇文章Python爬虫-抓取数据到可视化全流程的实现，详细的写了数据抓取的过程 数据清洗 首先该数据是在多个文件下的CSV文件，通过递归对文件夹内所有文件进行查询，并合并了所有的指定文件，具体的操作步骤大家可以看数据集-阿里云天池这篇文章，里边详细的写了如何遍历所有文件夹，如何组合，如何批量的打开文件目录下的所有文件，并对多文件下的文件进行合并，本文就不再赘述数据合并的过程了，直接采用合并后的数据，大家不懂可
淘宝数据分析
qq_56735429的博客
06-24 462
*说明：**本数据集共有104万条左右数据，数据为淘宝APP2014年11月18日至2014年12月18日的用户行为数据，共计6列字段。
用户偏好标签计算
weixin_43461341的博客
08-23 5066
链接：http://www.elecfans.com/d/763559.html 用户标签权重 = 行为类型权重 × 时间衰减 × 用户行为次数 × TF-IDF计算标签权重 公式中各参数的释义如下： 行为类型权重：用户浏览、搜索、收藏、下单、购买等不同行为对用户而言有着不同的重要性，一般而言操作复杂度越高的行为权重越大。该权重值一般由运营人员或数据分析人员主观给出； 时间衰减：用户某些行为受时间...
【毕业设计】大数据淘宝用户行为数据分析与可视化 - flink
caxiou的博客
01-03 1783
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩flink大数据淘宝用户行为数据实时分析与可视化🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分。
使用MySQL进行数据分析——以淘宝用户数据为例
qiyamoqi的博客
07-10 4152
使用MySQL进行数据分析——以淘宝用户数据为例 1. 背景介绍 本文主要是练习使用 mysql 进行数据分析，结合 excel 进行可视化分析，数据来源为阿里云天池的淘宝用户数据集，本数据集(UserBehavior.csv)包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包括点击、购买、加购、喜欢）。数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。 字段解释为： 列名称 说明 用户ID
数据分析如何正确地学习与使用
最新发布
一峰的技术博客
07-08 348
1.构建数据分析框架并不断更新2.输出的数据分析结论是不是容易理解和执行，支撑的依据够不够直观。3.明白数据分析的价值，可以让自己视野更加全面。
大数据用户行为画像分析 pdf
02-01
大数据用户行为画像分析是指通过收集和分析大量的用户数据，来深入了解用户的行为特征、兴趣爱好、消费习惯等信息，从而构建用户画像，为企业提供精准的个性化推荐、定制化服务和精准营销策略。 在大数据用户行为画像分析的过程中，首先要收集用户的各种数据，包括但不限于用户的浏览记录、搜索记录、点击行为、购买行为、社交互动等。然后通过数据挖掘、机器学习等技术进行数据分析和处理，进而形成用户画像。用户画像通常包括用户的基本信息、消费行为、兴趣爱好、偏好习惯等多维度信息，可以帮助企业更好地理解用户并进行个性化营销和服务。 大数据用户行为画像分析对企业具有重要意义。首先，可以帮助企业更好地了解用户需求和兴趣，提供个性化的产品和服务，提高用户满意度和忠诚度。其次，可以帮助企业进行精准定位和精准营销，提高营销效果和ROI。另外，还可以帮助企业发现用户的潜在需求和趋势，从而进行产品创新和业务优化。 综上所述，大数据用户行为画像分析是企业利用大数据技术来深入了解用户、个性化服务和精准营销的重要手段，对提升企业竞争力和用户体验具有重要意义。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值