电商平台用户画像分析
1、项目背景
1.1 分析目的
通过分析用户的行为特征，深挖用户的潜在价值。
1.2 产品简述
由于数据脱敏无法具体了解产品的种类，通过数据只能基本判断该产品的消耗量和复购率并不是很高，主要是在电商平台上进行销售，面向群体较广，各个年龄段和性别基本都有购买的记录。
1.3 数据集介绍
1.3.1 数据源：
User_table.csv、Data_Action_02.csv、Data_Action_03.csv、Data_Action_04.csv
1.3.2 数据量级
共有50601736条数据（5000万+）
1.3.3 数据字段解释
User_table.csv，用户数据介绍Data_Action_02.csv、Data_Action_03.csv、Data_Action_04.csv,用户行为数据特征**ata-draft-node="block" data-draft-type="table" data-size="normal" data-row-style="normal">user_id用户编号脱敏sku_id商品编号脱敏time行为时间/model_id点击模块编号脱敏type行为类型1.浏览商品详情页；2.加入购物车；3.购物车删除；4.下单；5.关注；6.点击cate品类ID脱敏brand品牌ID脱敏2、标记高潜用户
高潜用户应该具有以下特征：
必须有购买行为对一个商品购买和其他交互行为（浏览、点击、收藏、等（时间差应该多于一天（时间间隔可以根据实际情况自己定义）
2.1 将多个表用户行为数据合并
import pandas as pd # 1. 由于每个csv中大概都有100多万条数据，我们采取分数据块读取# 读取文件数据def read_actionData(filePath,size=10000):'''filePath ： 文件路径size ： 数据行数'''使用迭代器的方式读取数据df = pd.read_csv(filePath, header=0, iterator=True)# 保存数据块的列表,保存单个csv的数据 chunks = [] # 循环起始值loop = Truewhile loop:try:#分块迭代读取数据, 每次读10000条 chunk = df.get_chunk(size)[["user_id", "sku_id", "type", "time",'cate']]chunks.append(chunk)#当csv文件数据读取完毕时候,报错误except StopIteration:loop = Falseprint("Iteration is stopped")df_ac = pd.concat(chunks, ignore_index=True)return df_ac#2.将多个表的数据合并在一起#df_ac大列表接受3个表的数据 chunksdf_ac = []df_ac.append(read_actionData(filePath='Data_Action_02.csv'))df_ac.append(read_actionData(filePath='Data_Action_03.csv'))df_ac.append(read_actionData(filePath='Data_Action_04.csv'))#3.将多个表的数据转成数组形式df_ac = pd.concat(df_ac, ignore_index=True)df_ac
简单浏览下数据
df_ac.describe()df_ac.info()
2.2 提取type为4的数据
#1.找到type为4的用户 df_ac_type = df_ac[df_ac['type']==4]df_ac_type
2.3 查看每类商品用户下单的占比
#2每类商品购买占比 #找到高潜用户可以不用这一步进行分析 cate_count = df_ac_type.groupby('cate').count() cate_countcate_count['rate'] = [i/df_ac_type.shape[0] for i in cate_count['time'].values.tolist()] cate_count
2.4 选取第四类产品的数据为例
#3.以cate4为例进行研究 df_ac_cate = df_ac_type[df_ac_type['cate']==4]df_ac_cate
2.5 用户最后购买时间
#4.用户最后购买时间 def last_time(user):return user['time'].max() df_usr_buy_time = df_ac_cate.groupby(by='user_id').apply(last_time)df_usr_buy_timeprint(type(df_usr_buy_time))df_usr_buy_time
2.6 用户最早与该类产品发生交互的日期
#5.用户第一次与该类产品发生行为的日期 df_ac_allcate = df_ac[df_ac['cate']==4] df_ac_allcate #根据有最后一次购买时间,df_usr_buy_time 与df_ac_allcate 匹配 df_all_buy_ac = pd.merge(df_usr_buy_time.to_frame(),df_ac_allcate,on='user_id') df_all_buy_ac #获取用户第一次行为时间 def first_time(user):return user['time'].min() df_usr_ac_firsttime = df_all_buy_ac.groupby(by='user_id').apply(first_time)df_usr_ac_firsttime
2.7 计算购买行为和第一次交互行为的时间差
#6.计算时间差 df = pd.merge(df_usr_buy_time.to_frame(),df_usr_ac_firsttime.to_frame(),on='user_id') df.columns = ['buy_time','ac_time']df['days'] = (df['buy_time'].astype('datetime64')-df['ac_time'].astype('datetime64')).dt.days df
2.8 获取高潜用户
#7找到高潜用户 high_dive = df[df['days']>1] high_dive
3.分析高潜用户行为
3.1 筛选高潜客户的静态数据
#1.合并两个表 user_table = pd.read_csv('data/User_table.csv')# 将两个时间进行合并high_dive和user_tableuser_table_high = pd.merge(user_table,high_dive,on='user_id')user_table_high
3.2 高潜用户的客户等级分布
#2.高潜用户等级情况 user_lv_count = user_table_high.groupby('user_lv_cd').count()user_lv_count# 绘制饼图import matplotlib.pyplot as pltimport matplotlibplt.pie(user_lv_count['user_id'].values.tolist(), labels=user_lv_count.index.tolist(), autopct="%1.1f%%")plt.show()
3.3 高潜客户年龄段分布
#3.高潜用户年龄 user_age_count = user_table_high.groupby('age').count()user_age_count# 绘制饼图import matplotlib.pyplot as pltimport matplotlibplt.bar(user_age_count.index.tolist(),user_age_count['user_id'].values.tolist(),width=0.3)plt.show()#这里的数据是脱敏了的，看样子进行猜测，-1应该是用户填写的错误数据，2是20~29岁，3是30~39岁，以此类推。
3.4 购买数量：不同量段的占比
#4购买数量分析 #先按购买数量分组，bins里的数量可以根据实际情况进行调整，由于购买数量主要集中在1~5，所以如下分类。buy_num_groups = pd.cut(user_table_high['buy_num'], bins=[0,1,2,3,4,5,10,20,30,40,50]) #(0,1)(1,2)#每一组个数 group_count = user_table_high.groupby(buy_num_groups).count() group_count#占比 group_count['rate'] = ['%.3f%%' %(value/user_table_high.count()['user_id']*100) for value in group_count['user_id'].values.tolist()] group_count['rate']
3.5 高潜用户的购买该商品的记录
根据df_ac_cate 和高潜用户id匹配出高潜用户的购买该商品的记录.
#5.找到高潜用户的购买记录#根据df_ac_cate 4类 产品 #高潜用户进行匹配, 购买产品记录 df_buy_high = df_ac_cate[df_ac_cate['user_id'].isin(high_dive.index.to_list())] df_buy_high df_buy_high['time'] = df_buy_high['time'].astype('datetime64')df_buy_high
3.6 周一到周日每天的购买行为分布
df_buy_high['weekday'] = df_buy_high['time'].apply(lambda x: x.weekday() + 1) df_buy_high_count = df_buy_high.groupby(by='weekday').count()df_buy_high_countplt.bar(df_buy_high_count.index.tolist(),df_buy_high_count['user_id'].values.tolist())plt.show()
4、总结
此次分析是针对电商用户的行为数据进行分析，目的是找到高潜用户的行为特征，最大程度地挖掘高潜用户的价值。
数据分析的过程和每点小结：
1）定义了高潜用户，应该具有以下特征：必须有购买行为；对一个商品购买和其他交互行为（浏览、点击、收藏、等（时间差应该多于一天（时间间隔可以根据实际情况自己定义）
2）先在所有的几百万份数据中找到下单的用户（type=4）；
3）再在其中找购买了cate=4的用户；
4）通过计算购买行为和第一次交互行为的时间差 找到符合要求的高潜用户；
5）分析高潜用户的客户等级分布，主要分布在4、5级，说明高潜用户基本上是该平台的长期用户，购买频次不低（后续补上RFM模型进行分析）
6)分析高潜用户的年龄段，主要集中在30·40岁，说明大部分高潜用户是有独立经济能力，有稳定的购买能力，不是一时冲动的消费行为，可以往提升用户粘性方向走；
7）分析高潜用户的购买数量，95%集中在1~5次，67%是在2次以内，说明针对高潜用户在购买数量上还有很大的提升空间，可以考虑做一些促销活动（买几送几，捆绑销售之类的等等）去推动下。
8）分析周一至周日的购买行为分布，周四下单的最多，其余六天基本持平，但周六日最低的，这种情况有多种可能，主要是和产品特质有关，有可能是30~40岁的高潜用户想着周四下单，周六日空闲时就可以拿到商品，立马能使用（在不急迫的情况下追求体验效率）。可以将商品4的相关活动设置在周四。
######说在最后，之后有时间会补充上RFM模型以及更好的可视化展示报告。
