python可以进行用户画像的图片_京东小家电用户画像分析（python+tableau）

一、项目背景

京东电商平台最近小家电类目的订单数量、产品浏览量和搜索数量等均有所下降，相关部门计划对小家电类目进行一次促销活动，希望能针对小家电用户的特征提出相应的建议。

二、需求拆解

促销活动主要包含以下几个部分：

• 促销活动的受众
• 促销活动的时间
• 促销活动的产品

受众——用户的基本属性；时间——用户的购物行为属性；产品——用户的偏好属性。

本篇分析报告主要从以上角度展开勾勒小家电消费群体的用户画像，并根据用户特征来为促销活动提供相关的建议和指导。

三、数据介绍

1. 数据源

本次用户画像分析的数据源为：2020年8月13日-2020年8月19日的小家电订单数据、相关用户的用户信息数据、小家电用户的加购数据。

2. 数据预处理（python）

• 导入常用包及读取数据

#导入常用包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
% matplotlib inline
import datetime
import matplotlib
from matplotlib.ticker import FuncFormatter
plt.rcParams['font.sans-serif']=['Arial Unicode MS']

import warnings
warnings.filterwarnings('ignore')

#读取订单数据和用户信息数据
import os
os.chdir('C:/Users/emma/Desktop/京东项目/2 用户画像/数据提取/')

user_df=pd.read_csv('xjd_user_info.csv',delimiter='t')
order_df=pd.read_csv('xjd_order_d.csv',delimiter='t')

• 订单数据及用户信息数据概览

订单数据约有60万条

#订单数据
order_df.info()

用户信息数据约有21万条

#用户信息数据
user_df.info()

• 转换数据类型

将订单数据中关于时间的字段转换为时间类型

#更改字段类型
order_df['sale_ord_tm']=pd.to_datetime(order_df['sale_ord_tm'])
order_df['sale_ord_dt']=pd.to_datetime(order_df['sale_ord_dt'])
order_df['check_account_tm']=pd.to_datetime(order_df['check_account_tm'])

• 合并并提取有效数据

根据用户账号字段将订单数据和用户信息数据进行合并

#合并数据
order_user_df=pd.merge(order_df,user_df,on='user_log_acct',how='left')
#找出所有下过订单用户唯一记录
order_user_df_unique=order_user_df.copy()
order_user_df_unique=order_user_df_unique.drop_duplicates(subset=['user_log_acct'],keep='first')
order_user_df_unique.info()

通过sale_ord_valid_flag（有效订单标志）、cancel_flag（是否取消订单）、check_account_tm（支付时间）、after_prefr_unit_price（优惠后订单金额）、user_actual_pay_amount（实际支付订单）字段筛选出有效订单数据进行后续的数据分析

vaild_order_df=order_df[(order_df['sale_ord_valid_flag'] == 1)&#订单有效
                            (order_df['cancel_flag'] == 0)&未取消
                            (order_df['check_account_tm']!=0)&支付时间不为空
                            (order_df['after_prefr_unit_price']!=0)&优惠后单价和实际支付单价不为0
                            (order_df['user_actual_pay_amount']!=0)]

后续需要对订单数据按时间段进行分析，所以新增时间字段，形成最终进行用户画像分析的源数据

#新增时间字段
vaild_order_df['order_time_hms']=vaild_order_df['sale_ord_tm'].apply(lambda x: x.strftime('%H:00:00'))

四、用户画像分析

1. 基本属性分析

• 用户性别和年龄分布

从数据来看，下单的小家电类目的用户多为男性，但与女性的数量差别较小（10%）。用户多集中在25-35岁的年龄区间，25岁以下的年轻用户和45岁以上的中老年用户较少

• 用户的地域分布

小家电类目的用户来自广东的最多，其次为江苏和北京；在城市分布中，北上广深占消费用户数量分布的前四名。

• 用户的婚育状况

近70%的下单小家电的用户为已婚，超过60%的用户有孩的可能性较高

• 用户的教育水平

绝大多数小家电用户拥有专科以上的学历，说明该类目的用户学历水平比较高；大多数用户主要从事互联网、白领、教师等收入较高的职业，这与其学历水平相符。

• 用户的基本属性描述

小家电用户的典型消费者：

男性，年龄在30岁左右，已婚且有孩子。居住在一线城市，拥有本科学历，并在一家互联网企业任职，收入较高。

结论：

促销文案偏中性，突出促销产品对家庭生活品质的提升。

2. 购买行为属性分析

• 用户购买商品类目分布

从订单数据来看，电风扇是最受欢迎的品类。但是该订单数据是8月中旬的数据，正值天气炎热，所以风扇销量较大。由于促销活动计划在夏天结束之后进行。所以，应该选择第二受欢迎的净水器、饮水机和加湿器等类目。

• 用户的购买时间分布

从时间维度对用户数据拆分来看，绝大多数订单多集中在周二和周六完成，而周三的订单数量最少；从单日的每小时订单量来看，下单时间多集中在早上10-11点，晚上21-22点。一般促销活动的推送相对要提前一定时间，以便用户有时间进行商品的选择。因此，建议在周二和周六的早九点和晚八点进行促销活动的推送。

• 用户的促销敏感度分析

根据历史数据，绝大部分的小家电用户对促销高度敏感，但是仅有一小部分用户对促销重度敏感。这说明，针对小家电用户的促销活动应该确定合适的促销力度，并在促销形式上多下功夫。

• 用户的评论敏感度分析

绝大多数小家电用户对评论极度敏感。这说明小家电用户非常看重产品的口碑和使用反馈，在促销选品上可以选择评价高、评论数多的产品；在活动文案上多体现促销产品的口碑。

3. 偏好属性分析

在对小家电促销的基础上，想要将小家电的用户转化到其他产品上去。如何进行选品呢？主要通过小家电用户的搜索和加购数据分析消费者的购物偏好，进而进行选品的建议。

• 加购次数分布

小家电用户在其他产品类目上的加购次数最多是厨房家电，其次是粮油调味。从该数据可知，小家电用户的偏好主要集中在家庭生活中的需求，而且厨房用品占比相对较大。可以以此为切入点，多在小家电或者搜索页面对厨房有关的产品进行引流。

五、结论

小家电消费者特征：

多为居住在一线城市的男性，年龄在30岁左右，已婚且有孩子。学历水平较高，从事互联网、白领等高收入职业行业。他们喜欢在周二或者周六的早上10点或者晚上10点左右下单。他们对促销活动高度敏感，喜欢有良好口碑的产品。前两周主要购买的小家电为风扇。

对促销活动的建议：

• 文案：采取无性别风格的文案，突出产品的口碑和对家庭生活品质的提升
• 产品：选择口碑好的净水器、饮水机、加湿器等产品
• 时间：选择在周二和周六的早九点和晚八点进行推送