网购用户行为模式分析

目录

1. 项目背景

网购已经成为人们生活不可或缺的一部分，本次项目基于淘宝app平台数据，通过相关指标对用户行为进行分析，从而探索用户相关行为模式。

提出问题

1.日PV有多少
2.日UV有多少
3.付费率情况如何
4.复购率是多少
5.漏斗流失情况如何
6.用户价值情况

漏斗流失分析

漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点 各阶段用户转化率情况的重要分析模型

RFM模型

用户分类（RFM模型），对比分析不同用户群体在时间、地区等维度下交易量， 交易金额指标，并根据分析结果提出优化建议

• R： 最近一次消费时间（最近一次消费到参考时间的长度）
• F： 消费的频次(单位时间内消费了多少次）
• M：消费的金额(单位时间内总消费金额）

R	F	M	用户分类	相应策略
高	高	高	重要价值用户	RFM得分都高于平均值，属于优质客户，需要保持
低	高	高	重点保持用户	交易金额和交易次数都很大，但最近交易很少，需要唤回
高	低	高	重点发展用户	交易金额大贡献度高，且最近有交易，需要重点识别
高	高	低	重点挽留用户	交易次数多且最近有交易，但交易金额较小，需要挖掘客户需求
低	低	高	一般价值用户	交易金额大，但最近交易很少，且交易次数少，需要挽留
低	高	低	一般保持用户	交易次数多，但贡献不大，一般保持
高	低	低	一般发展用户	最近有交易，属于新客户，有推广价值
低	低	低	一般挽留用户	RFM得分都低于平均值，最近再没有交易，属于流失

2. 理解数据

2.1 导入相关库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import plotly as py
import plotly.graph_objs as go
py.offline.init_notebook_mode()
pyplot=py.offline.iplot
import seaborn as sns
sns.set(style='darkgrid',context='notebook',font_scale=1.5) 
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False 
import warnings
warnings.filterwarnings('ignore')

2.2 导入数据

data_user=pd.read_csv('tianchi_mobile_recommend_train_user.csv',dtype=str)
data_user.head()

user_id	item_id	behavior_type	user_geohash	item_category	time
0	98047837	232431562	1	NaN	4245	2014-12-06 02
1	97726136	383583590	1	NaN	5894	2014-12-09 20
2	98607707	64749712	1	NaN	2883	2014-12-18 11
3	98662432	320593836	1	96nn52n	6562	2014-12-06 10
4	98145908	290208520	1	NaN	13926	2014-12-16 21

查看数据，列字段分别是：

• user_id：用户身份，脱敏
• item_id：商品ID，脱敏
• behavior_type：用户行为类型（包含点击、收藏、加购物车、支付四种行为，分别用数字1、2、3、4表示）
• user_geohash：地理位置
• item_category：品类ID（商品所属的品类）
• time：用户行为发生的时间

data_user.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 12256906 entries, 0 to 12256905
Data columns (total 6 columns):
 #   Column         Dtype 
---  ------         ----- 
 0   user_id        object
 1   item_id        object
 2   behavior_type  object
 3   user_geohash   object
 4   item_category  object
 5   time           object
dtypes: object(6)
memory usage: 561.1+ MB

3. 数据预处理

3.1 缺失值处理

#统计缺失值
data_user.apply(lambda x:sum(x.isnull()),axis=0)

user_id                0
item_id                0
behavior_type          0
user_geohash     8334824
item_category          0
time                   0
dtype: int64

data_user.apply(lambda x:sum(x.isnull())/len(x),axis=0)

user_id          0.00000
item_id          0.00000
behavior_type    0.00000
user_geohash     0.68001
item_category    0.00000
time             0.00000
dtype: float64

• 存在缺失值的是User_geohash，有8334824条，缺失率0.68，不能删除缺失值，因为地理信息在数据集收集过程中做过加密转换，因此对数据集不做处理。

3.2 一致化处理

用户行为发生的时间由日期和小时构成，需要将该列进行拆分

#拆分数据集
data_user['date']=data_user['time'].str[0:10].str.strip()
data_user['hour']=data_user['time'].str[11:].str.strip()
data_user.head()

user_id	item_id	behavior_type	user_geohash	item_category	time	date	hour
0	98047837	232431562	1	NaN	4245	2014-12-06 02	2014-12-06	02
1	97726136	383583590	1	NaN	5894	2014-12-09 20	2014-12-09	20
2	98607707	64749712	1	NaN	2883	2014-12-18 11	2014-12-18	11
3	98662432	320593836	1	96nn52n	6562	2014-12-06 10	2014-12-06	10
4	98145908	290208520	1	NaN	13926	2014-12-16 21	2014-12-16	21

# 查看data_user数据集数据类型：
data_user.dtypes

user_id          object
item_id          object
behavior_type    object
user_geohash     object
item_category    object
time             object
date             object
hour             object
dtype: object

#数据类型转换：time,date应该为日期格式，hour应该为整数型
data_user['time']=pd.to_datetime(data_user['time'])
data_user['date']=pd.to_datetime(data_user['date'])
data_user['hour']=data_user['hour'].astype('int64')

#检查数据类型转换结果
data_user.dtypes

user_id                  object
item_id                  object
behavior_type            object
user_geohash             object
item_category            object
time             datetime64[ns]
date             datetime64[ns]
hour                      int64
dtype: object

3.3 异常值处理

#对数据按照time字段进行排序处理
data_user.sort_values(by='time',ascending=True,inplace=True)
#重建索引
data_user.reset_index(drop=True,inplace=True)
data_user.head()

user_id	item_id	behavior_type	user_geohash	item_category	time	date	hour
0	73462715	378485233	1	NaN	9130	2014-11-18	2014-11-18	0
1	36090137	236748115	1	NaN	10523	2014-11-18	2014-11-18	0
2	40459733	155218177	1	Na