[数据分析笔记] 用户消费行为分析

0.导入数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use('ggplot')

columns = ['user_id', 'order_dt', 'order_products', 'order_amount']
df = pd.read_table('CDNOW_master.txt', names=columns, sep='\s+')

• user_id: 用户ID
• order_dt: 购买日期
• order_products: 购买产品数
• order_amount: 购买金额

df.head()

df.info()

df.describe()

• 大部分订单只消费了少量商品（平均2.4），有一定极值干扰
• 用户的消费金额比较稳定，平均消费35元，中位数在26元，有一定极值干扰

df['order_dt'] = pd.to_datetime(df.order_dt, format="%Y%m%d") # 解析日期
df['month'] = df.order_dt.values.astype('datetime64[M]') # 生成month变量
df.head()

1.进行用户消费趋势分析（按月）

• 每月的消费总金额
• 每月的消费次数
• 每月的产品购买量
• 每月的消费人数

grouped_month = df.groupby('month') # 按月聚合
order_month_amount = grouped_month.order_amount.sum() # 加总每月消费额
order_month_amount.head()

# 每月总金额折线图
order_month_amount.plot()

由上图可知，消费金额在前三个月达到最高峰，后续消费额较为稳定，有轻微下降趋势

# 每月消费订单数
grouped_month.user_id.count().plot()

前三个月消费订单数在10000笔左右，后续月份的平均消费人数在2500人左右

# 每月消费商品总数
grouped_month.order_products.sum().plot()

# 每月消费人数
# user_id 作为输入，去重
df.groupby('month').user_id.apply(lambda x:len(x.drop_duplicates())).plot()

# 另一种方法去重
(df.groupby(['month', 'user_id']).count().reset_index()).groupby('month').user_id.count().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人不到

# 使用数据透视表
df.pivot_table(index = 'month',
               values = ['order_products', 'order_amount', 'user_id'],
               aggfunc = {'order_products': 'sum',
                          'order_amount': 'sum',
                          'user_id': 'count'}).head()

2.用户个体消费

• 用户消费金额、消费次数的描述统计
• 用户消费金额和消费的散点图
• 用户消费金额的分布图
• 用户消费次数的分布图
• 用户累计消费金额占比（百分之多少的用户占了百分之多少的消费额）

grouped_user = df.groupby('user_id')
grouped_user.sum().describe()

• 用户平均购买了7张CD，但是中位值只有3，说明小部分用户购买了大量的CD
• 用户平均消费106元，中位值有43，有极值干扰

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

# order_amount < 4000的数据
grouped_user.sum().query('order_amount < 4000').plot.scatter(x='order_amount', y='order_products')

# 消费金额分布
grouped_user.sum().order_amount.plot.hist(bins=20)

从直方图可知，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

# 购买产品数
grouped_user.sum().query('order_products < 100').order_products.hist(bins=20)

使用切比雪夫定理过滤异常值

user_cumsum = grouped_user.sum().sort_values('order_amount').apply(lambda x:x.cumsum() / x.sum())
user_cumsum.head()

user_cumsum.tail()

user_cumsum.reset_index().order_amount.plot()

按用户消费金额进行升序排列，由图可知50%的用户仅贡献了15%的消费额度

3.用户消费行为

• 用户第一次消费（首购）
• 用户最后一次消费
• 新老客消费比
  • 多少用户仅消费了一次
  • 每月新客占比
• 用户分层
  • RFM
  • 新、老、活跃、回流、流失
• 用户购买周期（按订单）
  • 用户消费周期描述
  • 用户消费周期分布
• 用户生命周期（按第一次和最后一次消费）
  • 用户生命周期描述
  • 用户生命周期分布

grouped_user.min().order_dt.value_counts().plot()

• 用户第一次购买分布集中在前三个月
• 其中，在2月11日至2月25日有一次剧烈的波动

grouped_user.max().order_dt.value_counts().plot()

• 用户最后一次购买的分布比第一次广
• 大部分最后一次购买集中在前三个月，说明有很多用户购买了一次之后就不再进行购买
• 随着时间的递增，最后一次购买数也在递增，消费呈现流失上升的状况

user_life = grouped_user.order_dt.agg(['min', 'max'])
user_life.head()

(user_life['min'] == user_life['max']).value_counts()

有一半用户只消费了一次

rfm = df.pivot_table(index = 'user_id',
               values = ['order_products', 'order_amount', 'order_dt'],
               aggfunc = {'order_dt': 'max',
                          'order_amount': 'sum',
                          'order_products': 'sum'})
rfm.head()

# 距今天数 转换时间格式 把单位消除
rfm['R'] = -(rfm.order_dt - rfm.order_dt.max()) / np.timedelta64(1, 'D')
# 重命名
rfm.rename(columns= {'order_products': 'F', 'order_amount': 'M'}, inplace=True)
rfm.head()

rfm[['R', 'F', 'M']].apply(lambda x:x-x.mean()).head() # 负号表示小于平均值

def rfm_func(x):
    level = x.apply(lambda x:'1' if x>=0 else '0') # x大于0表示高于平均值，否则低于平均值
    label = level.R + level.F + level.M
    d = {
        '111':'重要价值客户',
        '011':'重要保持客户',
        '101':'重要发展客户',
        '001':'重要挽留客户',
        '110':'一般价值客户',
        '010':'一般保持客户',
        '100':'一般发展客户',
        '000':'一般挽留客户'
    }
    result = d[label]
    return result

rfm['label'] = rfm[['R', 'F', 'M']].apply(lambda x:x-x.mean()).apply(rfm_func, axis=1)

rfm.head()

rfm.groupby('label').sum()

rfm.loc[rfm.label == '重要价值客户', 'color'] = 'coral'
rfm.loc[~(rfm.label == '重要价值客户'), 'color'] = 'c' # 除了重要价值客户之外的客户
rfm.plot.scatter('F', 'R', c=rfm.color)

rfm.head()

从RFM分层可知，大部分用户为重要保持客户，但是这是由于极值的影响，所以RFM的划分标准

• 尽量用小部分的用户覆盖大部分的额度
• 不要为了数据好看划分等级

pivoted_counts = df.pivot_table(index = 'user_id',
                                columns = 'month',
                                values = 'order_dt',
                                aggfunc = 'count').fillna(0)
pivoted_counts.head()

df_purchase = pivoted_counts.applymap(lambda x: 1 if x > 0 else 0)
df_purchase.tail()

def active_status(data):
    status = []
    for i in range(18):
        # 若本月没有消费
        if data[i] == 0:
            if len(status) > 0: # 如果有记录
                if status[i-1] == 'unreg': # 如果前一个月未注册
                    status.append('unreg') # 那么就为未注册
                else:
                    status.append('unactive') # 否则就为不活跃
            else: # 如果没有记录就为未注册
                status.append('unreg')
        # 若本月消费
        else:
            if len(status) == 0: # 如果记录为空，那么就为本月第一次消费
                status.append('new') # 该用户为新用户
            else: # 如果记录不为空
                if status[i-1] == 'unactive': # 如果前一个月不活跃
                    status.append('return') # 该用户为回流用户
                elif status[i-1] == 'unreg': # 如果未注册
                    status.append('new') # 该用户为新用户
                else:
                    status.append('active') # 否则该用户为活跃用户
    return pd.Series(status)

若本月没有消费

• 若之前未注册，则依旧为未注册
• 若之前有消费，则为流失/不活跃
• 其他情况，为未注册

若本月有消费

• 若是第一次消费，则为新用户
• 若之前有过消费，上个月为不活跃，则为回流
• 若上个月为未注册，则为新用户
• 除此之外，为活跃

print(df_purchase.columns)

purchase_stats = df_purchase.apply(active_status, axis=1)
purchase_stats.columns = df_purchase.columns
purchase_stats.head()

purchase_stats.tail()

purchase_stats_ct = purchase_stats.replace('unreg', np.NaN).apply(lambda x:pd.value_counts(x))
purchase_stats_ct.head()

purchase_stats_ct.fillna(0).T.head()

purchase_stats_ct.fillna(0).T.apply(lambda x:x/x.sum(), axis=1)

purchase_stats_ct.fillna(0).T.plot.area()

order_diff = grouped_user.apply(lambda x:x.order_dt - x.order_dt.shift())
order_diff.head(10)

df.order_dt.head(10)

df.order_dt.shift().head(10) # 把所有数据往下移动一位

order_diff.describe()

(order_diff / np.timedelta64(1, 'D')).hist(bins=20)

• 订单周期呈指数分布
• 用户的平均购买周期是68天
• 绝大部分用户的购买周期都低于100天

(user_life['max'] - user_life['min']).describe()

((user_life['max'] - user_life['min']) / np.timedelta64(1, 'D')).hist(bins= 40)

用户的生命周期受只购买一次的用户影响比较厉害

u_1 = ((user_life['max'] - user_life['min']).reset_index()[0] / np.timedelta64(1, 'D'))
u_1[u_1 > 0].hist(bins = 40)

4.复购率和回购率分析

• 复购率
  • 自然月内，购买多次的用户占比
• 回购率
  • 曾经购买过的用户在某一时期内的再次购买的占比

pivoted_counts.head()

# 大于1 -> 1
# 等于1 -> 0
# 等于0 -> NaN
purchase_r = pivoted_counts.applymap(lambda x: 1 if x > 1 else np.NaN if x == 0 else 0)
purchase_r.head()

(purchase_r.sum() / purchase_r.count()).plot(figsize=(10, 4))

复购率稳定在20%左右，前三个月因为有大量新用户涌入，而这批用户只购买了一次，所以导致复购率降低

df_purchase.head()

# 1 -> 当月消费过，次月依旧消费
# 0 -> 当月消费过，次月没有消费
# NaN -> 当月没有消费
def purchase_back(data):
    status = []
    for i in range(17):
        if data[i] == 1:
            if data[i+1] == 1:
                status.append(1)
            if data[i+1] == 0:
                status.append(0)
        else:
            status.append(np.NaN)
    status.append(np.NaN)
    return pd.Series(status)

purchase_b = df_purchase.apply(purchase_back, axis=1)
purchase_b.head(5)

(purchase_b.sum() / purchase_b.count()).plot(figsize=(10, 4))