数据分析|Python|拼多多优惠券使用预测分析报告

最新推荐文章于 2024-07-23 11:05:47 发布

ClaraR

最新推荐文章于 2024-07-23 11:05:47 发布

阅读量4.1k

点赞数 5

分类专栏： python 数据分析文章标签：数据分析 python

本文链接：https://blog.csdn.net/qq_33648725/article/details/113835179

版权

该案例分析项目是在小灶能力派商业数据分析课程上完成的使用的是Python和Jupyter Notebook，代码在https://github.com/CLaraRR/xiaozao-data-analysis/tree/master/PDD1、项目说明拼多多是国内主流的手机购物APP，成立于2015年9月，用户通过发起和朋友、家人、邻居等的拼团，以更低的价格，拼团购买商品。拼多多作为新电商开创者,致力于将娱乐社交的元素融入电商运营中,通过“社交+电商”的模式,让更多的用户带着乐趣分享实惠,.

摘要由CSDN通过智能技术生成

该案例分析项目是在小灶能力派商业数据分析课程上完成的

使用Python和Jupyter Notebook完成，本文是该案例的数据分析报告，详情代码在https://github.com/CLaraRR/xiaozao-data-analysis/tree/master/PDD

4.6 不同婚姻状态的用户的优惠券使用情况

4.7 信用卡是否违约的用户的优惠券使用情况

4.8 是否退货的用户的优惠券使用情况

4.9 是否使用信用卡付款的用户的优惠券使用情况

1、项目说明

拼多多是国内主流的手机购物APP，成立于2015年9月，用户通过发起和朋友、家人、邻居等的拼团，以更低的价格，拼团购买商品。拼多多作为新电商开创者,致力于将娱乐社交的元素融入电商运营中,通过“社交+电商”的模式,让更多的用户带着乐趣分享实惠,享受全新的共享式购物体验。对于各大电商平台，在“双十一”这种大促时间段，优惠券会起到非常大的促销作用。那么，如何找到更容易使用优惠券的用户，对他们精准地推送与营销，从而在双十一期间使销售额大大提升呢？这就是我们需要支持拼多多共同分析与解决的一个问题。

2、项目要求

根据用户的基本信息以及过去的消费行为数据，完成以下事项：

使用Python建立逻辑回归模型
预测用户是否会在活动中使用优惠券
找到对用户使用优惠券影响较大的因素

3、数据认识

数据来源于小灶商业数据分析课程，该数据集一共有25317条数据，将原数据字典按照用户信息、消费行为和预测结果进行不同维度的分类，用思维导图来表示如下：

用户信息包括：记录编码、年龄、职业、婚姻状态
消费行为包括：信用卡是否违约、是否有过退货、是否使用信用卡付款、过去6个月使用的优惠券数量、获取1个月使用的优惠券数量
预测结果：也就是本次项目的任务，预测在本次活动中是否有使用优惠券

4、数据探索

本节的数据探索将分为数值变量和类别变量两种分别进行，主要探索其他变量和是否使用优惠券变量的关系。

4.1 整体的优惠券使用情况

统计数据集中所有用户使用优惠券的数量和不使用优惠券的数量。

由上图发现数据集极度不平衡，不使用优惠券与适用于优惠券的数据比例将近9:1，因此在后续建模的时候要改善数据不平衡这个问题。

4.2 不同年龄的使用优惠券情况

将所有用户的年龄以5岁的间隔进行分箱，以及区分用户是否使用优惠券绘制直方图，如下图。

从图中发现：

使用拼多多APP的用户年龄主要在在20-70之间，小于35岁和大于60岁的用户更倾向于使用优惠券，而在35~60岁间的用户更倾向于不使用优惠券。

分析原因：

小于35岁的用户更倾向于使用优惠券的原因是比较好理解的，因为年轻用户对APP的使用更为熟悉，更容易掌握优惠券的用法，而大于60岁的用户由于数量比较少，是否能直接得出他们更倾向于使用优惠券这一结论是不太靠谱的；
35岁到60岁之间的用户随着年龄增长用户量也随之减少，不倾向于使用优惠券的原因可能是不清楚APP推出的优惠券活动，或者是因为经济能力比较好而无需费心使用优惠券。

4.3 过去6个月优惠券使用情况

将所有用户过去6个月优惠券使用情况绘制直方图，如下图。

从图中发现：

过去6个月各个用户的优惠券使用数情况集中在0-10次之间
大部分用户在过去的6个月使用优惠券的次数为3次
少数用户使用优惠券的次数在10次以上，最多是55次

4.4 过去1个月优惠券使用情况

将所有用户过去1个月优惠券使用情况绘制直方图，如下图。

从图中发现：

过去1个月优惠券使用数量集中在0-2次之间
然而大部分用户在过去一个月没有使用优惠券

4.5 不同职业用户的优惠券使用情况

1、统计各个职业的用户数量，如图1

2、统计各个职业分别使用优惠券和不使用优惠券的用户数量，如图2

3、统计各个职业中使用优惠券的人数比例，如图3

使用APP的用户中，蓝领用户最多，其次是管理人员, 技术人员, 行政人员, 服务行业用户
使用了优惠券的用户中，管理人员最多，其次是技术人员, 蓝领用户, 行政人员, 服务行业用户，出现这样的结果是因为他们这些群体的用户量本来就很多，所以使用优惠券的人相较其他群体也要多
但是在各个职业群体中，优惠券使用率最高的是学生（26.9%）、退休人员（17.9%）、无业（16.2%），可以看出来学生、退休人员、无业游民这类没有收入或工资水平较低的用户更倾向于使用优惠券

4.6 不同婚姻状态的用户的优惠券使用情况

1、统计不同婚姻状态的用户数量，如图1

2、统计不同婚姻状态用户中使用优惠券的人数比例，如图2

在所有用户中，已婚用户数量最多，然后是单身用户、离婚用户
单身用户的优惠券使用率最高（14.6%）

4.7 信用卡是否违约的用户的优惠券使用情况

1、统计不同信用卡违约状态的用户数量，如图1

2、分别统计不同信用卡违约状态用户中使用优惠券的人数比例，如图2

只有少数用户信用卡违约
没有信用卡违约的用户的优惠券使用率为11.4%

最低0.47元/天解锁文章

ClaraR

关注

5
点赞
踩
47

收藏

觉得还不错? 一键收藏
6
评论
数据分析|Python|拼多多优惠券使用预测分析报告

该案例分析项目是在小灶能力派商业数据分析课程上完成的使用的是Python和Jupyter Notebook，代码在https://github.com/CLaraRR/xiaozao-data-analysis/tree/master/PDD1、项目说明拼多多是国内主流的手机购物APP，成立于2015年9月，用户通过发起和朋友、家人、邻居等的拼团，以更低的价格，拼团购买商品。拼多多作为新电商开创者,致力于将娱乐社交的元素融入电商运营中,通过“社交+电商”的模式,让更多的用户带着乐趣分享实惠,.
复制链接

扫一扫

专栏目录