用户消费行为的分析报告
数据来源 CDNow 网站的用户购买明细，通过各个指标对用户行为进行分析，可以更清楚了解用户行为习惯，为进一步制定营销策略提供依据。
具体指标包括：
- 户消费趋势分析
- 用户个体消费分析
- 用户消费行为分析
- 复购率和回购率分析
- 留存率分析
一、理解数据
本数据集共有 6 万条左右数据，数据为 CDNow 网站 1997年1月至1998年6月的用户行为数据，共计 4 列字段，分别是：
- user_id: 用户ID
- order_dt: 购买日期
- order_products: 购买产品数
- order_amount: 购买金额
二、清洗数据
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.rcParams[\'font.sans-serif\']=[\'SimHei\']
plt.rcParams[\'axes.unicode_minus\']=False
plt.style.use(\'ggplot\')1. 数据加载
columns = [\'user_id\', \'order_dt\', \'order_products\', \'order_amount\']
# 将 order_dt 转化为日期数据类型格式
dateparse = lambda dates: pd.datetime.strptime(dates,\'%Y%m%d\')
df = pd.read_table(r\'C:\Users\86134\Desktop\CDNOW_master.txt\',
names = columns,parse_dates=[\'order_dt\'],
sep = \'\s+\',date_parser=dateparse
)3.数据探索
print(df.info())
print(\'-\'*30)
print(df.isnull().sum())
print(\'-\'*30)
print(df.describe())
print(\'-\'*30)
print(df.head())
print(\'-\'*30)
print(df.tail())
print(\'-\'*30)输出
<class \'pandas.core.frame.DataFrame\'>
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
user_id 69659 non-null int64
order_dt 69659 non-null datetime64[ns]
order_products 69659 non-null int64
order_amount 69659 non-null float64
dtypes: datetime64[ns](1), float64(1), int64(2)
memory usage: 2.1 MB
None
------------------------------
user_id 0
order_dt 0
order_products 0
order_amount 0
dtype: int64
------------------------------
user_id order_products order_amount
count 69659.000000 69659.000000 69659.000000
mean 11470.854592 2.410040 35.893648
std 6819.904848 2.333924 36.281942
min 1.000000 1.000000 0.000000
25% 5506.000000 1.000000 14.490000
50% 11410.000000 2.000000 25.980000
75% 17273.000000 3.000000 43.700000
max 23570.000000 99.000000 1286.010000
------------------------------
user_id order_dt order_products order_amount
0 1 1997-01-01 1 11.77
1 2 1997-01-12 1 12.00
2 2 1997-01-12 5 77.00
3 3 1997-01-02 2 20.76
4 3 1997-03-30 2 20.76
------------------------------
user_id order_dt order_products order_amount
69654 23568 1997-04-05 4 83.74
69655 23568 1997-04-22 1 14.99
69656 23569 1997-03-25 2 25.74
69657 23570 1997-03-25 3 51.12
69658 23570 1997-03-26 2 42.96
------------------------------通过数据探索我们发现 – 大部分订单只购买了少量商品 (平均 2.4), 有一定极值干扰； – 用户消费的金额比较稳定, 平均消费 35 元, 中位数在 35 元, 有一定极值干扰； – 数据呈右偏分布； – 没有空缺数据，可以直接分析，但考虑到是按月分析，所以将日期进行解析（实际业务是否按月分析，取决于消费频率） 。
# 解析日期
df[\'oreder_dt\'] = pd.to_datetime(df.order_dt, format=\'%Y%m%d\')
df[\'month\'] = df.order_dt.values.astype(\'datetime64[M]\')三、用户消费趋势分析（按月)
- 每月的产品购买数量
- 每月的消费总金额
- 每月的消费次数
- 每月的消费人数
1.每月的产品购买数量
grouped_momnth = df.groupby(\'month\')
plt.figure(1, figsize=(10, 4))
plt.title(\'每月用户购买张数\')
plt.ylabel(\'CD碟数（张）\')
grouped_momnth.order_products.sum().plot()
plt.show()
从图中可以看到，销量在前几个月异常高涨，并在3月达到最高峰，后续销量较为稳定，且有轻微下降趋势。
2.每月的消费金额
plt.figure(1, figsize=(10, 4))
plt.title(\'每月销售额\')
plt.ylabel(\'销售额\')
grouped_momnth.order_amount.sum().plot()
plt.show()
由图可以看到，消费金额也一样呈现早期销售多，后期平稳下降趋势，而且前三月数据都呈现出异常状态，为什么呈现这样的原因呢？我们可以假设前三个月有促销活动，或者用户本身出了问题，早期用户有异常值。但这里只有消费数据，因此不能做出判断。
3.每月消费次数
plt.figure(1, figsize=(10, 4))
plt.title(\'每月订单数\')
plt.ylabel(\'订单数\')
grouped_momnth.user_id.count().plot()
plt.show()
前三个月订单数在 10000 笔左右，后续月份的平均消费订单数则在 2500 笔左右。
4.每月消费人数
plt.figure(1, figsize=(10, 4))
plt.title(\'每月消费人数\')
plt.ylabel(\'人数\')
grouped_momnth.user_id.apply(lambda x: len(x.drop_duplicates())).plot()
plt.show()
每月消费人数低于每月消费次数，但差异不大。
前三个月每月消费人数在 8000~10000 之间，后续月份，平均消费人数在 2000 人不到。
四、用户个体消费分析
- 用户消费金额，消费次数的描述统计
- 用户消费金额和购买数量散点图
- 用户消费分布图
- 用户累计消费金额的占比（百分之多少的用户占了百分之多少的消费）
1.用户消费金额，消费次数的描述统计
grouped_user = df.groupby(\'user_id\')
从用户角度
- 用户数量：23570，每位用户平均购买 7 张 CD，但是中位数值只有3，且有狂热用户购买了1033 张。平均值大于中位数，是右偏分布，说明小部分用户购买了大量的 CD。
从消费金额角度
- 用户平均消费 106 元，中位值只有 43，且有土豪用户消费 13990，结合分位数和最大值看，平均数仅和 75 分位接近，肯定存在小部分的高频消费用户。
plt.figure(figsize=(12,4))
plt.subplot(121)
plt.scatter(x = \'order_amount\', y = \'order_products\',data=df)
plt.xlabel(\'每笔订单消费金额\')
plt.ylabel(\'每笔订单购买数量\')
plt.subplot(122)
plt.scatter(x = \'order_amount\',y = \'order_products\',
data = grouped_user.sum())
plt.xlabel(\'每位用户消费金额\')
plt.ylabel(\'每位用户购买数量\')
plt.show()
从每笔订单的散点图观察
- 订单消费金额和订单商品有规律性，每个商品均价 10元，且订单极值较少，超出 1000 的不多，所以不是造成异常波动的原因。
从每位用户的消费散点图观察
- 用户比较健康，且线性关系比订单更强，由于这是 CD 网站的销售数据，商品较为单一，金额和商品的关系因此呈线性关系，离群点不多。
3.用户消费分布图
为了更好的观察消费能力极强的用户，因为数量不多，所以用直方图
plt.figure(figsize=(12, 4))
plt.subplot(121)
ax = grouped_user.order_amount.sum().hist(bins=50)
ax.set_xlabel(\'金额（美元）\')
ax.set_ylabel(\'用户人数\')
ax.set_xlim(0, 2000)
ax.set_title(\'用户消费金额分布图\')
plt.subplot(122)
ax1 = grouped_user.order_products.sum().hist(bins = 50)
ax1.set_xlabel(\'CD 数（张）\')
ax1.set_ylabel(\'用户人数\')
ax1.set_xlim(0, 150)
ax1.set_title(\'购买 CD 数分布图\')
plt.show()
从直方图可知，用户消费金额，绝大部分呈现集中趋势，大部分购买CD数20张内，高消费用户在图上几乎看不到，这是符合消费行为的行业规律。
4.用户累计消费金额的占比
user_cumsum = grouped_user.sum().sort_values(\'order_amount\').apply(lambda x:x.cumsum())
user_cumsum
user_cumsum = grouped_user.sum().sort_values(\'order_amount\').apply(lambda x:x.cumsum() / x.sum())
user_cumsum.reset_index().order_amount.tail()
# 输出
23565 0.985405
23566 0.988025
23567 0.990814
23568 0.994404
23569 1.000000
Name: order_amount, dtype: float64
user_cumsum = grouped_user.sum().sort_values(\'order_amount\').apply(lambda x:(x.cumsum() / x.sum())*100)
user_cumsum.reset_index().order_amount.plot()
plt.title(\'用户累计消费金额占比\')
plt.xlabel(\'人数\')
plt.ylabel(\'百分比 %\')
plt.show(）
通过分析累计销售额占比，从图中不难看出用户消费行为基本符合二八定律，80% 的用户贡献了 25% 的消费金额，而 60% 的消费由前 5000 名用户贡献。所以只要维护了这5000 名用户,就能完成 60% 的KPI。
五、用户消费行为
- 用户第一次消费（首购）时间
- 用户最后一次消费时间
- 用户分层
- RFM （RFM模型是衡量客户价值和客户创利能力的重要工具和手段）
- 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&最后一次消费）
- 用户生命周期描述
- 用户生命周期分布
1.用户首购时间
grouped_user.min().month.value_counts()
# 输出
1997-02-01 8476
1997-01-01 7846
1997-03-01 7248
Name: month, dtype: int64
grouped_user.min().order_dt.value_counts().plot() # 首购
plt.show()
2.用户最后一次购买时间
grouped_user.month.max().value_counts()
# 输出
1997-02-01 4912
1997-03-01 4478
1997-01-01 4192
1998-06-01 1506
1998-05-01 1042
1998-03-01 993
1998-04-01 769
1997-04-01 677
1997-12-01 620
1997-11-01 609
1998-02-01 550
1998-01-01 514
1997-06-01 499
1997-07-01 493
1997-05-01 480
1997-10-01 455
1997-09-01 397
1997-08-01 384
Name: month, dtype: int64
grouped_user.max().order_dt.value_counts().plot() # 最后一次消费
plt.show()
通过以上两个维度观察，可以看出
- 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 日有一次剧烈波动。
- 用户最后一次购买的分布比第一次分布广，但是大部分最后一次购买也集中在前三个月，说明忠诚用户较少，随着时间的递增，最后一次购买数在递增，消费呈现流失上升的趋势，所以可以推测，这份数据选择的是前三个月消费的用户在后面18个月的跟踪记录数据，前三个月消费金额和购买数量的异常趋势获得解释。
3.用户分层
3.1 构建RFM 模型
- Recency Frequency Monetary
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()
rfm[\'R\'] = -(rfm.order_dt - rfm.order_dt.max()) / np.timedelta64(1, \'D\')
rfm.rename(columns = {\'order_products\': \'F\', \'order_amount\':\'M\'},
inplace=True)
rfm.head()
def rfm_func(x):
level = x.apply(lambda x:\'1\' if x>=1 else \'0\')
label = level.R + level.F + level.M
d = {
\'111\':\'重要价值客户\',
\'011\':\'重要保持客户\',
\'101\':\'重要挽留客户\',
\'001\':\'重要发展客户\',
\'110\':\'一般价值客户\',
\'010\':\'一般保持客户\',
\'100\':\'一般挽留客户\',
\'000\':\'一般发展客户\'
}
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()
for label,gropued in rfm.groupby(\'label\'):
x= gropued[\'F\']
y = gropued[\'R\']
plt.scatter(x,y,label = label) # 利用循环绘制函数
plt.legend(loc=\'best\') # 图例位置
plt.xlabel(\'Frequency\')
plt.ylabel(\'Recency\')
plt.show()
从 RFM 分层可知，大部分用户为重要保持客户，但这是因为极值存在，所以 FRM 的划分应按照业务为准划分
- 尽量用小部分的用户覆盖大部分的额度
- 不要为了数据好看而划分等级
3.2 按新、活跃、回流、流失分层用户
# 通过每月是否消费来划分用户
pivoted_counts = df.pivot_table(index = \'user_id\',
columns = \'month\',
values = \'order_dt\',
aggfunc = \'count\').fillna(0)
pivoted_counts.columns = df.month.sort_values().astype(\'str\').unique()
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):
if data[i] == 0:
if len(status) > 0:
if status[i-1] == \'unreg\':
status.append(\'unreg\')
else:
status.append(\'unactive\')
else:
status.append(\'unreg\')
else:
if len(status) == 0:
status.append(\'new\')
else:
if status[i-1] == \'unactive\':
status.append(\'return\')
elif status[i-1] == \'unreg\':
status.append(\'new\')
else:
status.append(\'active\')
return pd.Series(status,df_purchase.columns)若本月没有消费
- 若之前未注册，则依旧未注册
- 若之前有消费，则为流失/为活跃
- 其他情况，未注册
若本月消费
- 若是第一次消费，则为新用户
- 如果之前有过消费，上个月为不活跃，则为回流
- 如果上个月未注册，则为新用户
- 除此之外，为活跃
purchase_states = df_purchase.apply(active_status,axis = 1)
purchase_states.tail()
purchase_states_ct = purchase_states.replace(\'unreg\',np.NaN).apply(lambda x:pd.value_counts(x))
purchase_states_ct
unreg 状态排除掉，是未来才成为新用户，作为不同分呈用户每月统计量。
# 转置后方便观察
purchase_states_ct.fillna(0).T
# 绘制面积图
purchase_states_ct.fillna(0).T.plot.area(figsize = (12, 6))
plt.show()
由面积图，蓝色和灰色区域占大面积，可以不看，因为这只是某段时间消费过的用户的后续行为。其次红色代表的活跃用户非常稳定，是属于核心用户，以及紫色的回流用户，这两个分层相加，就是消费用户人数占比（后期没用新客）
3.3回流用户占比
plt.figure(figsize=(20, 4))
rate = purchase_states_ct.fillna(0).T.apply(lambda x: x/x.sum())
plt.plot(rate[\'return\'],label=\'return\')
plt.plot(rate[\'active\'],label=\'active\')
plt.legend()
plt.show()
- 回流用户比：某个时间段内回流用户在总用户中的占比
- 由图可知，用户每月回流用户比占 5% ～ 8% 之间，有下降趋势，说明客户有流失倾向。
- 回流用户率：上月有多少不活跃用户在本月消费
- 由于这份数据的不活跃用户量基本不变，所以这里的回流率，也近似等于回流比
- 活跃用户比：某个时间段内活跃用户在总用户中的占比。
- 活跃用户的占比在 3% ～ 5%间，下降趋势更显著，活跃用户可以看作连续消费用户，忠诚度高于回流用农户。
结合活跃用户和回流用户看，在后期的消费用户中，60%是回流用户，40%是活跃用户，整体用户质量相对不错。也进一步说明前面用户消费行为分析中的二八定律，反应了在消费领域中，狠抓高质量用户是不变的道理。
4.用户购买周期
# 订单时间间隔
order_diff = grouped_user.apply(lambda x:x.order_dt - x.order_dt.shift())
order_diff.head(10)
order_diff.describe()
# 订单周期分布图
(order_diff / np.timedelta64(1, \'D\')).hist(bins = 20)
plt.show()
- 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低于 100 天
- 用户生命周期图是典型的长尾图，大部分用户的消费间隔确实比较短。不妨将时间召回点设为消费后立即赠送优惠券，消费后10天询问用户CD怎么样，消费后30天提醒优惠券到期，消费后60天短信推送。
5.用户生命周期
# 最后一次购买的时间减去首购时间
user_life = grouped_user.order_dt.agg([\'min\', \'max\'])
user_life.head()
# 只消费过一次的用户占比
(user_life[\'min\'] == user_life[\'max\']).value_counts().plot.pie()
plt.show()
(user_life[\'max\'] - user_life[\'min\']).describe()
通过描述可知，用户平均生命周期 134 天，比预想高，但是平均数不靠谱,中位数 0 天，大部分用户第一次消费也是最后一次，这批属于低质量用户，而最大的是 544 天，几乎是数据集的总天数，这用户属于核心用户。
因为数据中的用户都是前三个月第一次消费，所以这里的生命周期代表的是1月～3月用户的生命周期。因为用户会持续消费，这段时间过后还会继续消费，用户的平均生命周期会增长。
plt.figure(figsize=(20, 4))
plt.subplot(121)
((user_life[\'max\'] - user_life[\'min\']) / np.timedelta64(1, \'D\')).hist(bins = 15)
plt.title(\'二次消费以上用户的生命周期直方图\')
plt.xlabel(\'天数\')
plt.ylabel(\'人数\')
# 过滤生命周期为0 的
plt.subplot(122)
u_l = ((user_life[\'max\'] - user_life[\'min\']).reset_index()[0] / np.timedelta64(1, \'D\'))
u_l[u_l > 0].hist(bins = 40)
plt.title(\'二次消费以上用户的生命周期直方图\')
plt.xlabel(\'天数\')
plt.ylabel(\'人数\')
plt.show()
通过两图对比看出，过滤掉周期为 0 的用户后，图像呈双峰结构，虽然还是有不少用户生命周期趋于 0 天，但是相比第一幅图，靠谱多了。部分低质用户，虽然消费两次，但还是不能持续消费，要想提高用户转化率，应该用户首次消费 30 天内尽量引导，少部分用户集中在 50 – 300 天，属于普通用户，忠诚度一般。集中在 400 天以后的，是高质量用户了，后期人数还在增加，这批用户已经属于核心用户了，忠诚度极高，尽量维护这批用户的利益。
# 消费两次以上用户平均生命周期
u_l[u_l > 0].mean()
# 输出
276.0448072247308消费两次以上的用户平均生命周期是 276 天，远高于总体，所以如何在用户首次消费后引导其进行多次消费，可以有效提高用户生命周期。
版权声明：本文为tianshangxing原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。