【知识跨境电商API接口丨python数分实战】国际电商平台用户成交转化分析-CSDN博客

本文链接：https://blog.csdn.net/onebound_linda/article/details/140921507

今天这篇文章将给大家介绍国际电商平台用户成交转化分析案例。

初步思路

问题已经明确

GMV的下降，可能出在用户下单成交环节。

这里需要明确GMV下降是今年与去年相比吗？明确GMV下降到底如何判断出来的？对比的对象是什么？如果是去年，就找到了标杆。

需要解决的问题

1、验证GMV的下降，是用户下单环节所引起的。

2、下单环节的用户特征。

主要分析步骤或思路

步骤一：分别绘制新老用户的用户漏斗,比较各个环节的转化率—用户在以下各环节的占比情况。（这里“是否是全新用户” 新老用户分开进行过对比分析）

分析目的：发现XX用户到底在XX页面出现问题。

需要找到标杆，使用“对比法”与“去年”相比，用户占比下降严重（最大）的环节，即为优先需要考虑的地方。

举例：

浏览首页的用户数: 100人。
浏览商品页的用户数: 80人。
加入购物车的用户数: 50人。
下单付款的用户数: 20人。

那么各个环节的转化率计算如下:

浏览商品页转化率 = 浏览商品页用户数/浏览首页用户数 = 80/100 = 80%。
加入购物车转化率 = 加入购物车用户数/浏览商品页用户数 = 50/80 = 62.5%。
下单付款转化率 = 下单付款用户数/加入购物车用户数 = 20/50 = 40%。

通过计算每个环节的转化率，我们可以判断用户在从加入购物车到下单付款这个环节出现了较大的流失。

此外,我们还可以计算总体转化率：
下单付款用户数/浏览首页用户数 = 20/100 = 20%。
总体转化率也可以反映出整个流程的效率。

可能出现的结果：

1、新老用户都在XX环节占比严重下降。
2、新用户在A环节占比严重下降；老用户在B环节占比严重下降。
3、新用户在A环节占比严重下降；老用户并未发生严重下降。
4、老用户在A环节占比严重下降；新用户并未发生严重下降。
5、新老用户在什么页面都未停留的占比较大。

步骤二：异常环节用户特征分析。

优先考虑用户来源。

原因：渠道是企业获客的主要途径，需要花费成本去宣传，如果能够确定是某个渠道的获取的客户问题，进一步从根本上减少公司成本。

可能出现的结果：
1、XX主要聚集在XX来源。
2、XX在各来源占比基本差不多，可以基本确定可能不是渠道的问题。

步骤三：进一步分析第二部分人群的性别、国家、年龄、使用系统、设备等因素的影响，把人群确定下去。

可能的结果：

1、针对步骤二的1确定了某一个渠道的某一类人群出现的问题，针对这部分人群提出建议和措施。
2、针对步骤二的1确定了某一个渠道人物画像之间并未有明显的差异，可能就是该渠道获客不好，提出建议是否公司可以减少在该渠道的投入。
3、针对步骤二的2聚类出某一类人群，是否该人群对我们公司的产品不感兴趣或者这部分人群在支付过程中遇到什么问题。

例如：结合公司产品定位，结合这些人群过往购买记录等数据更加深入的了解这部分人群的喜好（这个针对老客户）。针对新客户，可通过电话调研了解一些基本情况。

关键结论

结论 1：

两年全量客户procudt_page--pay_page的转化率最低，仅为13%。

"procudt_page--pay_page"环节中流失的用户特征：US/Femal/[[30, 40) 年龄段，占流失用户的14.06%。

结论 2：

今年，新用户在''payment_page--confirmation_page''环节的转化率为22%，相比去年新客户的转化率降幅14%。

来自 "Direct"渠道的新用户在"payment_page-confirmation_page"环节中的流失商户占比增幅8%(去年的74%，今年的"82%)。

结论 3:

在confirmation_page流失的用户群体中,44%人群的经历"home--listing--product"环节,但仅5%人群经历"home--listing--product--pay" 。

说明未确认支付的用户超过50%对产品并不感兴趣,但5%的用户有潜在购买意愿。

建议方案

1、整体上,无论去年还是今年，在procudt_page--pay_page的转化率较低，仅为13%，与行业平均水平的20%还存在一定的差距。

结合外部调研数据,分析产品本身是否受欢迎，能否满足平台定位的人群需求，同时,结合平台产品的性价比和价格带情况,分析平台产品现状,分析与竟对优劣势。

首先针对在"procudt_page--pay_page"环节中流失用户进行调研，建议先对US/Femal/[30,40)这部分人群在平台投放问卷或者电话访谈的形式，询问浏览产品后为什么没有下单意愿?

调研问题可从：商城产品的满足度、产品属性美观度或详细性、完整性、产品价格、还会使用其他哪些平台、在平台选择中首先考虑哪些因素等方面着手。为后续提高平台整体的转化率做铺垫。

2、相比去年,今年新用户在"payment_page--confirmation_page"新用户的转化率是22%,相比去年新客户的36%,转化率下降。

主要是由于今年来源于"Direct"渠道的流失用户占比增加,针对今年该渠道的新用户,结合用户价值画像,分析该渠道获客质量占比是否合理，是否存在无意愿客户，相关业务部门沟通,相比去年,今年"Direct"渠道是否有所改动。

3、在confirmation_page流失用户群体中,有44%的用户到达了product_page ,5%的用户群体经历了"home--listing--product-pay"。

而该部分路径的用户，显示出对产品的需求，但是比较谨慎，可通过查看这部分群体的在支付页面退出后的路径去向和页面停留时间,分析用户未支付的原因,同时设置二次提醒,提醒用户支付商品。

针对直接退出APP的用户,可在后台设置提醒服务,提醒用户对产品进行支付。

针对退出支付页,又回到产品页的商户,可针对推荐与未支付功能或价格相符的产品,再次刺激用户消费。

数据明细

from pyecharts import options as optsfrom pyecharts.charts import Funnelimport openpyxlimport pandas as pdimport numpy as np

数据清洗&查看

数据下载：关注公众号，回复关键字【数据集】获取。

# 你的代码# 注意补充完备的注释# 1、数据清洗/整合

def handle_table(user_table, right_table, col_name):    user_table = pd.merge(user_table, right_table, how='left', on='user_id')    user_table['page'] = user_table['page'].fillna(0).replace(col_name, 1)    user_table = user_table.rename(columns={'page': col_name})    return user_table

user_table = pd.read_csv(r'/home/mw/input/data4688/user_table.csv')
home_page_table = pd.read_csv(r'/home/mw/input/data4688/home_page_table.csv')listing_page_table = pd.read_csv(    r'/home/mw/input/data4688/listing_page_table.csv')product_page_table = pd.read_csv(    r'/home/mw/input/data4688/product_page_table.csv')payment_page_table = pd.read_csv(    r'/home/mw/input/data4688/payment_page_table.csv')payment_confirmation_table = pd.read_csv(    r'/home/mw/input/data4688/payment_confirmation_table.csv')

user_table = handle_table(user_table, home_page_table, 'home_page')user_table = handle_table(user_table, listing_page_table, 'listing_page')user_table = handle_table(user_table, product_page_table, 'product_page')user_table = handle_table(user_table, payment_page_table, 'payment_page')user_table = handle_table(    user_table,    payment_confirmation_table,    'payment_confirmation_page')
user_table = user_table[user_table.age <= 70]del user_table['user_id']

last_year_user_data = pd.read_excel(r'/home/mw/input/data4688/last_year_user_data.xlsx')del last_year_user_data['user_id'] last_year_user_data=last_year_user_data.rename(columns={'confirmation_page':'payment_confirmation_page'})last_year_user_data['new_user'].count()

输出结果：

数据汇总

#  今年网页访问情况#user_table['辅助']=1user_table_1=user_table.groupby('new_user').sum()#del user_table_1['new_user']del user_table_1['age']del user_table_1['total_pages_visited']#del user_table_1['辅助']user_table_1# 去年网页访问情况#last_year_user_data['辅助']=1last_year_user_data_1=last_year_user_data.groupby('new_user').sum()#del last_year_user_data_1['new_user']del last_year_user_data_1['age']del last_year_user_data_1['total_pages_visited']#del last_year_user_data_1['辅助']last_year_user_data_1

输出结果：

两年用户行为路径分析（路径转化率）

#今年新老客户转化率情况columns_this_year = user_table_1.columns
# 遍历列名列表，进行连续的列除法操作，并创建新的列for i in range(1, len(columns_this_year)):    col_name = columns_this_year[i-1]+"--"+columns_this_year[i] # 新列的名称，如 result_2_1、result_3_2 等    user_table_1[col_name] = (user_table_1[columns_this_year[i]] / user_table_1[columns_this_year[i-1]]*100).round(0).map('{}%'.format)
#去年新老客户转化率情况columns_last_year=last_year_user_data_1.columns# 遍历列名列表，进行连续的列除法操作，并创建新的列for i in range(1, len(columns_last_year)):    col_name = columns_last_year[i-1]+"--"+columns_last_year[i] # 新列的名称，如 result_2_1、result_3_2 等    last_year_user_data_1[col_name] = (last_year_user_data_1[columns_last_year[i]] / last_year_user_data_1[columns_last_year[i-1]]*100).round(0).map('{}%'.format)
# 打印处理后的 DataFrameuser_table_1pd.concat([user_table_1.iloc[:,5:],last_year_user_data_1.iloc[:,5:]],keys=['今年转化率', '去年转化率'])

输出结果：

小结：

1、两年用户由产品品详情页—浏览付款页的转化率最低，均为13%。

2、在浏览过"payment_page--confirmation_page"环节中，去年新老客户转化率均为36%，但今年新客户的转化率较低，仅为22%，下降幅度达14%。

last_year_user_data=last_year_user_data.rename(columns={'confirmation_page':'payment_confirmation_page'})##  1、今年和去年数据合并user_table['年份']=2023last_year_user_data['年份']=2022last_now_data=  user_table.append(last_year_user_data,  ignore_index = False)
# 年龄段打标签bins=[0,22,30,40,50,123]# 按分段离散化数据segments=pd.cut(last_now_data['age'],bins,right=False)last_now_data['年龄段']=segments# 统计各分段人数counts=pd.value_counts(segments,sort=False)

两年全量客户"procudt_page--pay_page"环节流失用户特征

###在产品页面的人all_users=last_now_data.loc[(last_now_data['product_page'] == 1) ]### 浏览过产品页但未浏览过支付页的流失用户liushi_users=last_now_data.loc[(last_now_data['product_page'] == 1) & (last_now_data['payment_page']==0)]

#### 4.5 操作系统+性别liushi_sourece=liushi_users[['new_user','country','sex','年龄段']]#user_table_sourece = sourece.groupby('source').count().reset_index()liushi_table_sourece = liushi_sourece.groupby(['country','sex','年龄段']).count().reset_index()liushi_table_sourece['占比'] = (100*liushi_table_sourece['new_user']/liushi_table_sourece['new_user'].sum()).round(2).map('{}%'.format)liushi_table_sourece

输出结果：

小结：

1、流失用户中US国家的用户占比最高为60.22%。
2、流失用户中Femal用户占比最高为61%。
3、流失用户中Femal用户占年龄主要聚集在22-40之间，用户占比达36%。
4、主要流失用户画像为US\Femal[30, 40)年龄段，占比达14.06%。

payment_page--payment_confirmation_page流失用户的主要来源渠道

pay=user_table.loc[ (user_table['new_user']==0)& (user_table['payment_page']==1)]pay=pay[['new_user', 'source']]pay1 = pay.groupby(['source']).count().reset_index()pay1=pay1.rename(columns={'new_user': '老用户支付页人数'})now_liushi_sourece=user_table.loc[(user_table['home_page'] == 1)& (user_table['payment_page']==1) & (user_table['payment_confirmation_page']==0)& (user_table['new_user']==0)]now_liushi_sourece=now_liushi_sourece[['new_user', 'source']]now_liushi_sourece = now_liushi_sourece.groupby(['source']).count().reset_index()now_liushi_sourece = now_liushi_sourece.rename(columns={'new_user': '老用户支付页点击但确认页未点击人数'})now_liushi_old=pd.concat([pay1,now_liushi_sourece], axis=1) now_liushi_old['占比']=(100*now_liushi_old['老用户支付页点击但确认页未点击人数']/now_liushi_old['老用户支付页人数']).round(0).map('{}%'.format)pay=last_year_user_data.loc[ (last_year_user_data['new_user']==0)& (last_year_user_data['payment_page']==1)]pay=pay[['new_user', 'source']]pay1 = pay.groupby(['source']).count().reset_index()pay1=pay1.rename(columns={'new_user': '老用户支付页人数'})now_liushi_sourece=last_year_user_data.loc[(last_year_user_data['home_page'] == 1)& (last_year_user_data['payment_page']==1) & (last_year_user_data['payment_confirmation_page']==0)& (last_year_user_data['new_user']==0)]now_liushi_sourece=now_liushi_sourece[['new_user', 'source']]now_liushi_sourece = now_liushi_sourece.groupby(['source']).count().reset_index()now_liushi_sourece = now_liushi_sourece.rename(columns={'new_user': '老用户支付页点击但确认页未点击人数'})last_liushi_old=pd.concat([pay1,now_liushi_sourece], axis=1) last_liushi_old['占比']=(100*last_liushi_old['老用户支付页点击但确认页未点击人数']/last_liushi_old['老用户支付页人数']).round(0).map('{}%'.format)

pay=user_table.loc[ (user_table['new_user']==1)& (user_table['payment_page']==1)]pay=pay[['new_user', 'source']]pay1 = pay.groupby(['source']).count().reset_index()pay1=pay1.rename(columns={'new_user': '新用户支付页人数'})now_liushi_sourece=user_table.loc[(user_table['home_page'] == 1)& (user_table['payment_page']==1) & (user_table['payment_confirmation_page']==0)& (user_table['new_user']==1)]now_liushi_sourece=now_liushi_sourece[['new_user', 'source']]now_liushi_sourece = now_liushi_sourece.groupby(['source']).count().reset_index()now_liushi_sourece = now_liushi_sourece.rename(columns={'new_user': '新用户支付页点击但确认页未点击人数'})now_liushi=pd.concat([pay1,now_liushi_sourece], axis=1) now_liushi['占比']=(100*now_liushi['新用户支付页点击但确认页未点击人数']/now_liushi['新用户支付页人数']).round(0).map('{}%'.format)now_liushipay=last_year_user_data.loc[ (last_year_user_data['new_user']==1)& (last_year_user_data['payment_page']==1)]pay=pay[['new_user', 'source']]pay1 = pay.groupby(['source']).count().reset_index()pay1=pay1.rename(columns={'new_user': '新用户支付页人数'})now_liushi_sourece=last_year_user_data.loc[(last_year_user_data['home_page'] == 1)& (last_year_user_data['payment_page']==1) & (last_year_user_data['payment_confirmation_page']==0)& (last_year_user_data['new_user']==1)]now_liushi_sourece=now_liushi_sourece[['new_user', 'source']]now_liushi_sourece = now_liushi_sourece.groupby(['source']).count().reset_index()now_liushi_sourece = now_liushi_sourece.rename(columns={'new_user': '新用户支付页点击但确认页未点击人数'})last_liushi=pd.concat([pay1,now_liushi_sourece], axis=1) last_liushi['占比']=(100*last_liushi['新用户支付页点击但确认页未点击人数']/last_liushi['新用户支付页人数']).round(0).map('{}%'.format)

pd.concat([now_liushi_old[['source','占比']],last_liushi_old[['source','占比']],now_liushi[['source','占比']],last_liushi[['source','占比']]],keys=['今年老用户支付-确认支付页流失占比', '去年老用户支付-确认支付页流失占比','今年新用户支付-确认支付页流失占比', '去年新用户支付-确认支付页流失占比'])

输出结果：

小结:

1、在"payment_page--confirmation_page"环节流失的老用户中,今年3个渠道的用户占比分别为73%、60%和79%，相比去年，用户占比均有不同程度的下降。

2、在"payment_page--confirmation_page"环节流失的新商户中，"Ads "和"Seo "2个渠道的流失用户占比,相比去年分别降幅4%和2%。

但"Direct"渠道的流失商户占比增高,去年的74.39%提高到今年的"81.9%"。

“confirmation_page”流失用户的行为路径分析

在confirmation_page流失的用户

confirmation_page_liushi_users=last_now_data.loc[(last_now_data['payment_confirmation_page'] ==0)& (last_now_data['年份']==2023 )]confirmation_page_liushi_users.groupby(['new_user','年份']).count()##新用户的行为路径

输出结果：

在confirmation_page流失的老用户的行为路径

#流失用户路径.home_page----payment_confirmation_pagedata1=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] ##home_page----listing_page--payment_confirmation_pagedata2=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] #2022年###home_page----product_page--payment_confirmation_pagedata3=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] #无###home_page----payment_page--payment_confirmation_pagedata4=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #无###home_page----listing_page--product_page--payment_confirmation_pagedata5=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] #2022
###home_page----listing_page--payment_page--payment_confirmation_pagedata6=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #无
###home_page----product_page--payment_page--payment_confirmation_pagedata7=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #无
###home_page----listing_page--product_page--payment_page--payment_confirmation_pagedata8=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #2年均有

#data_old_liu=[data1.shape[0],data2.shape[0],data3.shape[0],data4.shape[0],data5.shape[0],data6.shape[0],data7.shape[0],data8.shape[0]]data_old_liu=pd.DataFrame({'home':[data1.shape[0]],'home---listing':[data2.shape[0]],'home--product':[data3.shape[0]],'home---payment':[data4.shape[0]],'home--listing--product':[data5.shape[0]],'home--listing--payment':[data6.shape[0]],'home--product--payment':[data7.shape[0]],'home--listing--product--payment':[data8.shape[0]],})data_old_liu

输出结果：

确认流失的新用户的行为路径

确认支付的用户基本

#流失用户路径.home_page----payment_confirmation_pagedata1=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] ##home_page----listing_page--payment_confirmation_pagedata2=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] #2022年###home_page----product_page--payment_confirmation_pagedata3=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] #无###home_page----payment_page--payment_confirmation_pagedata4=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #无###home_page----listing_page--product_page--payment_confirmation_pagedata5=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] #2022
###home_page----listing_page--payment_page--payment_confirmation_pagedata6=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #无
###home_page----product_page--payment_page--payment_confirmation_pagedata7=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #无
###home_page----listing_page--product_page--payment_page--payment_confirmation_pagedata8=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #2年均有

#data_old_liu=[data1.shape[0],data2.shape[0],data3.shape[0],data4.shape[0],data5.shape[0],data6.shape[0],data7.shape[0],data8.shape[0]]data_new_liu=pd.DataFrame({'home':[data1.shape[0]],'home---listing':[data2.shape[0]],'home--product':[data3.shape[0]],'home---payment':[data4.shape[0]],'home--listing--product':[data5.shape[0]],'home--listing--payment':[data6.shape[0]],'home--product--payment':[data7.shape[0]],'home--listing--product--payment':[data8.shape[0]],})data_new_liu

输出结果：

confirmation_page_liushi_users=last_now_data.loc[(last_now_data['payment_confirmation_page'] ==0)& (last_now_data['年份']==2022 )]confirmation_page_liushi_users.groupby(['new_user','年份']).count()#流失用户路径.home_page----payment_confirmation_pagedata1=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] ##home_page----listing_page--payment_confirmation_pagedata2=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] #2022年###home_page----product_page--payment_confirmation_pagedata3=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] #无###home_page----payment_page--payment_confirmation_pagedata4=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #无###home_page----listing_page--product_page--payment_confirmation_pagedata5=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==0)] #2022
###home_page----listing_page--payment_page--payment_confirmation_pagedata6=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #无
###home_page----product_page--payment_page--payment_confirmation_pagedata7=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #无
###home_page----listing_page--product_page--payment_page--payment_confirmation_pagedata8=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==0)] #2年均有data_old_liu_2022=pd.DataFrame({'home':[data1.shape[0]],'home---listing':[data2.shape[0]],'home--product':[data3.shape[0]],'home---payment':[data4.shape[0]],'home--listing--product':[data5.shape[0]],'home--listing--payment':[data6.shape[0]],'home--product--payment':[data7.shape[0]],'home--listing--product--payment':[data8.shape[0]],})#流失用户路径.home_page----payment_confirmation_pagedata1=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] ##home_page----listing_page--payment_confirmation_pagedata2=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] #2022年###home_page----product_page--payment_confirmation_pagedata3=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] #无###home_page----payment_page--payment_confirmation_pagedata4=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #无###home_page----listing_page--product_page--payment_confirmation_pagedata5=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==0)&(confirmation_page_liushi_users['new_user'] ==1)] #2022
###home_page----listing_page--payment_page--payment_confirmation_pagedata6=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==0)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #无
###home_page----product_page--payment_page--payment_confirmation_pagedata7=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==0) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #无
###home_page----listing_page--product_page--payment_page--payment_confirmation_pagedata8=confirmation_page_liushi_users.loc[(confirmation_page_liushi_users['home_page'] == 1)& (confirmation_page_liushi_users['listing_page']==1) & (confirmation_page_liushi_users['product_page']==1)& (confirmation_page_liushi_users['payment_page']==1)&(confirmation_page_liushi_users['new_user'] ==1)] #2年均有#data_old_liu=[data1.shape[0],data2.shape[0],data3.shape[0],data4.shape[0],data5.shape[0],data6.shape[0],data7.shape[0],data8.shape[0]]data_new_liu_2022=pd.DataFrame({'home':[data1.shape[0]],'home---listing':[data2.shape[0]],'home--product':[data3.shape[0]],'home---payment':[data4.shape[0]],'home--listing--product':[data5.shape[0]],'home--listing--payment':[data6.shape[0]],'home--product--payment':[data7.shape[0]],'home--listing--product--payment':[data8.shape[0]],})

liushi=pd.concat([data_old_liu_2022, data_new_liu_2022,data_old_liu, data_new_liu],ignore_index=True)liushi.index = ['old_user_2022', 'new_user_2022','old_user_2023', 'new_user_2023']###计算列数据之和。liushi["求和"]=liushi.apply(lambda x:sum(x),axis=1)liushi

输出结果：

columns_last_year = liushi.columnsliushi_rate = pd.DataFrame()# 遍历列名列表，进行连续的列除法操作，并创建新的列for i in range(0, len(columns_last_year)-1):    col_name = columns_last_year[i]  # 新列的名称，如 result_2_1、result_3_2 等    liushi_rate[col_name] = (liushi[columns_last_year[i]] / liushi["求和"]*100).round(0).map('{}%'.format)liushi_rate

输出结果：