CD案例分析

本文是对CD案例的一个总结，主要是根据用户消费记录，分析用户消费行为，建立RFM模型，分析复购率、回购率等关键指标。希望对其他产品的线上消费数据分析有一定的借鉴价值。

分析过程

• 准备工作（数据集观察与数据清洗）
• 用户消费趋势分析（按月）——每月消费总金额、消费次数、产品购买量、消费人数、用户平均消费金额、用户平均消费次数
• 用户个体消费分析——用户消费金额，产品购买量的描述性统计、用户消费金额和产品购买量分布、用户累计消费金额占比
• 用户消费行为分析——用户第一次消费（首购）时间分布、用户最后一次消费时间分布、新老用户占比、用户分层RFM模型、各类用户（新用户、活跃用户、流失用户、回流用户）数量和占比、用户购买周期、用户生命周期
• 用户复购率和回购率分析——复购率、回购率

一丶数据集观察与数据清洗

1.1 导入数据集

数据集为txt文件格式，没有列名，并且字段之间使用多个空格进行分隔。

这里读取文件时使用sep=’\s+’，如果在分隔符里存在多个字符串，可以用s+，+类似于正则匹配，无论分隔符有多少个空格都可以自动处理。

path = r'D:\yl\project'
os.chdir(path)
columns = ['user_id','order_dt','order_products','order_amount']
df = pd.read_table('CDNOW_master.txt',names = columns,sep = '\s+')

1.2 数据清洗

检查数据，发现数据集不存在缺失值，但是order_dt数据类型为int64，需要转换为日期型datetime64[ns]。
由于接下来需要按月分析用户消费趋势，这里新建一个month字段。将order_dt列转换为datetime64[M]，默认会是每月的第一天。同理，如果设置为datetime64[Y]就是每年的1月1日。

df['order_dt']=pd.to_datetime(df.order_dt,format="%Y%m%d")
df['month']=df.order_dt.values.astype('datetime64[M]')

二丶用户消费趋势分析（按月）

2.1 每月的消费总金额

grouped_month=df.groupby('month')
order_month_amount=grouped_month.order_amount.sum()
order_month_amount.plot(figsize=(16,9))

消费金额在前三个月达到最高峰，后续消费较为稳定，有轻微下降趋势。

2.2 每月的消费次数

grouped_month.user_id.count().plot()

前三个月产品购买量最大，达到20000甚至以上，后续月份产品购买量较为稳定，平均7000左右。

2.3 每月的消费人数

# 这里 x 其实是一个数组，是每月分组的用户id，去重后求数组的 len 长度就代表每月的用户数
df.groupby('month').user_id.apply(lambda x:len(x.drop_duplicates())).plot()

每月消费人数低于每月消费次数，但差异不大。
前三个月每月的消费人数在8000-10000之间，后续月份，平均消费人数在2000不到。

2.4 数据透视表

上面进行的汇总分析，其实可以用数据透视的方法更快实现，一次求出每月的消费总金额、每月的消费次数、每月的产品购买量。

df.pivot_table(index = 'month',values = ['order_products','order_amount','user_id'],\
               aggfunc = {
   'order_products':sum,'order_amount':sum,'user_id':pd.Series.nunique})

三丶用户个体消费分析

3.1 用户消费金额和产品购买量的散点图

grouped_user.sum().plot.scatter(x='order_amount',y='order_products')

绝大部分的数据集中分布，小部分极值对分析有一定的干扰。
可以使用query方法，筛选出order_amount<4000的用户，排除极值的干扰。

grouped_user.sum().plot.scatter(x='order_products',y= 'order_amount',figsize=(16,9))

用户消费金额与产品购买量几乎成线性关系，购买的商品越多，消费金额越大。

3.2 用户消费金额的分布图

grouped_user.sum().order_amount.plot.hist(bins=20)

用户消费金额，绝大部分呈现集中趋势，小部分异常值干扰了判断，可以使用过滤操作排除异常。

grouped_user.sum().query