酒店预订网客户流失分析案例

阅读路线
项目介绍：该项目对某酒店预订网在一段时间内的客户预定信息数据进行分析，其中着重对该网站整体消费情况和用户行为展开分析，找出高价值用户人群，对客户进行用户画像分析，从而为该网站的精细化营销提供相关建议。
代码展示

1.初始设置

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

2.查看数据

rawdata=pd.read_csv('E:/userlostprob.txt',sep='\t')
rawdata.head()

从图中我们可以看到，原始数据有很多缺失值。

# 查看数据维度
rawdata.shape

该数据维度为(689945, 51)。总共689945条样本数据，除去标签列和id列，总共49个字段。

# 查看每列数据信息
rawdata.info()

可以看到，除了预定时间和入住时间2列为字符型之外，其余均为数值型，我们之后只需要将预定时间和入住时间处理为数值型。

# 查看数据缺失情况
rawdata.isnull().mean()

我们可以看到，数据缺失值较多，特别是historyvisit_7ordernum缺失达到近88%。

# 标签分布
rawdata['label'].value_counts()

我们可以看到，数据存在明显偏斜。

3.相关数据特征的可视化

# 解决坐标轴刻度负号乱码
plt.rcParams['axes.unicode_minus'] = False
# 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Simhei']
# 访问日期和入住日期
# 入住时间人数统计
arrival=rawdata[['arrival']]
arrival['counta']=1
arrival=arrival.groupby('arrival').sum().reset_index()
# 访问时间人数统计
d=rawdata[['d']]
d['countd']=1
d=d.groupby('d').sum().reset_index()
# 合并入住时间和访问时间人数
time_table=pd.merge(arrival,d,left_on='arrival',right_on='d',how='left')
time_table.fillna(0,inplace=True)
del time_table['d']

# 画出日期与人数的关系图

plt.figure(figsize=(13, 5));
plt.style.use('ggplot')

x=range(len(time_table));
y1=time_table['counta'].values;
y2=time_table['countd'].values;
z=time_table['arrival'].values;
plt.plot(x,y1,c="r",label='入住人数');
plt.bar(x,y2,align="center",label='预定人数');
plt.xlabel('日期');
plt.ylabel('人数');
plt.xticks(x,z,fontsize=11,rotation=45);
plt.title('访问和预定人数图',fontsize=20)
plt.legend(fontsize=20)

从上图中可以看到，520当天预定人数和入住人数都达到峰值，因为情侣会出门“过节”。而从此之后，预订人数为零，入住人数也会一路走低，到了周末，会有小的峰值。

# 访问时间段
plt.figure(figsize=(15, 6))
plt.style.use('seaborn-colorblind')

plt.hist(rawdata['h'].dropna(), bins = 50, edgecolor = 'k');
plt.xlabel('访问时间'); 
plt.ylabel('人数'); 
plt.title('访问时间与人数分布图');

从上图中，我们可以看到，凌晨四五点时的访问人数最少，之后，访问人数总体一路走高，并且23点时达到峰值，将近51000人。

plt.figure(figsize=(20, 7))
plt.style.use('seaborn-colorblind')
x1=rawdata['customer_value_profit'].dropna()
x2=rawdata['ctrip_profits'].dropna()
plt.subplot(121)
plt.plot(x1,linewidth=0.5)
plt.title('客户近1年价值')
plt.subplot(122)
plt.plot(x2,linewidth=0.5)
plt.title('客户价值')

我们可以清晰地看到，客户近一年的价值图和客户价值图大体上很相似，大多数人分布在0~100的范围内，但不排除有些客户价值非常大，峰值达到了600，这些客户都可以在之后的分析中重点观察，因为他们是非常有“价值”的。

## 消费能力指数
plt.figure(figsize=(10, 6))
plt.style.use('seaborn-colorblind')
plt.hist(rawdata['consuming_capacity'].dropna(), bins = 50, edgecolor = 'k');
plt.xlabel('消费能力指数'); 
plt.ylabel('人数'); 
plt.title('消费能力指数图');

从上图中，我们可以看到，消费能力指数的值范围是0-100。消费能力指数值基本呈现一个正态分布，平均消费能力在30附近，我们也能看到消费能力达到近100的人数也特别多，达到了21000多人，从这一点上，我们可以看到，酒店的入住客户中仍然存在较大群体的富裕人士。

# 价格敏感