基于python分析电商用户行为（附代码）

一．分析背景与目的

1.1背景与数据限制

本数据集为某电商app中的用户行为，本分析案例通过：时间-用户-商品-行为四个维度来分析用户的数量，粘性和购买转化率。本案例使用的数据集为9天内(11月25日-12月3日的数据)的数据。商品名称数据经脱敏，行为数据只有4种，分别是访问商品详情页-加入收藏-加入购物车-购买。

1.2分析指标

1）流量指标：
访问数：当日的商品详情页访问数
日用户数：当日访问的用户数（去重后）
活跃用户数：当日产生超过2次行为数据的用户数
交易用户数:当日有购买行为数据的用户数（去重后）

2）用户属性指标：
活跃用户比例：日活跃用户/日用户数
交易用户比例：日交易用户数/日用户数
用户日均行为数：日访问数/日用户数
用户活跃天数：统计周期内，用户有多少天活跃

3）转化指标：
购买转化率：各类型用户购买转化率

4）用户价值指标（RFM模型）：
R：用户最近的一次购买时间
F：用户最近一段时间的购买频率
M：用户最近一段时间的购买金额

1.3 分析用户行为的目的

1）监控周期内是否业务发生数据异常；
2）对用户转化路径进行分类，将用户导向高转化路径，挖掘业务增长点；
3）分析商品数据，增强商品推荐导流成功率；
4）对用户类型进行分类，针对不同用户实现不同的运营策略。

二．数据集理解

user_id: int类型，用户id
item_id: int类型，商品id
category_id: int类型，商品大类id
behaviour_type：用户行为，分成四类：
1）pv：商品详情页pv，等价于点击
2）buy：商品购买
3）fav：商品收藏
4）cart：商品加入购物车
timestamp：行为发生时的时间戳

三．数据清洗

操作：去除有缺失值的行，去除重复值，将timestamp转化成datetime，并筛选出11月25日至12月3日的数据。
结论：数据及较为干净，被筛掉的数据约有5k+。

四．数据分析

4.1基本指标分析

4.1.1应用流量

4.1.2应用用户属性

4.1.3用户活跃天数分布

4.1.4小结

1）应用的日均用户较为稳定，曲线从12月2日起大幅上升，推测原因双12系列活动的预热开始；
2）日均活跃用户比例：79%，日均购买用户比例：19%，推测均为是标准差较小的正态分布，后续可以以该比例作为期望值监控业务是否正常进行；
3）12月2至3日用户数上升了32.3%，活跃比例和购买比例分别下降了3.2%和6.7%，说明双12系列活动只提高了用户的“量”，并没有提高被引流的用户的“质”。
4）超过90%的用户9天内活跃超过2天。

4.2用户行为路径分析

根据用户是否发生4种行为的其中一种，将“用户-商品id”分为15个路径。

4.2.1用户行为路径

4.2.2购买转化率

4.2.3小结

1）用户路径总体特征
绝大部分的用户只访问了商品详情页，但没有收藏、加购、购买；同一件商品，用户的收藏行为和加购行为并没有特别大的联系；对有购买意愿的商品，选择加购的人会比选择收藏的人要多；
收藏fav行为的转化率为 3.82%；
加入购物车cart行为的转化率为 7.17%；
购买buy行为的转化率为2.51%。

2）用户路径占比分析
转化排名TOP4：
①pv-fav-cart（14.94%）
②py-unfav-cart（9.96%）
③py-fav-uncart（8.01%）
④unpy-fav-cart（5.28%）
有收藏和加购行为的用户购买转化率远大于其他用户；
只有收藏和只有购买的用户转化率不相上下。

3）用户路径占比分析
占比排名TOP4：
①pv-unfav-uncart(48.98%)
②pv-unfav-cart(13.48%)
③pv-fav-uncart(4.71%)
④unpv-unfav-cart(4.03%)
大多数用户都是访问了商品后直接购买，由于包含了大量单纯浏览商品的用户，此路径的转化率只有1.39%；
通过购物车购买的用户数量为通过收藏购买的用户的3倍。

4.3用户行为时间分析

4.3.1用户活跃时间

4.3.2购买行为时间分布

4.3.3小结

1）19：00-22：00是访问高峰期，符合人们的工作休息节律。每小时购买数和每小时访问用户曲线趋势基本吻合。20:00-0:00是使用高峰期，用PV/UV大幅度上涨，是平常时段的1.45倍；
2）从购买行为时间分布图上看，收藏且有购物意愿的用户，超过95%会在3天内购买，加入购物车且有购物意愿的用户，超过92%会在5天内购买。用户在刚收藏商品或加入购物车后会有一波购买高峰，在加入购物车约20小时后会有另外一波购买小高峰。

4.4用户行为商品分析

4.4.1 商品大类交易数占比

数据集中商品名称经过脱敏，故只有id

4.4.2商品大类购买行为

分析产生购买行为的数据中，一件商品的购买要经过多少个行为，大部分购买行为平均只会产生20次以的，对于划分开的不同用户行为的商品大类，实施不同的运营策略。

A区（右上区域）：购买数大，行为数大，推测该区域商品是快消或高频物品，且品牌选择多，如服装、日用品、零食等；

B区（左上区域）：购买数大，行为数少，推测该区域商品是高频、明星产品，品牌不多用户选择少，或者是有头部品牌，又或者是品牌建立了一定的依赖度；

C区（左下区域）：购买数相对小，行为数相对小，品类特性需进一步分析；

D区（右下区域）：购买数小，行为数多，推测该区域商品低频/贵重，用户决策谨慎，如手机、电视机等高金额非消耗品。

4.4.3 商品关联性分析

提取数据集中各商品大类/商品出现在同一个订单中的次数，次数越大，两种商品大类/商品的关联性越高。

分析小结：
1）总订单数为：178673，商品种类大于1的订单数为12165，商品大类关联性TOP1只有417次，约占3.4%；商品大类的关联性强于单个商品之间的关联性；
2）总体来说由购买行为计算的商品关联性不低，有一定的分类和推荐价值，但在推荐前需先分析高关联性产品是否已存在关联推荐，需把关联性高但非系统关联推荐的商品信息提取出来。

4.5 用户价值分析

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：
· R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。
· F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。
· M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大
由于本数据集没有M维度，故只用R维度和F维度对用户进行打分评级。

五．总结

5.1 分析总结

1）该应用正常情况下日均用户访问数据、用户行为数、活跃用户与付费用户比例稳定，超90%在9天内活跃天数超过2天，后续看继续用各指标的平均值来作为监控业务的期望值；

2）大多数购买的用户在访问商品详情页后直接购买；有收藏和加购行为的用户购买转化率远大于其他用户；通过购物车购买的用户是通过收藏购买的用户数的3倍。

3）19：00-22：00是用户访问高峰期，20:00-0:00是用户活跃高峰期，收藏且有购物意愿的用户，超过95%会在3天内购买，加入购物车且有购物意愿的用户，超过92%会在5天内购买。用户在刚收藏商品或加入购物车后会有一波购买高峰，在加入购物车约20小时后会有另外一波购买小高峰。

4）商品大类的关联性强于单个商品之间的关联性，后续可提高商品大类关联性推荐比重，降低单个商品关联性推荐比重。

5.2业务增长建议

5.2.1提升用户粘性

1）营销活动、运营手段等建议在19：00-0：00展开，配合用户访问和活跃高峰期；

2）考虑为A区（购买量大、品牌繁多）、D区（决策过程长）的商品建立专区，并适当增加科普推送，辅助用户决策，提升沉浸度；

3）对于B区（决策过程短）的商品，应着重提升购买效率，如搜索结果有限显示/提示曾经买过的商品品牌或店铺、在购买过的订单中设置和突出搜索功能；

4）高价值用户，建立优质用户社交社区/生态，发放特别福利；重点保持用户，最近没有购买，启动召回机制，发送消息慰问，店铺活动提醒，上新提醒等；重点发展用户，购买频率低，需要挖掘顾客特征，作出应对手段；重点挽留用户，最近一次购买时间较远，购买率低，需制造机会点让用户有更多机会体验/深入使用产品，增强粘性。

5.2.2 提升交易成功率：

1）双12活动带来的用户增长，并没有维持到日常水平的购买转化率，建议AB TEST用户需求/定向模型，提升购买转化率；

2）在用户加购后提示用户将商品收藏，在用户收藏商品后提示用户加购，或针对以上2个时间点加入运营手段激励用户进行操作，增加多条购买路径，提高购买转化率；

3）在用户浏览页面时间超过一定时长后，提醒用户将商品加购；

4）在用户收藏商品3天、加购商品20小时、加购商品5天时提示用户购买或开展相应促销运营手段；

5）对于关联性高的商品，优先向相关用户展示/打包促销。

# -*- coding:utf-8 -*-
import pandas as pd
import numpy as np
import datetime
import matplotlib.pyplot as plt
import seaborn as sns

#解决matplotlib的中文乱码问题
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

#1.1.数据读取，文件大小问题，只读取1000W行
row_data=pd.read_csv(r'D:\UserBehavior.csv',names=['user_id','item_id','category_id','behaviour_type','timestamp'],iterator=True)
data1=row_data.get_chunk(10000000)


#2.数据集清洗
#2.1.查看有无缺失值
a=data1.isnull().sum(1)
if a.sum()==0:
    print('本数据集无缺失')
else:
    print(a[a>0])

#2.2查看有无重复值
b=data1.duplicated()
if b.sum()==0:
    print('本数据集无重复值')
else:
    data1.drop_duplicates(inplace=True)

#2.3将时间戳转化为日期，+8hour转化成北京时间，过滤出11-25到12-3的数据
data1['time']=pd.to_datetime(data1['timestamp'],unit='s')+datetime.timedelta(hours=8)
data1=data1[(data1.time>'2017-11-25')&(data1.time<'2017-12-4')]


#3.数据分析
#3.1.用户侧核心指标
#将date从time里面提取出来
data1=data1.assign(date=data1['time'].map(lambda x:x.strftime('%Y-%m-%d')))

#3.1.1核心指标数量
#日均用户数
df_uvpd=data1[['user_id','date']].groupby('date')['user_id'].nunique()
df_uvpd.name='uv'

#日均活跃用户数
df_aupd=data1[['user_id','date','behaviour_type']].groupby(['date','user_id']).size()
df_aupd=df_aupd[df_aupd>2]
df_aupd=df_aupd.groupby(level=0).size()
df_aupd.name='active_user'

#日均交易用户数
df_bupd=data1[data1['behaviour_type']=='buy']
df_bupd=df_bupd.groupby('date')['user_id'].nunique()
df_bupd.name='buy_user'

#三个指标拼接
df311=pd.concat([df_uvpd,df_aupd,df_bupd],axis=1)

#3.1.2核心指标比例
#日行为数
df_pvpd=data1['user_id'].groupby(data1['date']).size()
df_pvpd.name='pv'

#三个指标计算
df312=df311.assign(pv_per_user=df_pvpd/df311['uv'],active_user_rate=df311['active_user']/df311['uv'],buy_user_rate=df311['buy_user']/df311['uv'])

#3.1.3用户活跃天数
df_user_active_days=data1[['user_id','date','behaviour_type']].groupby(['date','user_id']).size()
df_user_active_days=df_user_active_days[df_user_active_days>2]
df_user_active_days=df_user_active_days.reset_index()
df_user_active_days=df_user_active_days.groupby('user_id')['date'].nunique().value_counts()

#3.2.用户行为路径分析
df32=data1[['user_id','item_id','behaviour_type']].drop_duplicates()
df32=df32.assign(type_num=data1['behaviour_type'].map({'pv':1,'fav':2,'cart':4,'buy':8}))
df32=df32.groupby(['user_id','item_id']).sum()
df32=df32.assign(action=df32['type_num'].map({
                                        1:'pv-unfav-uncart-unbuy',
                                        2:'unpv-fav-uncart-unbuy',
                                        3:'pv-fav-uncart-unbuy',
                                        4:'unpv-unfav-cart-unbuy',
                                        5:'pv-unfav-cart-unbuy',
                                        6:'unpv-fav-cart-unbuy',
                                        7:'pv-fav-cart-unbuy',
                                        8:'unpv-unfav-uncart-buy',
                                        9:'pv-unfav-uncart-buy',
                                        10:'unpv-fav-uncart-buy',
                                        11:'pv-fav-uncart-buy',
                                        12:'unpv-unfav-cart-buy',
                                        13:'pv-unfav-cart-buy',
                                        14:'unpv-fav-cart-buy',
                                        15:'pv-fav-cart-buy'
                                    }),
                isbuy=df32['type_num'].map({1:0,2:0,3:0,4:0,5:0,6:0,7:0,8:1,9:1,10:1,11:1,12:1,13:1,14:1,15:1}),
                action_type=df32['type_num'].map({
                                        1:'YNN',
                                        2:'NYN',
                                        3:'YYN',
                                        4:'NNY',
                                        5:'YNY',
                                        6:'NYY',
                                        7:'YYY',
                                        8:'NNN',
                                        9:'YNN',
                                        10:'NYN',
                                        11:'YYN',
                                        12:'NNY',
                                        13:'YNY',
                                        14:'NYY',
                                        15:'YYY'
                }))

df321=df32.groupby('action').size()

#计算各路径的转化率
#计算每个路径的总人数
user_count=df32.groupby('action_type').size()
user_count.name='user_count'
user_count=user_count.reset_index()
#计算每个路径订购的人数
buyer_count=df32.groupby(['action_type','isbuy']).size()
buyer_count.name='buyer_count'
buyer_count=buyer_count.reset_index()
buyer_count=buyer_count[buyer_count['isbuy']==1]
#连接总人数和已订购的人数，并计算转化率
df322=pd.merge(user_count,buyer_count,on='action_type')
df322['CVR']=df322['buyer_count']/df322['user_count']

#计算各路径占比
#计算已订购路径的总人数
buyer_count_total=df322['buyer_count'].sum(axis=0)
#计算出各路径人数占比
df322['mix']=df322['buyer_count']/buyer_count_total


#3.3用户行为时间分析

#3.3.1.计算每小时pv，uv，购买数
df33=data1.assign(hour=data1['time'].dt.hour)
#计算每小时pv
df33_pv=df33.groupby('hour').size()
df33_pv.name='pv'

#计算每小时uv
df33_uv=df33.groupby('hour')['user_id'].nunique()
df33_uv.name='uv'

#计算每小时交易数
df33_buy=df33[df33['behaviour_type']=='buy']
df33_buy=df33_buy.groupby('hour').size()
df33_buy.name='buy'

#拼接结果
df331=pd.concat([df33_pv,df33_uv,df33_buy],axis=1)

#3.3.2.计算fav-buy和cast-buy
#将3种行为抽取并连接
user_buy=data1[data1['behaviour_type']=='buy']
user_fav=data1[data1['behaviour_type']=='fav']
user_cart=data1[data1['behaviour_type']=='cart']
fav_buy=pd.merge(user_fav,user_buy,on=['user_id','item_id'],how='inner',suffixes=('_fav','_buy'))
cart_buy=pd.merge(user_cart,user_buy,on=['user_id','item_id'],how='inner',suffixes=('_cart','_buy'))

#计算fav_buy时间间隔
df332_fav_buy=(fav_buy['time_buy']-fav_buy['time_fav']).map(lambda x:x.days*24+x.seconds/3600)
df332_fav_buy=df332_fav_buy[df332_fav_buy>0]
df332_fav_buy=pd.DataFrame(df332_fav_buy,columns=['value'])
df332_fav_buy['item']='fav_buy'


#计算cart_buy时间间隔
df332_cart_buy=(cart_buy['time_buy']-cart_buy['time_cart']).map(lambda x:x.days*24+x.seconds/3600)
df332_cart_buy=df332_cart_buy[df332_cart_buy>0]
df332_cart_buy=pd.DataFrame(df332_cart_buy,columns=['value'])
df332_cart_buy['item']='cart_buy'

#拼接并弄成小提琴图
df332=pd.concat([df332_fav_buy,df332_cart_buy],ignore_index=True)

#3.4商品分类分析
df34=data1[data1['behaviour_type']=='buy']

#3.4.1.计算每个商品大类的交易数量并排名
df341=df34.groupby('category_id').size()
df341.name='category_count'
df341=df341.reset_index()
df341.sort_values(by='category_count',inplace=True,ascending=False)

#3.4.2.计算商品大类的购买数和平均行为数的关系
df342=df34[['user_id','category_id']].drop_duplicates()
df342=pd.merge(df342,data1,on=['user_id','category_id'],how='inner')
df342=df342.groupby('category_id').size()
df342.name='behaviour_num'
df342=df342.reset_index()
df342=pd.merge(df342,df341,on='category_id',how='inner')
df342=df342.assign(avg_behaviour=df342['behaviour_num']/df342['category_count'])

#3.4.3.计算商品大类/个体之间的关联

#计算总订单数及每个订购有多少商品
df_order_count=df34.groupby(['user_id','timestamp']).size()

#筛选出商品个数超过1个的订单
df_order_moreone=df_order_count[df_order_count>1]
df_order_moreone=df_order_moreone.reset_index()

#3.4.3.1为每个订购补充商品大类,并自连接,去除重复的行
df3431=pd.merge(df_order_moreone[['user_id','timestamp']],data1[['user_id','timestamp','category_id']],on=['user_id','timestamp'],how='inner')
df3431=pd.merge(df3431,df3431,on=['user_id','timestamp'])
df3431=df3431[df3431['category_id_x']>df3431['category_id_y']]

#以商品大类组合groupby,算出关联性最高的TOP50
df3431=df3431.groupby(['category_id_x','category_id_y']).size()
df3431.name='cc_count'
df3431=df3431.reset_index().sort_values(by='cc_count',ascending=False)[:50]

#3.4.3.2为每个订购补充商品个体,并自连接,去除重复的行
df3432=pd.merge(df_order_moreone[['user_id','timestamp']],data1[['user_id','timestamp','item_id']],on=['user_id','timestamp'],how='inner')
df3432=pd.merge(df3432,df3432,on=['user_id','timestamp'])
df3432=df3432[df3432['item_id_x']>df3432['item_id_y']]

#以商品个体id组合groupby,算出关联性最高的TOP50
df3432=df3432.groupby(['item_id_x','item_id_y']).size()
df3432.name='ii_count'
df3432=df3432.reset_index().sort_values(by='ii_count',ascending=False)[:50]

#3.5 RFM模型用户分层
#过滤出有buy行为的用户
buyer=data1[data1['behaviour_type']=='buy']

#计算每次购买的时间差
buyer_R=buyer.assign(delta=(datetime.datetime(2017,12,4,0,0,0)-buyer['time']).map(lambda x:x.days*24+x.seconds/3600))

#保留每个用户最新的购买时间
buyer_R.sort_values(by=['user_id','delta'],inplace=True)
buyer_R.drop_duplicates('user_id',keep='first',inplace=True)

#为用户进行R评级
def delta_change(x):
    if x>0 and x<=24:
        return 5
    elif x>24 and x<=72:
        return 4
    elif x>72 and x<=120:
        return 3
    elif x>120 and x<=168:
        return 2
    elif x>168 and x<=216:
        return 1
    else:
        print('有异常，异常user_id为:%d'%(buyer_R['user_id']))


buyer_R=buyer_R.assign(R_score=buyer_R['delta'].map(delta_change))

#计算用户购买了多少次东西
buyer_F=buyer.groupby('user_id')[['item_id']].count()
buyer_F=buyer_F.reset_index()

#为用户进行R评级
def freq_change(x):
    if x>=31:
        return 5
    elif x>20 and x<=30:
        return 4
    elif x>10 and x<=20:
        return 3
    elif x>1 and x<=10:
        return 2
    elif x==1:
        return 1
    else:
        print('有异常，异常user_id为:%d'%(buyer_F['user_id']))


buyer_F=buyer_F.assign(F_score=buyer_F['item_id'].map(freq_change))


#计算R和F的平均分
R_avg=buyer_R['R_score'].mean(axis=0)
F_avg=buyer_F['F_score'].mean(axis=0)


#将2个评分联合并为用户评级
def R_level(x,avg=R_avg):
    if x>=avg:
        return '高'
    else:
        return '低'

def F_level(x,avg=F_avg):
    if x>=avg:
        return '高'
    else:
        return '低'

user_level=pd.merge(buyer_F,buyer_R,on='user_id')
user_level['level_R']=user_level['R_score'].map(R_level)
user_level['level_F']=user_level['F_score'].map(F_level)
user_level=user_level.groupby(['level_R','level_F']).size()