办公用品网上商城用户画像描绘与价值分析

---

前言

本文是在学习数据分析实战课程中的用户分析、活动分析后，搜集了某办公用品网上商城的真实交易数据，采用RFM模型对电商用户按照其价值进行分层，做了用户画像的描绘和分析，记录了数据预处理、数据可视化和数据建模的全过程，旨在锻炼如何有效切入问题、熟悉分析算法的代码实现以及分析流程的设计等，更好的掌握数据分析的思维。

---

1. 项目准备

• 语言：Python 3.8
• IDE：Pycharm
• 库：Pandas、Numpy、matplotlib、wordcloud
• 其他工具：EXCEL

2. 数据梳理

本次的样本数据来自和鲸社区，数据集为某办公用品网上商城在2015年1月1日至2018年12月30日间发生的所有网络交易订单信息。

数据集介绍及来源：
https://www.heywhale.com/mw/dataset/5f766ba72b83e00030b43d21?shareby=6427146da454b6bf4c5e8e63#

2.1 数据字段梳理

数据集包含一个订单表，字段如下：

订单表：

• 行ID
• 订单ID
• 订单日期
• 发货日期
• 邮寄方式
• 客户ID
• 客户名称
• 客户性别
• 细分（客户类别：公司，小型企业，消费者）
• 城市
• 省/自治区
• 国家
• 地区
• 产品ID
• 类别（商品所属的大类）
• 子类别（商品大类的细分）
• 产品名称
• 销售额
• 数量
• 折扣（购买时给予的折扣：0，0.1，0.2，0.25，0.4，0.6，0.8）
• 利润

2.2 指标梳理

• 结果指标：
  • 销售额
  • 订单量
  • 利润
• 维度：
  • 客户 ID
  • 订单日期：订单生成的时间（2015年1月1日至2018年12月30日）
  • 商品类别（大类：类别，小类：子类别）
  • 客户性别
  • 细分（客户类别：公司、小型企业、消费者）

3. 数据清洗

3.1 数据加载及预览

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']   # 显示中文
plt.rcParams['axes.unicode_minus'] = False     # 显示正负号
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')

# 读取数据
data = pd.read_csv('商城详细销售数据-副本.csv')
data.head()

考虑到在Pycharm控制台中输出，只展示前5行数据，故此处直接截取Excel表格的内容做展示：

# 查看数据集基本信息
data.info()

3.2 处理缺失值

# 查看缺失值数量和比例
pd.DataFrame({
  			 "NaN_num":r3ound(data.isnull().sum(),2),
   		     "NaN_percent":(data.isnull().sum()/data.shape[0]).apply(lambda x:str(round(x*100,2))+'%')
   	        })
  .sort_values("NaN_num",ascending=False)

可以看到，数据集较完好，没有缺失值。因为本文需要对用户做价值分析，所以需要保证客户 ID 不为空。

3.3 处理重复值

# 删除重复值
data.drop_duplicates(inplace=True)
data.shape[0]     # 9959

3.4 处理异常值

3.4.1 日期

# 将日期字符串转换成时间格式
data['订单日期'] = pd.to_datetime(data.订单日期,format='%Y/%m/%d %H:%M')
data['发货日期'] = pd.to_datetime(data.发货日期,format='%Y/%m/%d %H:%M')

# 查看是否有日期不在选定范围内
data.query("订单日期 < '2015-01-01' | 订单日期 > '2018-12-30'")
data.query("发货日期 < '2015-01-01' | 发货日期 > '2018-12-30'")

订单日期的查询结果返回Empty DataFrame，说明订单日期全部介于2015-01-01至2018-12-30。
但发货日期查询到有62行数据超出范围，还存在2019年的数据。

将超出选定时间范围内的数据删除，即删除发货日期大于2018-12-30的数据。

# 将超出统计范围的数据删除
data.drop(data.query("发货日期 > '2018-12-30'").index, inplace=True)

# 验证是否删除
data.shape[0] #现在的数据量是9897, 删除之前是9959, 删除了62条数据
data.query("发货日期 > '2018-12-30'")

再次查询返回Empty DataFrame，说明数据已删除。

3.4.2 销售额、数量、利润

# 描述性统计
print(data[["销售额","数量","折扣","利润"]].describe())

可以看到，利润存在负值。

# 查看利润为负的数量
print("利润为负的数量",data.query("利润 < 0").shape[0])
print(data[["折扣","利润"]].query("利润 < 0").sort_values("折扣",ascending=True))

利润为负的数据共有2024条，可以粗略的看到利润为负的数据的折扣不为0，利润与折扣的关系需要验证。

# 查看折扣为0的订单的利润是否为负
print(data.query("折扣 == 0 & 利润 < 0"))
# 查看折扣不为0的订单的利润是否为正
print(data.query("折扣 > 0 & 利润 > 0"))

第一个查询返回Empty DataFrame，说明折扣为0的订单的销售额均为正。
第二个查询返回了683条数据，说明仍然存在折扣不为0但利润为正的订单。
由此可以得出利润为负的数据不是异常值，是由于商品打折之后得到的销售价小于成本造成的。
为了厘清他们之间的数量关系，使数据更完善，故在原数据上增加两列：商品单价、商品成本。
注：商品成本是某种商品单个的成本，总成本需要乘以数量并根据聚合维度求和。

# 增加商品单价和商品成本
data["商品单价"] = round(data.销售额/(1-data.折扣)/data.数量,2)
data["商品成本"] = round((data.销售额 - data.利润)/data.数量,2)

print(data[["商品单价","折扣","数量","销售额","商品成本","利润"]].head())

销售额 = 商品单价 × (1-折扣) × 数量
利润 = 销售额 - 商品成本 × 数量

4. 用户特征字段创造和词云构建

4.1 RFM模型

4.1.1 R值

# R 最近一次购买的时间
# 计算每个客户最近一次购买的日期
R = data.groupby('客户 ID')['订单日期'].max()
# 计算每位客户最近一次购买距离截止日期的天数 截止日期：2018-12-30
R_days =(data['订单日期'].max()-R).dt.days
# 数据非正态分布，将最近一次购买距离截止日期的天数按中位数分为5层，并依次评分，距离天数越大，得分越低
R_scores = pd.qcut(R_days,q=5,duplicates='drop',labels=[5,4,3,2,1])
R_temp = pd.concat([R,R_days,R_scores],axis=1)
print(R_temp)

第一列是最近一次购买时间，第二列是距离截止日期的天数，第三列是得分。

4.1.2 F值

# F 在统计周期内的消费频次
# 计算每个客户在2015-01-01至2018-12-30的消费次数
F = data.groupby('客户 ID')['订单 ID'].nunique()
# 查看消费次数的占比情况，确定分箱策略
F_data = pd.DataFrame({
    'count':F.value_counts(),
    'percent':(F.value_counts()/F.value_counts().sum()).apply(lambda x:str(round(x*100,2)) + '%')
}).sort_values('count',ascending=False)
print(F_data)

索引列是消费次数，第一列是某一消费次数出现了多少次，第二列是出现频率。可以看到，消费了4、5、6、7次的最多，合计超过了60%。

# 自定义分箱
F_scores = pd.cut(F,[1,4,6,8,10,F.max()+1],labels=[1,2,3,4,5],right = False)
F_temp = pd.concat([F,F_scores],axis=1)
print(F_temp)

第一列是消费次数，第二列是得分。

4.1.3 M值

# M 购买金额
# 计算每个客户在2015-01-01至2018-12-30的购买金额
M = data.groupby('客户 ID')['销售额'].sum()
# 将购买金额按照中位数分为5层,并依次评分
M_scores = pd.qcut(M,q=5,duplicates='drop',labels=[1,2,3,4,5])  # duplicates='drop' 分箱临界值不唯一，丢弃非唯一
print(pd.concat([M,M_scores],axis=1))

索引列是客户ID，第一列是每个客户所有订单的购买金额求和，第二列是得分。

4.1.4 分值计算

# 合并R、F、M
RFM = pd.concat([R_scores,F_scores,M_scores],axis=1)
RFM.columns = ['R_scores','F_scores','M_scores']
print(RFM)

for i in RFM.columns:
    RFM[i] = RFM[i].astype(float)

# 将每个值按R/F/M均值的大小分别定义其高低
for i,j in enumerate(['R','F','M']):
    RFM[j] = np.where(RFM.iloc[:,i] > RFM.iloc[:,i].mean(),'高','低')
print(RFM)

# 创造综合价值变量
RFM['value'] = RFM['R'] + RFM['F'] + RFM['M']

map_dict = {'高高高':'重要价值客户',
            '高低高':'重要发展客户',
            '低高高':'重要保持客户',
            '低低高':'重要挽留客户',
            '高高低':'一般价值客户',
            '高低低':'一般发展客户',
            '低高低':'一般保持客户',
            '低低低':'流失客户'}

RFM['CustomerLevel'] = RFM['value'].map(map_dict)
print(RFM)

到目前为止，已使用RFM模型完成所有客户的价值分层，客户价值的分析在本文第五节 5.3营销策略制定。

4.2 用户词云

4.2.1 用户特征汇总

# 计算出每个客户的消费总金额，下单总数，下单的产品总数
data_temp = data.groupby('客户 ID').agg({
    '销售额':np.sum,
    '订单 ID':'nunique',
    '数量':np.sum,
})
print(data_temp)

第一列是消费金额，第二列是下单数，第三列是下单的产品总数

# 提取每个客户的基本信息
data_temp2 = data.groupby('客户 ID')['客户名称','客户性别','细分','城市','省/自治区','国家','地区'].first()
print(data_temp2)

# 将所有客户特征合并，形成客户信息表
Customer_Info = pd.concat([data_temp2,data_temp,RFM[['CustomerLevel','F_scores','M_scores']],R_days],axis=1)
Customer_Info.columns = ['客户名称','客户性别','客户类型','城市','省/自治区','国家','地区','消费金额','下单数','购买商品总数','客户等级','F_scores','M_scores','最近一次购买是几天前']
print(Customer_Info)

Customer_Info.to_excel('客户信息.xlsx',index=True)

导出为.xlsx表格：

4.2.2 词云构建

from wordcloud import WordCloud
# 从 Customer_Info 中提取词云所要展示的信息
Customer_Profile = pd.DataFrame()
Customer_Profile['客户姓名'] = Customer_Info['客户名称']
Customer_Profile['客户性别'] = Customer_Info['客户性别']
Customer_Profile['客户类型'] = Customer_Info['客户类型']
Customer_Profile['客户地区'] = Customer_Info['省/自治区'] + Customer_Info['城市']
Customer_Profile['最近购买的时间'] = Customer_Info['最近一次购买是几天前'].apply(lambda x:"最近" + str(x) + "天前进行过一次购物")
#消费频次用F的分值计算，1、2：低频消费（不超过5次），3、4：中频消费（5-10次），5：高频消费（10次以上）
Customer_Profile['消费频次'] = Customer_Info['F_scores'].apply(lambda x:'高频消费' if x == 5 else '中频消费' if x > 2 else '低频消费')
#消费水平用M的分值计算，1、2：高等消费，3、4：中等消费，5：高等消费
Customer_Profile['消费水平'] = Customer_Info['M_scores'].apply(lambda x:'高等消费用户' if x == 5 else '中等消费用户' if x > 2 else '低等消费用户')
Customer_Profile['客户等级'] = Customer_Info['客户等级']

print(Customer_Profile)

# 开始绘制用户词云，封装成一个函数来直接显示词云
def wc_plot(df, id_label):
    """
    df: 客户特征数据集
    id_label: 客户ID
    """
    text = df.loc[id_label].values.tolist()
    # 设置词云蒙版,男性用“男生头像.png”,女性用“女生头像.png”
    if df.loc[[id_label],["客户性别"]].values == [['男']]:
        my_mask = imageio.imread("男生头像.png")
    else:![请添加图片描述](https://img-blog.csdnimg.cn/018e1317e50c40999cf90ba58d608699.png)

        my_mask = imageio.imread("女生头像.png")

    plt.figure(dpi = 100)
    wc = WordCloud(font_path = 'msyh.ttc',
                   background_color = 'white',
                   width = 700,
                   height = 500,
                   min_font_size=8,
                   mask = my_mask,
                   scale = 4, # 默认为1，若生成的词云字体很模糊就将此参数调大
                   repeat = True  # 是否重复 单词较少，重复单词以填满
                   )\
        .generate_from_text(' '.join(text))
    
    # # 若需要从图片中提取配色方案,需要使用color_func 就用下面的方法：
    # imgobj = imageio.imread('配色.png')
    # image_colors = wordcloud.ImageColorGenerator(np.array(imgobj))
    # wc.recolor(color_func=image_colors)

    plt.imshow(wc)
    plt.axis('off')
    plt.savefig(f'./{id_label}的用户画像.png')
    plt.show()

# 调用词云函数来绘制用户画像,自行选择客户ID作为入参
wc_plot(Customer_Profile, '丁婵-10990')

丁婵-10990 的画像：

丁婵，女，来自湖北鄂州，是一名公司采购。她最近70天前在本商城进行过一次购物，三年内消费次数不超过5次，属于低频消费客户，消费金额比较低，是低等消费用户，总体来看，属于一般发展客户。

# 调用词云函数来绘制用户画像,自行选择客户ID作为入参
wc_plot(Customer_Profile, '龙谦-19300')

龙谦-19300 的画像：

龙谦，男，来自江苏泰兴，是个体消费者。他最近102天前在本商城进行过一次购物，三年内消费次数在10次以上，并且消费金额比较高，是高频消费和高等消费用户，总体来看，属于重要保持客户。

丁妮-18610 的画像：

丁妮，女，来自河南禹州，是一名公司采购。她最近105天前在本商城进行过一次购物，三年内消费次数在5到10次之间，属于中频消费客户，消费金额比较高，是高等消费用户，总体来看，属于重要保持客户。

# 调用词云函数来绘制用户画像,自行选择客户ID作为入参
wc_plot(Customer_Profile, '龚松-20710')

龚松，男，来自陕西榆林，是一名小型企业采购者。他最近37天前在本商城进行过一次购物，三年内消费次数在5到10次之间，属于中频消费客户，消费金额比较高，是高等消费用户，总体来看，属于重要价值客户。

5. 统计分析

5.1 客户男女比例、类型分析

本小节采用Excel数据透视表做可视化，巩固Excel所学。Excel数据透视表功能很强大，数据透视图的图表样式、配色方案也很多，绘制基础图表，零代码岂不美哉~

客户结构分析

① 商城 53%的客户是男性，47%的客户是女性，男性消费者要多于女性消费者，但比例较均衡，差异不明显。

② 商城的客户中，约有二分之一的客户是个体消费者，三分之一的客户是公司采购，五分之一的客户是小型企业批发商。

③ 不同类型客户贡献的消费额与客户数量占比一致。

5.2 订单分布分析

各地区订单分布情况：

① 订单主要分布在华东地区、中南地区和东北地区，三者合计占比为73%。

② 西北地区的订单量最少，占比最小，仅有5%。

各省订单分布情况：

① 订单量排行前十的省份依次是山东、广东、辽宁、黑龙江、江苏、湖北、河南、湖南、浙江、四川，以东部沿海地区居多。

建议：

① 商城广告的投放地区应优先选择 华东地区、中南地区和东北地区， 东部沿海一带的省份是推广重点。

② 山东、广东、辽宁、黑龙江、江苏、湖北、河南、湖南、浙江、四川 这几个省份的单量靠前， 资源可适当倾斜于这几个省份。

5.3 商品分析

5.3.1 各品类商品销量、销售额、利润分析

用数据透视表+时间切片器做数据汇总，得出2015年-2018年各品类商品的销量、销售额、利润，如下图所示：

• 商城在售的商品共分为三大类：办公用品、家具和技术类。
• 2015-18年中，总销量占比最高的是办公用品大类，达到了57%。
  • 办公用品类商品是商城的主推产品，客户需求量大，日常需关注安全库存量和供应链情况，避免出现缺货。
• 家具类产品的销售额占比最大，但利润占比最低。
• 技术类产品的销量最低，销量占比仅有20%，但利润占比达到了35%。

• 技术类产品销量低，但在销售额和利润上都有不错的表现，建议从技术类产品中挑选引流产品，增加此类商品的广告投放，提高曝光率，从而提升毛利。

5.3.2 挑选爆品

不论是在平台上经营店铺还是经营一个独立站（自建站），要想获得高流量、高利润，就离不开核心商品的把控。我们把商品分为爆款、引流款、利润款三个层次，爆款，顾名思义就是非常火爆的产品，高流量、高曝光度、高订单量是它的代名词。爆款商品虽然可能不是利润的主要来源，但是可以给平台内的其他商品带来关联流量。

一般爆款产品都具有以下几个因素：

1. 没有库存积压的压力
2. 市场潜力大，利润率高
3. 具有独特性/创意性
4. 能带来较高流量
5. 销售周期长
6. 具有话题性、趣味性，有利于口碑传播

选品首先就是要选择市场需求量大的产品，其中最好是刚需产品。因为刚需产品的市场消费群体已经十分庞大，不需要再花时间和精力去挖掘潜在用户群，且其潜在用户群是聚集的，用户购买是从需求出发购买而不是从个人喜好出发，成交会更容易，用户的转化率会更高，也更易于打造爆款。

上一小节 5.3.1 已分析出本商城办公用品大类的市场需求量最大，因此本小节讨论如何在办公用品类商品中挑选出爆款。

首先，在办公用品中，四年来销售额稳居前五的品类从高到低依次是器具、收纳具、装订机、用品、信封。爆款将在这五个品类中选择。
其次，排除这五类商品中的季节性商品，此类商品更新换代快，容易产生库存积压。
绘制2015年-2018年器具、收纳具、装订机、用品、信封的每月销量趋势图。

观察器具、收纳具、装订机、用品、信封的每月销量趋势图，可以发现：

① 装订机的销量呈现逐月上涨、逐年递增的趋势，并且波动较小，并未出现攀升至高峰然后断崖式下降情况。

② 收纳具、用品虽然销售额可观，但是近三年来销售趋势呈现每月增减交替的现象，每月销量差异约为20单。

结论

综合来看，装订机销量随时间变化较小，库存积压风险小，并且暂未出现过断崖式增长后下降的情况，能有效把控安全库存，同时在销售额、利润方面表现良好，故选择装订机作为爆款，下面讨论选择哪一款装订机作为爆款。

• 销量平均值为5,取销量大于平均值的品牌。
• 取销售额排名靠前的品牌, 即销售额>4000的品牌可满足销售额排名在前7%。
• 设利润率阈值为10%, 舍弃利润率过低的产品。

最终可以得到以下11款产品作为爆品候选:

5.3 营销策略制定

5.3.1 用户价值分析

本文第四节 4.1 RFM模型 已经对所有用户进行了价值分层, 各项指标如下:

R	F	M	客户等级	行为特征	营销策略
高	高	高	重要价值客户	近期购买过,购买频率高,消费高, 是主要消费客户	升级为VIP客户,建立单独的社群,提供个性化服务,倾斜较多的资源,保障留存率
高	低	高	重要发展客户	近期购买过, 购买频率低,消费较高, 此层级的客户数量很少,但消费水平高,可能是新的批发商或企业采购	提供会员积分服务,给予一定程度的优惠来提供高留存率
低	高	高	重要保持客户	近期没有购买,购买频率高,消费较高,客单价很高,是主要消费群体	通过短信、邮件等方式来介绍新产品/功能, 发放红包/优惠券等来唤醒此部分用户,促进消费
低	低	高	重要挽留客户	近期没有购买,购买频率低,消费高	通过短信、邮件、电话等介绍最新产品/功能/升级服务促销折扣等，避免流失
高	高	低	一般价值客户	近期购买过,购买频率高,消费低	潜力股, 提供社群服务,介绍新产品/功能促进消费
高	低	低	一般发展客户	近期购买过,购买频率低,消费低,客单价低,可能是新客户,个体消费者居多	提供社群服务，介绍新产品/功能，提供折扣等提高留存率, 制定计划时可与重要发展客户一致,但资源分配时优先考虑重要发展客户
低	高	低	一般保持客户	近期没有购买，购买频率高，消费低	介绍新产品/功能等方式唤起此部分用户
低	低	低	流失客户	近期没有购买，购买频率低，消费低，已流失	促销折扣等方式唤起此部分用户，当资源分配不足时可以暂时放弃此部分用户

6. 总结

推广建议:

① 商城广告的投放地区应优先选择华东地区、中南地区和东北地区，东部沿海一带的省份是推广重点。

② 山东、广东、辽宁、黑龙江、江苏、湖北、河南、湖南、浙江、四川 这几个省份的单量靠前，资源可适当倾斜于这几个省份。

爆品选择:

一般爆款产品都具有以下几个因素：

1. 没有库存积压的压力
2. 市场潜力大，利润率高
3. 具有独特性/创意性
4. 能带来较高流量
5. 销售周期长
6. 具有话题性、趣味性，有利于口碑传播

建议从下面11款产品中挑选爆品:

产品 ID	产品名称
办公用-装订-10002836	Avery 订书机, 回收
办公用-装订-10001062	Acco 订书机, 回收
办公用-装订-10000416	Acco 订书机, 耐用
办公用-装订-10004615	Wilson Jones 订书机, 耐用
办公用-装订-10001078	Ibico 订书机, 回收
办公用-装订-10003676	Ibico 订书机, 透明
办公用-装订-10002471	Acco 订书机, 实惠
办公用-装订-10002580	Wilson Jones 订书机, 透明
办公用-装订-10000749	Ibico 打孔机, 透明
办公用-装订-10004255	Acco 打孔机, 回收
办公用-装订-10002575	Wilson Jones 打孔机, 耐用

不同等级客户的营销策略:

R	F	M	客户等级	行为特征	营销策略
高	高	高	重要价值客户	近期购买过,购买频率高,消费高, 是主要消费客户	升级为VIP客户,建立单独的社群,提供个性化服务,倾斜较多的资源,保障留存率
高	低	高	重要发展客户	近期购买过, 购买频率低,消费较高, 此层级的客户数量很少,但消费水平高,可能是新的批发商或企业采购	提供会员积分服务,给予一定程度的优惠来提供高留存率
低	高	高	重要保持客户	近期没有购买,购买频率高,消费较高,客单价很高,是主要消费群体	通过短信、邮件等方式来介绍新产品/功能, 发放红包/优惠券等来唤醒此部分用户,促进消费
低	低	高	重要挽留客户	近期没有购买,购买频率低,消费高	通过短信、邮件、电话等介绍最新产品/功能/升级服务促销折扣等，避免流失
高	高	低	一般价值客户	近期购买过,购买频率高,消费低	潜力股, 提供社群服务,介绍新产品/功能促进消费
高	低	低	一般发展客户	近期购买过,购买频率低,消费低,客单价低,可能是新客户,个体消费者居多	提供社群服务，介绍新产品/功能，提供折扣等提高留存率, 制定计划时可与重要发展客户一致,但资源分配时优先考虑重要发展客户
低	高	低	一般保持客户	近期没有购买，购买频率高，消费低	介绍新产品/功能等方式唤起此部分用户
低	低	低	流失客户	近期没有购买，购买频率低，消费低，已流失	促销折扣等方式唤起此部分用户，当资源分配不足时可以暂时放弃此部分用户

项目经验：
初学数据分析，每一个结论的产生、每一个图表的完成，对我来说都弥足珍贵。
本文由于缺乏页面访问量、跳出率、投资回报率、客户购买时间等，无法进一步分析消费者偏好、给出职能人员资源分配建议等，实在遗憾。客户分层时只尝试了RFM模型, 没有进一步基于RFM加权得分，今后会根据不同的业务场景灵活的调整比重来划分客户层级，使分析结果更符合业务现状。