用户消费行为分析

消费品用户行为分析

根据CDNOW的一段用户订单数据进行消费行为分析
CDNow是一家在线音乐零售平台，后被德国波泰尔斯曼娱乐集团公司出资收购，其资产总价值在最辉煌时曾超过10亿美元。下面主要通过分析CDNow网站的用户购买明细来分析该网站的用户消费行为，使运营部门在营销时更加具有针对性，从而节省成本，提升效率。
数据包括cdnow1997年1月1日至1998年6月30日期间内购买CD交易明细。
https://links.jianshu.com/go?to=https%3A%2F%2Fpan.baidu.com%2Fs%2F1_co54-bX9Mz_e_NWV4xtOg
提取码va7h

一、分析框架

1.准备

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

2.读入数据并检查

columns = ['用户ID','订单日期','订购数','订单金额']
dataf = pd.read_table('CDNOW_master.txt',names = columns,sep = '\s+')
dataf.head()
dataf.describe()
dataf.info()
#查看一下数据情况，能读出一些简单的统计分析，如客单价35.89，平均订购数量2.41件
#能看出中位数和平均值差距比较大，可以判断出存在极大值干扰，存在一部分顾客消费金额和数量特别大

   用户ID      订单日期  订购数   订单金额
0     1  19970101    1  11.77
1     2  19970112    1  12.00
2     2  19970112    5  77.00
3     3  19970102    2  20.76
4     3  19970330    2  20.76


               用户ID          订单日期           订购数          订单金额
count  69659.000000  6.965900e+04  69659.000000  69659.000000
mean   11470.854592  1.997228e+07      2.410040     35.893648
std     6819.904848  3.837735e+03      2.333924     36.281942
min        1.000000  1.997010e+07      1.000000      0.000000
25%     5506.000000  1.997022e+07      1.000000     14.490000
50%    11410.000000  1.997042e+07      2.000000     25.980000
75%    17273.000000  1.997111e+07      3.000000     43.700000
max    23570.000000  1.998063e+07     99.000000   1286.010000


<class 'pandas.core.frame.DataFrame'>
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   用户ID    69659 non-null  int64  
 1   订单日期    69659 non-null  int64  
 2   订购数     69659 non-null  int64  
 3   订单金额    69659 non-null  float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB
    

3.数据处理

dataf.drop_duplicates(inplace=True)#去重
dataf.dropna()#去空值行
dataf['order_date'] = pd.to_datetime(dataf['order_date'],format = '%Y%m%d')
dataf['month'] = dataf['order_date'].values.astype('datetime64[M]')
#添加月份列,修改订单日期列格式，方便统计
dataf.head()

   用户ID       订单日期  订购数   订单金额         月份
0     1 1997-01-01    1  11.77 1997-01-01
1     2 1997-01-12    1  12.00 1997-01-01
2     2 1997-01-12    5  77.00 1997-01-01
3     3 1997-01-