大家好,我是老表~
今 天 和大家分享的Python+SQL数据分析实战案例 ,学习了 记得 点赞、留言、转发,三连哦~
1
项目背景
项目对京东电商运营数据集进行 指标分析 以了解 用户购物行为特征 ,为运营决策提供支持建议。本文采用了 MySQL 和 Python 两种代码进行指标计算以适应不同的数据分析开发环境。
2
数据集介绍
本数据集为京东竞赛数据集, 详细介绍请访问链接:
https://jdata.jd.com/html/detail.html?id=8
数据集共有五个文件,包含了'2018-02-01'至'2018-04-15'之间的用户数据,数据已进行了脱敏处理,本文使用了其中的 行为数据表 ,表中共有五个字段, 各字段含义如下图所示:
3
数据清洗
# 导入python相关模块 import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from datetime import datetime plt.style.use('ggplot') %matplotlib inline # 设置中文编码和负号的正常显示 plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False
# 读取数据,数据集较大,如果计算机读取内存不够用,可以尝试kaggle比赛 # 中的reduce_mem_usage函数,附在文末,主要原理是把int64/float64 # 类型的数值用更小的int(float)32/16/8来搞定 user_action = pd.read_csv('jdata_action.csv')
# 因数据集过大,本文截取'2018-03-30'至'2018-04-15'之间的数据完成本次分析 # 注:仅4月份的数据包含加购物车行为,即type == 5 user_data = user_action[(user_action['action_time'] > '2018-03-30') & (user_action['action_time'] < '2018-04-15')]
# 存至本地备用 user_data.to_csv('user_data.csv',sep=',')
# 查看原始数据各字段类型 behavior = pd.read_csv('user_data.csv', index_col=0) behavior[:10]
# OUTPUT user_id sku_id action_time module_id type 17 1455298 208441 2018-04-11 15:21:43 6190659 1 18 1455298 334318 2018-04-11 15:14:54 6190659 1 19 1455298 237755 2018-04-11 15:14:13 6190659 1 20 1455298 6422 2018-04-11 15:22:25 6190659 1 21 1455298 268566 2018-04-11 15:14:26 6190659 1 22 1455298 115915 2018-04-11 15:13:35 6190659 1 23 1455298 208254 2018-04-11 15:22:16 6190659 1 24 1455298 177209 2018-04-14 14:09:59 6628254 1 25 1455298 71793 2018-04-14 14:10:29 6628254 1 26 1455298 141950 2018-04-12 15:37:53 10207258 1
behavior.info()
# OUTPUT <class 'pandas.core.frame.DataFrame'> Int64Index: 7540394 entries, 17 to 37214234 Data columns (total 5 columns): user_id int64 sku_id int64 action_time object module_id int64 type int64 dtypes: int64(4), object(1) memory usage: 345.2+ MB
# 查看缺失值 behavior.isnull().sum()
# OUTPUT user_id 0 sku_id 0 action_time 0 module_id 0 type 0 dtype: int64
数据各列无缺失值。
# 原始数据中时间列action_time,时间和日期是在一起的,不方便分析,对action_time列进行处理,拆分出日期和时间列,并添加星期字段求出每天对应 # 的星期,方便后续按时间纬度对数据进行分析 behavior['date'] = pd.to_datetime(behavior['action_time']).dt.date # 日期 behavior['hour'] = pd.to_datetime(behavior['action_time']).dt.hour # 时间 behavior['weekday'] = pd.to_datetime(behavior['action_time']).dt.weekday_name # 周
# 去除与分析无关的列 behavior = behavior.drop('module_id', axis=1)
# 将用户行为标签由数字类型改为用字符表示 behavior_type = {1:'pv',2:'pay',3:'fav',4:'comm',5:'cart'} behavior['type'] = behavior['type'].apply(lambda x: behavior_type[x]) behavior.reset_index(drop=True,inplace=True)
# 查看处理好的数据 behavior[:10]
# OUTPUT user_id sku_id action_time type date hour weekday 0 1455298 208441 2018-04-11 15:21:43 pv 2018-04-11 15 Wednesday 1 1455298 334318 2018-04-11 15:14:54 pv 2018-04-11 15 Wednesday 2 1455298 237755 2018-04-11 15:14:13 pv 2018-04-11 15 Wednesday 3 1455298 6422 2018-04-11 15:22:25 pv 2018-04-11 15 Wednesday 4 1455298 268566 2018-04-11 15:14:26 pv 2018-04-11 15 Wednesday 5 1455298 115915 2018-04-11 15:13:35 pv 2018-04-11 15 Wednesday 6 1455298 208254 2018-04-11 15:22:16 pv 2018-04-11 15 Wednesday 7 1455298 177209 2018-04-14 14:09:59 pv 2018-04-14 14 Saturday 8 1455298 71793 2018-04-14 14:10:29 pv 2018-04-14 14 Saturday 9 1455298 141950 2018-04-12 15:37:53 pv 2018-04-12 15 Thursday
4
分析模型构建分析指标
1.流量指标分析
pv、uv、消费用户数占比、消费用户总访问量占比、消费用户人均访问量、跳失率
PV UV
# 总访问量 pv = behavior[behavior['type'] == 'pv']['user_id'].count() # 总访客数 uv = behavior['user_id'].nunique() # 消费用户数 user_pay = behavior[behavior['type'] == 'pay']['user_id'].unique() # 日均访问量 pv_per_day = pv / behavior['date'].nunique() # 人均访问量 pv_per_user = pv / uv # 消费用户访问量 pv_pay = behavior[behavior['user_id'].isin(user_pay)]['type'].value_counts().pv # 消费用户数占比 user_pay_rate = len(user_pay) / uv # 消费用户访问量占比 pv_pay_rate = pv_pay / pv # 消费用户人均访问量 pv_per_buy_user = pv_pay / len(user_pay)
# SQL SELECT count(DISTINCT user_id) UV, (SELECT count(*) PV from behavior_sql WHERE type = 'pv') PV FROM behavior_sql; SELECT count(DISTINCT user_id) FROM behavior_sql WHERE WHERE type = 'pay'; SELECT type, COUNT(*) FROM behavior_sql WHERE user_id IN (SELECT DISTINCT user_id FROM behavior_sql WHERE type = 'pay') AND type = 'pv' GROUP BY type;
print('总访问量为 %i' %pv) print('总访客数为 %i' %uv) print('消费用户数为 %i' %len(user_pay)) print('消费用户访问量为 %i' %pv_pay) print('日均访问量为 %.3f' %pv_per_day) print('人均访问量为 %.3f' %pv_per_user) print('消费用户人均访问量为 %.3f' %pv_per_buy_user) print('消费用户数占比为 %.3f%%' %(user_pay_rate * 100)) print('消费用户访问量占比为 %.3f%%' %(pv_pay_rate * 100))
# OUTPUT 总访问量为 6229177 总访客数为 728959 消费用户数为 395874 消费用户访问量为 3918000 日均访问量为 389323.562 人均访问量为 8.545 消费用户人均访问量为 9.897 消费用户数占比为 54.307% 消费用户访问量占比为 62.898%
消费用户人均访问量和总访问量 占比都在平均值以上,有过消费记录的用户更愿意在网站上花费更多时间,说明 网站的购物体验尚可 ,老用户对网站有一定依赖性,对没有过消费记录的用户要让快速了解产品的使用方法和价值, 加强用户和平台的黏连 。
跳失率
# 跳失率:只进行了一次操作就离开的用户数/总用户数 attrition_rates = sum(behavior.groupby('user_id')['type'].count() == 1) / (behavior['user_id'].nunique())
# SQL SELECT (SELECT COUNT(*) FROM (SELECT user_id FROM behavior_sql GROUP BY user_id HAVING COUNT(type)=1) A) / (SELECT COUNT(DISTINCT user_id) UV FROM behavior_sql) attrition_rates;
print('跳失率为 %.3f%%' %(attrition_rates * 100) )
# OUTPUT 跳失率为 22.585%
整个计算周期内 跳失率 为22.585%,还是有较多的用户仅做了单次操作就离开了页面,需要从首页页面布局以及产品用户体验等方面加以改善,提高产品吸引力。
2. 用户消费频次分析
# 单个用户消费总次数 total_buy_count = (behavior[behavior['type']=='pay'].groupby(['user_id'])['type'].count() .to_frame().rename(columns={'type':'total'})) # 消费次数前10客户 topbuyer10 = total_buy_count.sort_values(by='total',ascending=False)[:10] # 复购率 re_buy_rate = total_buy_count[total_buy_count>=2].count()/total_buy_count.count()
# SQL #消费次数前10客户 SELECT user_id, COUNT(type) total_buy_count FROM behavior_sql WHERE type = 'pay' GROUP BY user_id ORDER BY COUNT(type) DESC LIMIT 10 #复购率 CREAT VIEW v_buy_count AS SELECT user_id, COUNT(type) total_buy_count FROM behavior_sql WHERE type = 'pay' GROUP BY user_id; SELECT CONCAT(ROUND((SUM(CASE WHEN total_buy_count>=2 THEN 1 ELSE 0 END)/ SUM(CASE WHEN total_buy_count>0 THEN 1 ELSE 0 END))*100,2),'%') AS re_buy_rate FROM v_buy_count;
topbuyer10.reset_index().style.bar(color='skyblue',subset=['total'])
# 单个用户消费总次数可视化 tbc_box = total_buy_count.reset_index() fig, ax = plt.subplots(figsize=[16,6]) ax.set_yscale("log") sns.countplot(x=tbc_box['total'],data=tbc_box,palette='Set1') for p in ax.patches: ax.annotate('{:.2f}%'.format(100*p.get_height()/len(tbc_box['total'])), (p.get_x() - 0.1, p.get_height())) plt.title('用户消费总次数')
整个计算周期内, 最高购物次数 为133次,最低为1次,大部分用户的购物次数在6次以下,可适当 增加推广,完善购物体验,提高用户消费次数。 购物次数前10用户为1187177、502169等,应提 高其满意度,增大留存率。
print('复购率为 %.3f%%' %(re_buy_rate * 100) )
# OUTPUT 复购率为 13.419%
复购率较低, 应 加强老用户召回机制,提升购物体验, 也可能因数据量较少,统计周期之内的数据 无法解释完整的购物周期,从而得出结论有误。
3. 用户行为在时间纬度的分布
日消费次数、日活跃人数、日消费人数、日消费人数占比、消费用户日人均消费次数
# 日活跃人数(有一次操作即视为活跃) daily_active_user = behavior.groupby('date')['user_id'].nunique() # 日消费人数 daily_buy_user = behavior[behavior['type'] == 'pay'].groupby('date')['user_id'].nunique() # 日消费人数占比 proportion_of_buyer = daily_buy_user / daily_active_user # 日消费总次数 daily_buy_count = behavior[behavior['type'] == 'pay'].groupby('date')['type'].count() # 消费用户日人均消费次数 consumption_per_buyer = daily_buy_count / daily_buy_user
# SQL # 日消费总次数 SELECT date, COUNT(type) pay_daily FROM behavior_sql WHERE type = 'pay' GROUP BY date; # 日活跃人数 SELECT date, COUNT(DISTINCT user_id) uv_daily FROM behavior_sql GROUP BY date; # 日消费人数 SELECT date, COUNT(DISTINCT user_id) user_pay_daily FROM behavior_sql WHERE type = 'pay' GROUP BY date; # 日消费人数占比 SELECT (SELECT date, COUNT(DISTINCT user_id) user_pay_daily FROM behavior_sql WHERE type = 'pay' GROUP BY date) / (SELECT date, COUNT(DISTINCT user_id) uv_daily FROM behavior_sql GROUP BY date) # 日人均消费次数 SELECT (SELECT date, COUNT(type) pay_daily FROM behavior_sql WHERE type = 'pay' GROUP BY date) / (SELECT date, COUNT(DISTINCT user_id) uv_daily FROM behavior_sql GROUP BY date)
# 日消费人数占比可视化 # 柱状图数据 pob_bar = (pd.merge(daily_active_user,daily_buy_user,on='date').reset_index() .rename(columns={'user_id_x':'日活跃人数','user_id_y':'日消费人数'}) .set_index('date').stack().reset_index().rename(columns={'level_1':'Variable',0: 'Value'})) # 线图数据 pob_line = proportion_of_buyer.reset_index().rename(columns={'user_id':'Rate'}) fig1 = plt.figure(figsize=[16,6]) ax1 = fig1.add_subplot(111) ax2 = ax1.twinx() sns.barplot(x='date', y='Value', hue='Variable', data=pob_bar, ax=ax1, alpha=0.8, palette='husl') ax1.legend().set_title('') ax1.legend().remove() sns.pointplot(pob_line['date'], pob_line['Rate'], ax=ax2,markers='D', linestyles='--',color='teal') x=list(range(0,16)) for a,b in zip(x,pob_line['Rate']): plt.text(a+0.1, b + 0.001, '%.2f%%' % (b*100), ha='center', va= 'bottom',fontsize=12) fig1.legend(loc='upper center',ncol=2) plt.title('日消费人数占比')
日活跃人数与日消费人数 无明显波动 ,日消费人数占比均在20%以上。
# 消费用户日人均消费次数可视化 # 柱状图数据 cpb_bar = (daily_buy_count.reset_index().rename(columns={'type':'Num'})) # 线图数据 cpb_line = (consumption_per_buyer.reset_index().rename(columns={0:'Frequency'})) fig2 = plt.figure(figsize=[16,6]) ax3 = fig2.add_subplot(111) ax4 = ax3.twinx() sns.barplot(x='date', y='Num', data=cpb_bar, ax=ax3, alpha=0.8, palette='pastel') sns.pointplot(cpb_line['date'], cpb_line['Frequency'], ax=ax4, markers='D', linestyles='--',color='teal') x=list(range(0,16)) for a,b in zip(x,cpb_line['Frequency']): plt.text(a+0.1, b + 0.001, '%.2f' % b, ha='center', va= 'bottom',fontsize=12) plt.title('消费用户日人均消费次数')
日消费人数 在25000以上, 日人均消费次数 大于1次。
dau3_df = behavior.groupby(['date','user_id'])['type'].count().reset_index() dau3_df = dau3_df[dau3_df['type'] >= 3]
# 每日高活跃用户数(每日操作数大于3次) dau3_num = dau3_df.groupby('date')['user_id'].nunique()
# SQL SELECT date, COUNT(DISTINCT user_id) FROM (SELECT date, user_id, COUNT(type) FROM behavior_sql GROUP BY date, user_id HAVING COUNT(type) >= 3) dau3 GROUP BY date;
fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(dau3_num.index, dau3_num.values, markers='D', linestyles='--',color='teal') x=list(range(0,16)) for a,b in zip(x,dau3_num.values): plt.text(a+0.1, b + 300 , '%i' % b, ha='center', va= 'bottom',fontsize=14) plt.title('每日高活跃用户数')
每日高活跃用户数 在大部分4万以上,2018-04-04之前数量比较平稳,之后数量一直攀升,8号9号达到最高,随后下降,推测 数据波动应为营销活动产生的。
# 高活跃用户累计活跃天数分布 dau3_cumsum = dau3_df.groupby('user_id')['date'].count()
# SQL SELECT user_id, COUNT(date) FROM (SELECT date, user_id, COUNT(type) FROM behavior_sql GROUP BY date, user_id HAVING COUNT(type) >= 3) dau3 GROUP BY user_id;
fig, ax = plt.subplots(figsize=[16,6]) ax.set_yscale("log") sns.countplot(dau3_cumsum.values,palette='Set1') for p in ax.patches: ax.annotate('{:.2f}%'.format(100*p.get_height()/len(dau3_cumsum.values)), (p.get_x() + 0.2, p.get_height() + 100)) plt.title('高活跃用户累计活跃天数分布')
统计周期内,大部分高活跃用户 累计活跃天数 在六天以下,但也存在高达十六天的超级活跃用户数量,对累计天数较高的用户要推出连续登录奖励等继续 维持其对平台的黏性 ,对累计天数较低的用户要适当进行推送活动消息等对其 进行召回 。
#每日浏览量 pv_daily = behavior[behavior['type'] == 'pv'].groupby('date')['user_id'].count() #每日访客数 uv_daily = behavior.groupby('date')['user_id'].nunique()
# SQL #每日浏览量 SELECT date, COUNT(type) pv_daily FROM behavior_sql WHERE type = 'pv' GROUP BY date; #每日访客数 SELECT date, COUNT(DISTINCT user_id) uv_daily FROM behavior_sql GROUP BY date;
# 每日浏览量可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(pv_daily.index, pv_daily.values,markers='D', linestyles='--',color='dodgerblue') x=list(range(0,16)) for a,b in zip(x,pv_daily.values): plt.text(a+0.1, b + 2000 , '%i' % b, ha='center', va= 'bottom',fontsize=14) plt.title('每日浏览量')
# 每日访客数可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(uv_daily.index, uv_daily.values, markers='H', linestyles='--',color='m') x=list(range(0,16)) for a,b in zip(x,uv_daily.values): plt.text(a+0.1, b + 500 , '%i' % b, ha='center', va= 'bottom',fontsize=14) plt.title('每日访客数')
浏览量和访客数 每日变化趋势大致相同,2018-04-04日前后用户数量变化波动较大,4月4日为清明节假日前一天,各数据量在当天均有明显下降,但之后逐步回升,推测应为 节假日营销活动或推广拉新活动带来的影响。
#每时浏览量 pv_hourly = behavior[behavior['type'] == 'pv'].groupby('hour')['user_id'].count() #每时访客数 uv_hourly = behavior.groupby('hour')['user_id'].nunique()
# SQL # 每时浏览量 SELECT date, COUNT(type) pv_daily FROM behavior_sql WHERE type = 'pv' GROUP BY hour; # 每时访客数 SELECT date, COUNT(DISTINCT user_id) uv_daily FROM behavior_sql GROUP BY hour;
# 浏览量随小时变化可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(pv_hourly.index, pv_hourly.values, markers='H', linestyles='--',color='dodgerblue') for a,b in zip(pv_hourly.index,pv_hourly.values): plt.text(a, b + 10000 , '%i' % b, ha='center', va= 'bottom',fontsize=12) plt.title('浏览量随小时变化')
# 访客数随小时变化可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(uv_hourly.index, uv_hourly.values, markers='H', linestyles='--',color='m') for a,b in zip(uv_hourly.index,uv_hourly.values): plt.text(a, b + 1000 , '%i' % b, ha='center', va= 'bottom',fontsize=12) plt.title('访客数随小时变化')
浏览量及访客数 随小时变化趋势一致,在凌晨1点到凌晨5点之间,大部分用户正在休息,整体活跃度较低。凌晨5点到10点用户开始起床工作,活跃度逐渐增加,之后趋于平稳,下午6点之后大部分人恢复空闲,浏览量及访客数迎来了第二波攀升,在晚上8点中到达高峰,随后逐渐下降。可以考虑在上午9点及晚上8点 增大商品推广力度,加大营销活动投入,可取的较好的收益, 1点到5点之间适合做系统维护。
# 用户各操作随小时变化 type_detail_hour = pd.pivot_table(columns = 'type',index = 'hour', data = behavior,aggfunc=np.size,values = 'user_id') # 用户各操作随星期变化 type_detail_weekday = pd.pivot_table(columns = 'type',index = 'weekday', data = behavior,aggfunc=np.size,values = 'user_id') type_detail_weekday = type_detail_weekday.reindex(['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday'])
# SQL # 用户各操作随小时变化 SELECT hour, SUM(CASE WHEN behavior='pv' THEN 1 ELSE 0 END)AS 'pv', SUM(CASE WHEN behavior='fav' THEN 1 ELSE 0 END)AS 'fav', SUM(CASE WHEN behavior='cart' THEN 1 ELSE 0 END)AS 'cart', SUM(CASE WHEN behavior='pay' THEN 1 ELSE 0 END)AS 'pay' FROM behavior_sql GROUP BY hour ORDER BY hour # 用户各操作随星期变化 SELECT weekday, SUM(CASE WHEN behavior='pv' THEN 1 ELSE 0 END)AS 'pv', SUM(CASE WHEN behavior='fav' THEN 1 ELSE 0 END)AS 'fav', SUM(CASE WHEN behavior='cart' THEN 1 ELSE 0 END)AS 'cart', SUM(CASE WHEN behavior='pay' THEN 1 ELSE 0 END)AS 'pay' FROM behavior_sql GROUP BY weekday ORDER BY weekday
tdh_line = type_detail_hour.stack().reset_index().rename(columns={0: 'Value'}) tdw_line = type_detail_weekday.stack().reset_index().rename(columns={0: 'Value'}) tdh_line= tdh_line[~(tdh_line['type'] == 'pv')] tdw_line= tdw_line[~(tdw_line['type'] == 'pv')]
# 用户操作随小时变化可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(x='hour', y='Value', hue='type', data=tdh_line, linestyles='--') plt.title('用户操作随小时变化')
用户操作 随小时变化规律与PV、UV随小时规律相似, 与用户作息规律相关, 加入购物车和付款两条曲线贴合比比较紧密,说明大部分用户习惯加入购物车后直接购买。
关注数 相对较少,可以根据用户购物车内商品进行 精准推送 。 评论数 也相对较少,说明大部分用户不是很热衷对购物体验进行反馈,可以 设置一些奖励制度提高用户评论数,增大用用户粘性。
# 用户操作随星期变化可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.pointplot(x='weekday', y='Value', hue='type', data=tdw_line[~(tdw_line['type'] == 'pv')], linestyles='--') plt.title('用户操作随星期变化')
周一到周四工作日期间,用户操作随星期变化比较平稳,周五至周六进入休息日,用户操作明显增多,周日又恢复正常。
4. 用户行为转化漏斗
# 导入相关包 from pyecharts import options as opts from pyecharts.charts import Funnel import math
behavior['action_time'] = pd.to_datetime(behavior['action_time'],format ='%Y-%m-%d %H:%M:%S')
# 用户整体行为分布 type_dis = behavior['type'].value_counts().reset_index() type_dis['rate'] = round((type_dis['type'] / type_dis['type'].sum()),3)
type_dis.style.bar(color='skyblue',subset=['rate'])
用户整体行为中,有82.6%行为为 浏览 , 实际支付操作 仅占6.4,除此之外, 用户评论及收藏的行为占比也较低,应当 增强网站有用户之间的互动,提高评论数量和收藏率。
df_con = behavior[['user_id', 'sku_id', 'action_time', 'type']]
df_pv = df_con[df_con['type'] == 'pv'] df_fav = df_con[df_con['type'] == 'fav'] df_cart = df_con[df_con['type'] == 'cart'] df_pay = df_con[df_con['type'] == 'pay'] df_pv_uid = df_con[df_con['type'] == 'pv']['user_id'].unique() df_fav_uid = df_con[df_con['type'] == 'fav']['user_id'].unique() df_cart_uid = df_con[df_con['type'] == 'cart']['user_id'].unique() df_pay_uid = df_con[df_con['type'] == 'pay']['user_id'].unique()
pv - buy
fav_cart_list = set(df_fav_uid) | set(df_cart_uid)
pv_pay_df = pd.merge(left=df_pv, right=df_pay, how='inner', on=['user_id', 'sku_id'], suffixes=('_pv', '_pay'))
pv_pay_df = pv_pay_df[(~pv_pay_df['user_id'].isin(fav_cart_list)) & (pv_pay_df['action_time_pv'] < pv_pay_df['action_time_pay'])]
uv = behavior['user_id'].nunique() pv_pay_num = pv_pay_df['user_id'].nunique() pv_pay_data = pd.DataFrame({'type':['浏览','付款'],'num':[uv,pv_pay_num]}) pv_pay_data['conversion_rates'] = (round((pv_pay_data['num'] / pv_pay_data['num'][0]),4) * 100)
attr1 = list(pv_pay_data.type) values1 = list(pv_pay_data.conversion_rates) data1 = [[attr1[i], values1[i]] for i in range(len(attr1))]
# 用户行为转化漏斗可视化 pv_pay=(Funnel(opts.InitOpts(width="600px", height="300px")) .add( series_name="", data_pair=data1, gap=2, tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{b} : {c}%"), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1) ) .set_global_opts(title_opts=opts.TitleOpts(title="用户行为转化漏斗图")) ) pv_pay.render_notebook()
pv - cart - pay
pv_cart_df = pd.merge(left=df_pv, right=df_cart, how='inner', on=['user_id', 'sku_id'], suffixes=('_pv', '_cart'))
pv_cart_df = pv_cart_df[pv_cart_df['action_time_pv'] < pv_cart_df['action_time_cart']] pv_cart_df = pv_cart_df[~pv_cart_df['user_id'].isin(df_fav_uid)]
pv_cart_pay_df = pd.merge(left=pv_cart_df, right=df_pay, how='inner', on=['user_id', 'sku_id'])
pv_cart_pay_df = pv_cart_pay_df[pv_cart_pay_df['action_time_cart'] < pv_cart_pay_df['action_time']]
uv = behavior['user_id'].nunique() pv_cart_num = pv_cart_df['user_id'].nunique() pv_cart_pay_num = pv_cart_pay_df['user_id'].nunique() pv_cart_pay_data = pd.DataFrame({'type':['浏览','加购','付款'],'num':[uv,pv_cart_num,pv_cart_pay_num]}) pv_cart_pay_data['conversion_rates'] = (round((pv_cart_pay_data['num'] / pv_cart_pay_data['num'][0]),4) * 100)
attr2 = list(pv_cart_pay_data.type) values2 = list(pv_cart_pay_data.conversion_rates) data2 = [[attr2[i], values2[i]] for i in range(len(attr2))]
# 用户行为转化漏斗可视化 pv_cart_buy=(Funnel(opts.InitOpts(width="600px", height="300px")) .add( series_name="", data_pair=data2, gap=2, tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{b} : {c}%"), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1) ) .set_global_opts(title_opts=opts.TitleOpts(title="用户行为转化漏斗图")) ) pv_cart_buy.render_notebook()
pv - fav - pay
pv_fav_df = pd.merge(left=df_pv, right=df_fav, how='inner', on=['user_id', 'sku_id'], suffixes=('_pv', '_fav'))
pv_fav_df = pv_fav_df[pv_fav_df['action_time_pv'] < pv_fav_df['action_time_fav']] pv_fav_df = pv_fav_df[~pv_fav_df['user_id'].isin(df_cart_uid)]
pv_fav_pay_df = pd.merge(left=pv_fav_df, right=df_pay, how='inner', on=['user_id', 'sku_id'])
pv_fav_pay_df = pv_fav_pay_df[pv_fav_pay_df['action_time_fav'] < pv_fav_pay_df['action_time']]
uv = behavior['user_id'].nunique() pv_fav_num = pv_fav_df['user_id'].nunique() pv_fav_pay_num = pv_fav_pay_df['user_id'].nunique() pv_fav_pay_data = pd.DataFrame({'type':['浏览','收藏','付款'],'num':[uv,pv_fav_num,pv_fav_pay_num]}) pv_fav_pay_data['conversion_rates'] = (round((pv_fav_pay_data['num'] / pv_fav_pay_data['num'][0]),4) * 100)
attr3 = list(pv_fav_pay_data.type) values3 = list(pv_fav_pay_data.conversion_rates) data3 = [[attr3[i], values3[i]] for i in range(len(attr3))]
# 用户行为转化漏斗可视化 pv_fav_buy=(Funnel(opts.InitOpts(width="600px", height="300px")) .add( series_name="", data_pair=data3, gap=2, tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{b} : {c}%"), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1) ) .set_global_opts(title_opts=opts.TitleOpts(title="用户行为转化漏斗图")) ) pv_fav_buy.render_notebook()
pv - fav - cart - pay
pv_fav = pd.merge(left=df_pv, right=df_fav, how='inner', on=['user_id', 'sku_id'], suffixes=('_pv', '_fav'))
pv_fav = pv_fav[pv_fav['action_time_pv'] < pv_fav['action_time_fav']]
pv_fav_cart = pd.merge(left=pv_fav, right=df_cart, how='inner', on=['user_id', 'sku_id'])
pv_fav_cart = pv_fav_cart[pv_fav_cart['action_time_fav']<pv_fav_cart['action_time']]
pv_fav_cart_pay = pd.merge(left=pv_fav_cart, right=df_pay, how='inner', on=['user_id', 'sku_id'], suffixes=('_cart', '_pay'))
pv_fav_cart_pay = pv_fav_cart_pay[pv_fav_cart_pay['action_time_cart']<pv_fav_cart_pay['action_time_pay']]
uv = behavior['user_id'].nunique() pv_fav_n = pv_fav['user_id'].nunique() pv_fav_cart_n = pv_fav_cart['user_id'].nunique() pv_fav_cart_pay_n = pv_fav_cart_pay['user_id'].nunique() pv_fav_cart_pay_data = pd.DataFrame({'type':['浏览','收藏','加购','付款'],'num':[uv,pv_fav_n,pv_fav_cart_n,pv_fav_cart_pay_n]}) pv_fav_cart_pay_data['conversion_rates'] = (round((pv_fav_cart_pay_data['num'] / pv_fav_cart_pay_data['num'][0]),4) * 100)
attr4 = list(pv_fav_cart_pay_data.type) values4 = list(pv_fav_cart_pay_data.conversion_rates) data4 = [[attr4[i], values4[i]] for i in range(len(attr4))]
# 用户行为转化漏斗可视化 pv_fav_buy=(Funnel(opts.InitOpts(width="600px", height="300px")) .add( series_name="", data_pair=data4, gap=2, tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{b} : {c}%"), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1) ) .set_global_opts(title_opts=opts.TitleOpts(title="用户行为转化漏斗图")) ) pv_fav_buy.render_notebook()
不同路径用户消费时间间隔分析:
pv - cart - pay
pcp_interval = pv_cart_pay_df.groupby(['user_id', 'sku_id']).apply(lambda x: (x.action_time.min() - x.action_time_cart.min())).reset_index()
pcp_interval['interval'] = pcp_interval[0].apply(lambda x: x.seconds) / 3600 pcp_interval['interval'] = pcp_interval['interval'].apply(lambda x: math.ceil(x))
fig, ax = plt.subplots(figsize=[16,6]) sns.countplot(pcp_interval['interval'],palette='Set1') for p in ax.patches: ax.annotate('{:.2f}%'.format(100*p.get_height()/len(pcp_interval['interval'])), (p.get_x() + 0.1, p.get_height() + 100)) ax.set_yscale("log") plt.title('pv-cart-pay路径用户消费时间间隔')
pv - fav - pay
pfp_interval = pv_fav_pay_df.groupby(['user_id', 'sku_id']).apply(lambda x: (x.action_time.min() - x.action_time_fav.min())).reset_index()
pfp_interval['interval'] = pfp_interval[0].apply(lambda x: x.seconds) / 3600 pfp_interval['interval'] = pfp_interval['interval'].apply(lambda x: math.ceil(x))
fig, ax = plt.subplots(figsize=[16,6]) sns.countplot(pfp_interval['interval'],palette='Set1') for p in ax.patches: ax.annotate('{:.2f}%'.format(100*p.get_height()/len(pfp_interval['interval'])), (p.get_x() + 0.1, p.get_height() + 10)) ax.set_yscale("log") plt.title('pv-fav-pay路径用户消费时间间隔')
两种路径下大部分用户均在4小时内完成了支付,大部分用户的购物意向很明确,也侧面说明了网站的商品分类布局和购物结算方式比较合理。
# SQL # 漏斗图 SELECT type, COUNT(DISTINCT user_id) user_num FROM behavior_sql GROUP BY type ORDER BY COUNT(DISTINCT user_id) DESC SELECT COUNT(DISTINCT b.user_id) AS pv_fav_num,COUNT(DISTINCT c.user_id) AS pv_fav_pay_num FROM ((SELECT DISTINCT user_id, sku_id, action_time FROM users WHERE type='pv' ) AS a LEFT JOIN (SELECT DISTINCT user_id, sku_id, action_time FROM users WHERE type='fav' AND user_id NOT IN (SELECT DISTINCT user_id FROM behavior_sql WHERE type = 'cart')) AS b ON a.user_id = b.user_id AND a.sku_id = b.sku_id AND a.action_time <= b.action_time LEFT JOIN (SELECT DISTINCT user_id,sku_id,item_category,times_new FROM users WHERE behavior_type='pay') AS c ON b.user_id = c.user_id AND b.sku_id = c.sku_id AND AND b.action_time <= c.action_time) ;
比较四种不同的转化方式,最有效的转化路径为 浏览直接付款 转化率为21.46%,其次为 浏览加购付款 ,转化率为12.47%,可以发现 随着结算方式越来越复杂转化率越来越低。
加购的方式比收藏购买的方式转化率要高,推其原因为购物车接口进入方便且可以做不同商家比价用,而收藏则需要更繁琐的操作才可以查看到商品,因此转化率较低。
可以 优化商品搜索功能 ,提高商品搜索 准确度、易用性 ,减少用户搜索时间。
根据用户喜好在首页进行 商品推荐 ,优化重排商品详情展示页,提高顾客下单欲望,提供一键购物等简化购物步骤的功能。
客服也可以留意加购及关注用户,适时 推出优惠福利及时解答用户问题, 引导用户购买以进一步提高转化率。
对于用户消费时间间隔,可以通过限时领券购买、限时特惠价格等进一步缩短用户付款时间,提高订单量。
5. 用户留存率分析
#留存率 first_day = datetime.date(datetime.strptime('2018-03-30', '%Y-%m-%d')) fifth_day = datetime.date(datetime.strptime('2018-04-03', '%Y-%m-%d')) tenth_day = datetime.date(datetime.strptime('2018-04-08', '%Y-%m-%d')) fifteenth_day = datetime.date(datetime.strptime('2018-04-13', '%Y-%m-%d')) #第一天新用户数 user_num_first = behavior[behavior['date'] == first_day]['user_id'].to_frame() #第五天留存用户数 user_num_fifth = behavior[behavior['date'] == fifth_day ]['user_id'].to_frame() #第十留存用户数 user_num_tenth = behavior[behavior['date'] == tenth_day]['user_id'].to_frame() #第十五天留存用户数 user_num_fifteenth = behavior[behavior['date'] == fifteenth_day]['user_id'].to_frame()
#第五天留存率 fifth_day_retention_rate = round((pd.merge(user_num_first, user_num_fifth).nunique()) / (user_num_first.nunique()),4).user_id #第十天留存率 tenth_day_retention_rate = round((pd.merge(user_num_first, user_num_tenth ).nunique()) / (user_num_first.nunique()),4).user_id #第十五天留存率 fifteenth_day_retention_rate = round((pd.merge(user_num_first, user_num_fifteenth).nunique()) / (user_num_first.nunique()),4).user_id
retention_rate = pd.DataFrame({'n日后留存率':['第五天留存率','第十天留存率','第十五天留存率'], 'Rate':[fifth_day_retention_rate,tenth_day_retention_rate,fifteenth_day_retention_rate]})
# 留存率可视化 fig, ax = plt.subplots(figsize=[16,6]) sns.barplot(x='n日后留存率', y='Rate', data=retention_rate, palette='Set1') x=list(range(0,3)) for a,b in zip(x,retention_rate['Rate']): plt.text(a, b + 0.001, '%.2f%%' % (b*100), ha='center', va= 'bottom',fontsize=12) plt.title('用户留存率')
留存率 反应了 产品质量和保留用户的能力 ,按照Facebook平台流传出留存率“40–20–10”规则(规则中的数字表示的是次日留存率、第7日留存率和第30日留存率),统计周期内第五日留存率为22.81%,第15日留存率为17.44%。
反映出平台的用户依赖性较高,也因平台发展已经到达 稳定 阶段,用户保留率不会发生较大波动,数据量足够的情况下可以以年为单位,计算按月的留存率。要 合理安排消息推送,推出签到有奖等机制提高用户粘性,进一步提高留存率。
# SQL #n日后留存率=(注册后的n日后还登录的用户数)/第一天新增总用户数 create table retention_rate as select count(distinct user_id) as user_num_first from behavior_sql where date = '2018-03-30'; alter table retention_rate add column user_num_fifth INTEGER; update retention_rate set user_num_fifth= (select count(distinct user_id) from behavior_sql where date = '2018-04-03' and user_id in (SELECT user_id FROM behavior_sql WHERE date = '2018-03-30')); alter table retention_rate add column user_num_tenth INTEGER; update retention_rate set user_num_tenth= (select count(distinct user_id) from behavior_sql where date = '2018-04-08' and user_id in (SELECT user_id FROM behavior_sql WHERE date = '2018-03-30')); alter table retention_rate add column user_num_fifteenth INTEGER; update retention_rate set user_num_fifteenth= (select count(distinct user_id) from behavior_sql where date = '2018-04-13' and user_id in (SELECT user_id FROM behavior_sql WHERE date = '2018-03-30')); SELECT CONCAT(ROUND(100*user_num_fifth/user_num_first,2),'%')AS fifth_day_retention_rate, CONCAT(ROUND(100*user_num_tenth/user_num_first,2),'%')AS tenth_day_retention_rate, CONCAT(ROUND(100*user_num_fifteenth/user_num_first,2),'%')AS fifteenth_day_retention_rate from retention_rate;
6. 商品销量分析
# 商品总数 behavior['sku_id'].nunique()
# OUTPUT 239007
# 商品被购前产生平均操作次数 sku_df = behavior[behavior['sku_id'].isin(behavior[behavior['type'] == 'pay']['sku_id'].unique())].groupby('sku_id')['type'].value_counts().unstack(fill_value=0) sku_df['total'] = sku_df.sum(axis=1) sku_df['avg_beha'] = round((sku_df['total'] / sku_df['pay']), 2)
fig, ax = plt.subplots(figsize=[8,6]) sns.scatterplot(x='avg_beha', y='pay', data=sku_df, palette='Set1') ax.set_xscale("log") ax.set_yscale("log") plt.xlabel('平均操作次数') plt.ylabel('销量')
- 左下角操作少购买少,属于冷门购买频率较低的产品。
- 左上角操作少购买多,属于快消类产品,可选择品牌少,少数品牌垄断的行业。
- 右下角操作多购买少,品牌多,但是购买频率低,应为贵重物品类。
- 右上角操作多购买多,大众品牌,可选多,被购买频次高。
# 商品销量排行 sku_num = (behavior[behavior['type'] == 'pay'].groupby('sku_id')['type'].count().to_frame() .rename(columns={'type':'total'}).reset_index()) # 销量大于1000的商品 topsku = sku_num[sku_num['total'] > 1000].sort_values(by='total',ascending=False) # 单个用户共购买商品种数 sku_num_per_user = (behavior[behavior['type'] == 'pay']).groupby(['user_id'])['sku_id'].nunique()
topsku.set_index('sku_id').style.bar(color='skyblue',subset=['total'])
在计算周期内订单数均突破1000以上的共有13款产品,其中152092这款产品订单数最高为1736. 推出商品组合有优惠等, 提高单个用户购买产品种数。
# SQL # sku销量排行 SELECT sku_id, COUNT(type) sku_num FROM behavior_sql WHERE type = 'pay' GROUP BY sku_id HAVING sku_num > 1000 ORDER BY sku_num DESC;
7. RFM用户分层
#RFM #由于缺少M(金额)列,仅通过R(最近一次购买时间)和F(消费频率)对用户进行价值分析 buy_group = behavior[behavior['type']=='pay'].groupby('user_id')['date']
#将2018-04-13作为每个用户最后一次购买时间来处理 final_day = datetime.date(datetime.strptime('2018-04-14', '%Y-%m-%d'))
#最近一次购物时间 recent_buy_time = buy_group.apply(lambda x:final_day-x.max()) recent_buy_time = recent_buy_time.reset_index().rename(columns={'date':'recent'}) recent_buy_time['recent'] = recent_buy_time['recent'].map(lambda x:x.days)
#近十五天内购物频率 buy_freq = buy_group.count().reset_index().rename(columns={'date':'freq'})
RFM = pd.merge(recent_buy_time,buy_freq,on='user_id')
RFM['R'] = pd.qcut(RFM.recent,2,labels=['1','0']) #天数小标签为1天数大标签为0 RFM['F'] = pd.qcut(RFM.freq.rank(method='first'),2,labels=['0','1']) #频率大标签为1频率小标签为0
RFM['RFM'] = RFM['R'].astype(int).map(str) + RFM['F'].astype(int).map(str)
dict_n={'01':'重要保持客户', '11':'重要价值客户', '10':'重要挽留客户', '00':'一般发展客户'}
#用户标签 RFM['用户等级'] = RFM['RFM'].map(dict_n)
RFM_pie = RFM['用户等级'].value_counts().reset_index() RFM_pie['Rate'] = RFM_pie['用户等级'] / RFM_pie['用户等级'].sum()
fig, ax = plt.subplots(figsize=[16,6]) plt.pie(RFM_pie['Rate'], labels = RFM_pie['index'], startangle = 90,autopct="%1.2f%%", counterclock = False,colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']) plt.axis('square') plt.title('RFM用户分层')
不同类型用户占比差异较小,应 提升重要价值各户的占比 ,减小一般发展客户的占比。
通过 RFM模型 对用户价值进行分类,对不同价值用户 应采取不同的运营策略:
- 对于 重要价值客户 来说,要提高该部分用户的满意度,服务升级,发放特别福利,增大该部分用户留存率,在做运营推广时也要给与特别关注,避免引起用户反感。
- 对于 重要保持客户 ,他们购物频次较高,但最近一段时间没有消费,可以推送相关其他商品,发放优惠卷、赠品和促销信息等,唤回该部分用户。
- 对于 重要挽留客户 ,他们最近消费过,但购物频次较低,可以通过问卷有礼的方式找出其对平台的不满,提升购物体验,增大用户粘性。
- 对于 一般发展客户 ,做到定期发送邮件或短信唤回,努力将其转化为重要保持客户或重要挽留客户。
# SQL # RFM CREATE VIEW RF_table AS SELECT user_id, DATEDIFF('2018-04-14',MAX(date)) AS R_days, COUNT(*) AS F_count FROM behavior_sql WHERE type='pay' GROUP BY user_id; SELECT AVG(R_days), AVG(F_count) FROM RF_table create view RF_ layer as SELECT user_id, (CASE WHEN R_days < 7.1697 THEN 1 ELSE 0 END) AS R, (CASE WHEN F_count < 1.2129 THEN 0 ELSE 1 END) AS F FROM RF_table ORDER BY user_id DESC; create view customer_value as select user_id, R, F, (CASE WHEN R=1 and F=1 THEN "重要价值客户" WHEN R=1 and F=0 THEN "重要挽留客户" WHEN R=0 and F=1 THEN "重要保持客户" WHEN R=0 and F=0 THEN "一般发展客户" ELSE 0 END) as 用户价值 FROM RF_ layer; SELECT * FROM customer_value;
5
总结
1. 可以 增加渠道推广投入 ,进行精准人群推广,推出新用户福利,吸引新用户,推出团购、分享有礼等活动促进老带新,推出促销活动刺激老用户,提高访客数和浏览量。提高产品质量,提高商品详情页对用户的吸引力,降低跳失率。
2. 根据用户操作随时间 变化规律 来开展营销活动,使活动更容易触达用户,在用户访问高峰期多推送用户感兴趣商品。
3. 复购率较低,说明用户对平台购物体验不满,需要找出用户槽点,提高用户购物满意度, 优化商品推送机制 ,对老用户给予特别福利,提高他们所享受权益。转化率也偏低,需要 改善平台搜索机制降低提高搜索效率,优化购物路径降低购物复杂度,改善商品详情信息展示方式便于信息的获取。
4. 留存率相对稳定,为进一步提高留存率,可以定期推出秒杀活动,推出专享优惠券,推出签到有礼环节, 增加用户浏览时长和深度,提高用户粘性。 分析用户对产品的真实使用感受与评价,提高用户忠诚度。
5. 通过 RFM 对用户进行分层,将用户从一个整体拆分成特征明显的群体,有针对性的采取不同的营销方法进行 精准化营销 ,用有限的公司资源优先服务于公司最重要的客户。
本文为转载分享&推荐阅读,若侵权请联系后台删除
完整项目代码获取⬅点这里