提升自己，掌握数据分析的能力，最快的方式就是实践！
这里又是一个经典的数据分析项目——物流数据行业数据分析，有需要项目配套数据集的可以关注私信我免费获取(●'◡'●)
PS：本文中全部代码都在Jupyter Notebook中编写完成，可以使用Jupyter Notebook或者Jupyter Lab直接运行。
优惠券线下使用情况数据分析
一 项目简介
随着移动设备的完善和普及，移动互联网+各行各业进入了高速发展阶段，这其中以O2O（Online to Offline）消费最为吸引眼球。据不完全统计，O2O行业估值上亿的创业公司至少有10家，也不乏百亿巨头的身影。O2O行业关联数亿消费者，各类APP每天记录了超过百亿条用户行为和位置记录，因而成为大数据科研和商业化运营的最佳结合点之一。 以优惠券盘活老用户或吸引新客户进店消费是O2O的一种重要营销方式。然而随机投放的优惠券对多数用户造成无意义的干扰。对商家而言，滥发的优惠券可能降低品牌声誉，同时难以估算营销成本。个性化投放是提高优惠券核销率的重要技术，它可以让具有一定偏好的消费者得到真正的实惠，同时赋予商家更强的营销能力。
二 分析目标
-
分析店面客流量是否火爆的影响因素
-
分析顾客的消费习惯
-
分析投放的优惠券的使用情况
三 数据来源
本赛题提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为。
四 数据分析
本次分析仅使用线下交易数据
字段表:
线下消费情况表(ccf_offline_stage1_train.csv):
| Field | Description |
|---|---|
| User_id | 用户ID |
| Merchant_id | 商户ID |
| Coupon_id | 优惠券ID:null表示无优惠券消费，<br>此时Discount_rate和Date_received字段无意义 |
| Discount_rate | 优惠率:x\in[0,1]代表折扣率；x:y表示满x减y。单位元 |
| Distance | User经常活动的地点离该merchant的最近距离<br>是x*500米，x\in[0,10]；null表示无此信息，<br>0表示低于500米，10表示大于5公里； |
| Date_received | 领取优惠券日期 |
| Date | 消费日期；如果Date=null&Coupon_id != null，<br>该记录表示领取优惠券但没有使用，即负样本；<br>如果Date != null&Coupon_id=null,则表示普通<br>消费日期；如果Date != null&Coupon_id != null,<br>则表示用优惠券消费日期，即正样本； |
数据集图例：
1.加载数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns #绘图模块，基于matplotlib的可视化python包,不能完全替代matplotlib,只是对matplotlib进行升级
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
%matplotlib inline
#pip install seaborn
#parse_dates:将指定的列加载成日期的格式
offline = pd.read_csv('ccf_offline_stage1_train.csv',parse_dates=['Date_received','Date'])
offline.info() #175+万条数据
offline.head(10) #NaT:时间日期格式的空值2.数据的规整
#判断每一列当中有多少个空值
offline.isnull().sum()
#优惠券id，折扣率，领券日期，三者可能存在同时==null的情况
2.1把“Discount_rate”列中的满减政策转换成折扣率
offline['Discount_rate'] = offline['Discount_rate'].fillna('null')
offline.head()
def discount_rate_opt(s): #s代表每一个元素
if ':' in s:
split = s.split(':')
discount_rate = (int(split[0]) - int(split[1]))/int(split[0])
return round(discount_rate,2) #折扣率保留两位小数
elif s == 'null':
return np.NaN
else:
return float(s)
offline['Discount_rate'] = offline['Discount_rate'].map(discount_rate_opt)
offline.head()2.2 Coupon_id字段：null代表无优惠券，此时Discount_rate与Date_received字段无意义。
检查Coupon_id和Discount_rate与Date_received判断空值和非空值是否一一对应。
#np.all():判断一个课迭代数据中是否都为True，如果是返回True，否则返回False
np.all([True,False,True])
nan1 = offline['Coupon_id'].isnull() #判断优惠券是否为空
nan2 = offline['Date_received'].isnull() #判断领券日期是否为空
np.all(nan1 == nan2) #如果结果=true，说明之前的猜测：Coupon_id与Date_received空值与非空值是一一对应的关系
nan3 = offline['Discount_rate'].isnull()
np.all(nan1 == nan3)#如果结果=true，说明之前的猜测：Coupon_id与Discount_rate空值与非空值是一一对应的关系2.3 如果Date=null & Coupon_id!=null,有券未消费（cpon_no_consume） 如果Date=null & Coupon_id =null,无券未消费（no_cpon_no_consume） 如果Date！=null & Coupon_id=null,无券消费（no_cpon_consume） 如果Date！=null & Coupon_id!=null,有券消费（cpon_consume）
cpon_no_consume = offline[(offline['Date'].isnull() & offline['Coupon_id'].notnull())]
no_cpon_no_consume = offline[(offline['Date'].isnull() & offline['Coupon_id'].isnull())]
no_cpon_consume = offline[(offline['Date'].notnull() & offline['Coupon_id'].isnull())]
cpon_consume = offline[(offline['Date'].notnull() & offline['Coupon_id'].notnull())]
print('有券未消费:{}'.format(len(cpon_no_consume)))
print('无券未消费:{}'.format(len(no_cpon_no_consume))) #无意义，不需分析
print('无券消费:{}'.format(len(no_cpon_consume)))
print('有券消费:{}'.format(len(cpon_consume)))
#用优惠券消费的用7万，相比其他用户来说，占比较少3.数据分析
#绘制饼图占比
consume_status_dict = {'cpon_no_consume':len(cpon_no_consume),'no_cpon_consume':len(no_cpon_consume),'cpon_consume':len(cpon_consume)}
consume_status = pd.Series(consume_status_dict)
consume_status
#消费方式构成的饼图（figure：看作是一张画布，axes：代表画布内的多个坐标系）
fig,ax=plt.subplots(1,1,figsize=(8,10))
consume_status.plot.pie(ax = ax,
autopct='%1.1f%%',
shadow=True,
explode=[0.02,0.05,0.2],
textprops={'fontsize':15,'color':'blue'},
wedgeprops={'linewidth':1,'edgecolor':'black'},
labels=['有券未消费 \n ({})'.format(len(cpon_no_consume)),
'无券消费 \n ({})'.format(len(no_cpon_consume)),
'用券消费 \n ({})'.format(len(cpon_consume))
]
)
ax.set_ylabel('') #去除ylable
ax.set_title('消费占比情况')
plt.legend(labels=['有券未消费','无券消费','用券消费'])
#有券未消费占比55.7%最大，说明大多数人拿完券之后，尚未使用
#无圈消费用户占比40%，说明很多人没有使用优惠券，可能优惠券的吸引力不大，客户没在意；可能，新用户比较多。
#用券消费用户占比较小4.3%,说明我们的优惠券使用率不高。可以考虑是不是加大优惠券力度.....3.1在有券消费人群中，分析距离和优惠折扣
#各商家对应的顾客到店平均距离
Merchant_distance = cpon_consume.groupby('Merchant_id')['Distance'].mean()
Merchant_distance[Merchant_distance==0]
#有4076个商家，有1431个商家的用券消费用户平均范围在500米以内
#各商家对应的顾客到店消费平均折扣力度
Merchant_discount_rate = cpon_consume.groupby('Merchant_id')['Discount_rate'].mean()
Merchant_discount_rate.sort_values()
Merchant_discount_rate.hist()
Merchant_discount_rate.mean() #所有商家平均折扣的平均值：0.88
Merchant_discount_rate3.2持券到店消费人数最多的商家
#对商家进行分组，取出用户id，对用户id进行去重统计数量、
popular_merchant = cpon_consume.groupby('Merchant_id')['User_id'].apply(lambda x:len(x.unique())).sort_values(ascending=False)
#找出持券消费人数>500的商家id
popular_merchant500 = popular_merchant[popular_merchant>500]
popular_merchant500.name = 'customer_count' #指定列名为消费者数量（持券消费者）
print(len(popular_merchant500))
print(popular_merchant500)
#共有16家店铺，持券消费人数在500人以上
#持券消费人数最多商家是5341，持券消费人数在2800
#排名最后的商家，持券消费人数未559人
#这批商家对优惠券的使用方法得当，消费者喜欢用优惠券进行消费，可以适当借鉴这批商家的推广力度3.3持券消费人数在500人以上的商家，连接顾客到店平均距离和平均折扣力度
merchant_pop_dis = pd.merge(left=popular_merchant500,right=Merchant_distance,on='Merchant_id',how='inner')
merchant_pop_dis_rate = pd.merge(left=merchant_pop_dis,right=Merchant_discount_rate,on='Merchant_id',how='inner')
merchant_pop_dis_rate3.4计算到店消费人数与平均距离和折扣力度的相关系数
#corr(correlation:相关系数)，用来计算df数据中列与列的相关性（皮尔逊相关系数），取值范围[-1,1]之间
#1：完全正相关，-1：完全负相关
#绝对值越大：相关性越大，反之成立
#正相关：随着变量的增大，而增大，反之同理
#负相关：随着变量的增大，而减小，反之同理
merchant_pop_dis_rate.corr()
#持券消费人数，与距离和折扣率都呈现出负相关，属于生活中的正常现象
#用热力图展示相关系数(data:相关系数，annot：显示相关系数值，cmap：颜色范围，vmax：最大值，vmin：最小值)
sns.heatmap(data=merchant_pop_dis_rate.corr(),annot=True,cmap='Accent',vmax=1,vmin=-1)
#由图可知：
#1.到店消费人数的多少与顾客到店铺的距离之间呈现负相关，相关系数0.31，在0.3~0.5之间，为低度相关
#2.到店消费人数的多少与优惠打折力度呈现负相关，相关系数0.2，在0~0.3之间，为相关程度极弱
#综上所述，这些店家之所以火爆，应该是物美价廉导致，与距离和优惠力度相关性不大热力图：
4.分析每天中优惠券的总体发放量与使用量情况
#业务分析：日期（优惠券的发放日期Date_received，使用日期date）用作图表的x轴
#需要统计每天优惠券发放数量和使用数量
offline['Date'].notnull().sum() #77.7万消费数据
offline['Date_received'].notnull().sum() #已经发送出105万优惠券
#取出存在消费日期的记录，进行升序，再去重
date_sort = offline[offline['Date'].notnull()]['Date'].sort_values().unique()
date_sort[:5]
#取出存在领券日期的记录，进行升序，再去重
date_receive_sort = offline[offline['Date_received'].notnull()]['Date_received'].sort_values().unique()
date_receive_sort[:5]
#每天优惠券的使用量（即持券消费人群）
consume_num_everday = cpon_consume[['User_id','Date_received']]
consume_num_everday = consume_num_everday.groupby('Date_received').count()
consume_num_everday = consume_num_everday.rename(columns={'User_id':'count'})
consume_num_everday
#每天发放的优惠券数量(取出所有领券日期！=null的数据，在进行按天分组，计数就可以)
coupon_sendout_everyday = offline[offline['Date_received'].notnull()][['Date_received','User_id']]
coupon_sendout_everyday = coupon_sendout_everyday.groupby('Date_received').count()
coupon_sendout_everyday = coupon_sendout_everyday.rename(columns={'User_id':'count'})
coupon_sendout_everyday
#绘制每天发券量和每天用券量
plt.figure(figsize=(18,6))
# plt.bar(x=date_receive_sort,height=coupon_sendout_everyday['count'],label='每天发券量')
plt.bar(x=date_sort,height=consume_num_everday['count'],label='每天用券量')
plt.yscale('log') #对y轴进行对数缩放
plt.legend()
#16年2月为例，用券量级别再1000，发券量再10万左右，在100倍左右，优惠券的使用率还是非常低的
#计算每天的优惠券与发券量占比
plt.figure(figsize=(18,6))
plt.bar(x=date_receive_sort,height=consume_num_everday['count']/coupon_sendout_everyday['count'],
label='百分比')
plt.legend()
#由图可知，优惠券使用率最高在16年3月底，达到了30%
#使用率最低在16年1月底，最低为3%左右。
#整体来看，优惠券使用率波动较大。
五 结论
-
顾客光顾最多的比较火爆的店面，并不受距离和打折力度影响，应该是商品品质或消费体验等水平较高所致
-
各店家发放的优惠券，被使用总数和发放总数的比例不到一成，所以随机发放优惠券的效果并不理想，有很大的优化空间
-
个性化投放是提高优惠券核销率的重要技术，它可以让具有一定偏好的消费者得到真正的实惠，通过分析发现，属于'shopping_mania'这个集合的1万4千多名消费者对于优惠券比较依赖，可以成为个性化发放的重点对象
-
更进一步有针对性的个性化投放可以通过机器学习建模来拟合顾客的消费习惯，从而更精确的挖掘优惠券的适用对象
382
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
