Pandas数据分析实战 — 用户消费行为分析

前言

CD商品订单数据的分析总结。根据订单数据（用户的消费记录），从时间维度和用户维度，分析该网站用户的消费行为。通过此案例，总结订单数据的一些共性，能通过用户的消费记录挖掘出对业务有用的信息。对其他产品的线上消费数据分析有一定的借鉴价值，能达到举一反三的效果。

一、案例背景

  CDNOW是一家美国在线零售商，主营商品为CD唱片，ToC业务。1998年上市，2000年被贝塔斯曼收购。网上有一份用户订单消费数据集：CDNOW订单数据集

---

二、案例目的

  这份数据集只包含了四个基本信息字段：用户ID、购买日期、购买数量、购买金额。本案例的目标：通过这个四个字段，在数据集时间窗口内，分析用户消费的基本概况；通过用户分层、周期分析、复购率和回购率分析等，梳理现阶段用户的价值现状，并尝试根据业务经验提一些运营建议。

---

三、分析框架

---

四、分析过程

4.1数据加载和初探

（1）导入相关包、设置风格样式

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
# jupter魔法函数，设置可视化页内显示
%matplotlib inline
# 正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 画图的样式风格设置为：ggplot
plt.style.use('ggplot')

（2）导入数据集

字段信息：

• user_id：用户ID

• order_dt：购买日期

• order_products：购买数量

• order_amount：购买金额

源数据为txt文件，通过pd.read_csv()。分割符为空白字符串，用正则表达'\s+'，匹配任意空白符。

# 导入数据集
fpath = '../datasets/cdnow.txt'
df = pd.read_csv(
    fpath,
    sep = '\s+',   #正则表达'\s+'，匹配任意空白符
    header=None,
    names=['user_id','order_dt','order_products','order_amount']
)
df.head()

 从前5行数据中可以发现：同一个用户在同一天可能购买多次、同一用户在不同时间购买多次等消费现象。

（3）数据清洗

df.info()

<class 'pandas.core.frame.DataFrame'> RangeIndex: 69659 entries, 0 to 69658 Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 user_id 69659 non-null int64 1 order_dt 69659 non-null int64 2 order_products 69659 non-null int64 3 order_amount 69659 non-null float64 dtypes: float64(1), int64(3) memory usage: 2.1 MB

源数据质量描述：数据不存在缺失值，但购买日期order_dt字段数据类型为int64，需要转换为日期型datetime64[ns]

# 'order_dt'字段类型转换
df['order_dt'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')

  按月份分析销售趋势，新增month字段。（tip：datetime64[M]：每月的第一天日期，datetime64[Y]：每年的第一天日期。）

# 新增month字段
df['month'] = df['order_dt'].values.astype('datetime64[M]')

# 查看字段的数据类型
df.dtypes

df.head()

（4）数据初探

# 数据描述性统计分析
df.describe()

描述性统计分析：

• 用户平均每笔订单购买2.4件商品，中位数为2.0，数据呈现正偏态（右偏）特征，最大值99，需要关注极值点（为何该用户同时买了那么多CD）；

• 用户平均订单金额为35.89，中位数为25.98，数据同样呈现正偏态（右偏）特征，大部分订单金额都集中在中小额范围（14.4~43.7）,存在极值点。

4.2消费概况分析

4.2.1时间维度分析消费情况（按月）

  按月份降采样，统计信息。

df_dtindex = df.set_index(['order_dt'])
# 统计每月订单商品量、每月订单金额
month_grouped = df_dtindex.resample('m').sum()[['order_products','order_amount']]
# 统计每月消费人数
month_grouped['user_num'] = df_dtindex.resample('m')['user_id'].nunique()
# 统计每月订单数
month_grouped['order_quantity'] = df_dtindex.resample('m')['user_id'].size()
month_grouped.head()

  每月订单商品量、每月订单金额、每月消费人数、每月订单数趋势图。

month_grouped.plot(kind='line',subplots=True,figsize=(10,8))

从折线趋势图可以看出：

• 1-3月份订单商品量和订单金额都较高，4月份急速下降后趋于平缓；

• 1-3月份月均消费人数在7800~9600之间，4月份开始月均消费人数开始下降，在2000人次附近波动，反应用户粘性不高，留存率低。

出现以上的原因，可能是该网站1-3月份做大推广；或者明星新CD专辑集中发布，大量粉丝涌入网站购买。