单车案例分析

目录

• 分析目标
• 分析过程
• 总结建议

一、分析目标

本次分析报告的数据来源与这家单车网站上的用户消费记录，通过分析用户消费行为，建立RFM模型，分析复购率、回购率等关键指标，对该产品的线上消费数据进行分析并提出有价值的建议。

二、分析思路与过程

分析思路

分析过程

0、数据集的观察与清洗

（1）导入数据包

import pandas as pd  
import numpy as np

（2）导入数据集

columns=['user_id','order_dt','order_products','order_amount']
df=pd.read_table('D:\\Users\\yuan\\Desktop\\bicycle_master.txt',names=columns, sep='\s+')

（3）数据集清洗

查看数据是否有缺失

df.info()

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

df['order_dt']=pd.to_datetime(df.order_dt,format="%Y%m%d")
df['month']=df.order_dt.values.astype('datetime64[M]')

对时间进行解析，一开始默认的格式是 int64的，可以用 df.info() 来查看,默认会是 datetime64[ns] 类型，后面中括号表示 时间间隔是 ns
下面是对 order_dt 列（取values），转换类型为datetime64[M]，默认就会是每月的第一天了，同理设置为[Y]就是每年的1月1日，然后生成新的一列 month

1、进行用户消费趋势的分析（按月）

（1）每月的消费总金额

grouped_month=df.groupby('month')
order_month_amount=grouped_month.order_amount.sum()
order_month_amount.head()

（2）每月的消费次数

（3）每月的产品购买量

grouped_month_info = grouped_month[['order_amount','user_id','order_products']].agg({'order_amount':sum, 'user_id': 'count', 'order_products':sum})
grouped_month_info.rename(columns = {'order_amount':'消费金额', 'user_id': '消费次数', 'order_products': '产品购买量'}, inplace=True)
grouped_month_info

（4）每月的消费人数

grouped_month_info['消费人次'] = grouped_month['user_id'].unique().map(len)

grouped_month_info = grouped_month_info.reset_index()
grouped_month_info['month'] = grouped_month_info['month'].astype(str)

grouped_month_info['month'] = grouped_month_info['month'].astype(str)

grouped_month_info.to_excel('D:\\Users\\yuan\\Desktop\\临时表\月销售额、销售次数、产品购买量、消费人数.xlsx')

由上图可知，消费金额在前三个月达到最高峰，后续消费较为稳定，有轻微下降趋势

由上图可知，产品购买量在前三个月达到最高峰，后续消费较为稳定，有轻微下降趋势

前三个月消费订单人数在10000笔左右，后续月份的平均消费人数则在2500人
去重的方法有多种，这里也可以使用数据库思想，df.groupby(['month','user_id']).count().reset_index()
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不到

# 上面进行的汇总分析，其实可以用数据透视的方法更快实现，一次性求出结果
df.pivot_table(index='month',
              values=['order_products','order_amount','user_id'],
              aggfunc={'order_products':'sum',
                      'order_amount':'sum',
                      'user_id':'count'}).head()

• 每月用户平均消费金额的趋势

amount=grouped_month.order_amount.sum()
num=df.groupby('month').user_id.apply(lambda x:len(x.drop_duplicates()))
avg_amount=amount/num

• 每月用户平均消费次数的趋势

times=grouped_month.user_id.count()
num=df.groupby('month').user_id.apply(lambda x:len(x.drop_duplicates()))
avg_times=times/num

2.用户个体消费分析

• 用户消费金额和消费次数的散点图
• 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）

（1）用户消费金额，消费次数的描述统计

grouped_user=df.groupby('user_id')

grouped_user.sum().describe()

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

grouped_user_info = grouped_user.sum()

grouped_user_info.to_excel('D:\\Users\\yuan\\Desktop\\临时表\用户个体消费行为分析.xlsx')
grouped_user_info

grouped_user_sum_order_amount = grouped_user.sum().order_amount
grouped_user_sum_order_amount_lst = [i for i in range(0,int(grouped_user_sum_order_amount.max())+1,50)]

grouped_user_sum_order_amount = pd.cut(grouped_user_sum_order_amount, bins=grouped_user_sum_order_amount_lst,labels = grouped_user_sum_order_amount_lst[1:])
pd.cut(grouped_user_sum_order_amount,bins=100)
grouped_user_sum_order_amount.to_excel('D:\\Users\\yuan\\Desktop\\临时表\消费金额分布直方图.xlsx')

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

使用切比雪夫定理过滤掉异常值，因为切比雪夫定理说明，95%的数据都分布在5个标准差之内，剩下5%的极值就不要了

order_amount (mean = 106 ,std = 241) mean+5std = 1311

grouped_user.sum().sort_values('order_amount').sum()

grouped_user.sum().sort_values('order_amount').cumsum()/grouped_user.sum().sort_values('order_amount').sum()

# cumsum 是求累加值
user_cumsum=grouped_user.sum().sort_values('order_amount').apply(lambda x:x.cumsum()/x.sum())
# 这里 reset_index() 是为了得到一个自然数的行标签，表示的就是人数，下面的图就可以看出来多少个少占多少百分比
user_cumsum

user_cumsum.reset_index().order_amount.to_excel('D:\\Users\\yuan\\Desktop\\临时表\累积销售.xlsx')

按照用户消费金额进行升序排序，由图可以知道50%的用户仅贡献了11%的消费额度，而排名前5000的用户就贡献了60%的消费额度

3.用户消费行为

（1）用户第一次消费（首购）

grouped_user_min = grouped_user.min().order_dt.value_counts().reset_index().rename(columns={'index':'first_date'})
grouped_user_min['first_date'] =grouped_user_min['first_date'].astype(str)
grouped_user_min.to_excel('D:\\Users\\yuan\\Desktop\\临时表\用户首购.xlsx')

grouped_user_max = grouped_user.max().order_dt.value_counts().reset_index().rename(columns={'index':'last_date'})

grouped_user_max['last_date'] =grouped_user_max['last_date'].astype(str)

grouped_user_max.to_excel(r'.\临时表\用户最后一次购买.xlsx')

断崖式下跌很正常：可以理解用户流失比例基本一致，一开始用户迅猛增长数量比较多流失的也比较多，后面没有用户
用户最后一次购买的分布比第一次分布广
大部分最后一次购买，集中在前三个月，说明很多用户购买了一次后就不再进行购买
随着时间的递增，最后一次购买数量也在递增，消费呈现流失上升的状况（这也是正常，随着时间的增长，可能运营每跟上，或者用户忠诚度下降了）

（3）新老客户消费比

# 得到第一次和最后yc次消费情况，如果 min、max 日期相同，说明只消费了一次
user_life=grouped_user.order_dt.agg(['min','max'])
(user_life['min']==user_life['max'])
# 统计只消费了一次的用户
(user_life['min']==user_life['max']).value_counts()

有一半的用户，只消费了一次

（4） 每月新客占比

  #按月分组下的userid分组，求每月的最早购买日期和最晚消费日期
grouped_um = df.groupby(['month','user_id']).order_dt.agg(["min","max"])  
  # 新增列 True 为 新用户
grouped_um["new"] = (grouped_um["min"] == grouped_um["max"] )           
# 再次按month分组，计算新用户占比
user_life_month_pct=user_life_month.groupby('month').is_new.apply(lambda x:x.value_counts()/x.count()).reset_index()

（5）用户分层

# 画 RFM，先对原始数据进行透视
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.order_dt - rfm.order_dt.max()) / np.timedelta64(1,'D')

# 得到最近一次消费，一般是计算 today 距离最近一次消费，这里因为时间太久远，就随便用的max值
# 数值越大就越久远，分子得到的是一些天数类似 545 days（因为是时间格式相减），处以一个单位，就不会有单位了只留下数值
rfm['R']= (rfm.order_dt - rfm.order_dt.max())/np.timedelta64(1,'D')
# 重命名，也就是 R：最后一次消费距今天数，F：消费总金额 ，M：消费总产品数
# R ：消费时间  F：消费金额  M：消费频次
rfm.rename(columns={'order_products':"F",'order_amount':'M'},inplace=True)
rfm[['R','F','M']].apply(lambda x:x-x.mean())

def rfm_func(x):
    level=x.apply(lambda x:'1' if x>=0 else '0')
    # level 的类型是 series，index 是 R、F、M
#     print(type(level))
#     print(level.index)
    label=level.R + level.F + level.M
    d={
        # R 为1 表示离均值较远即时间很久，F为1 表示 消费金额比较多，M 为1 表示消费频次比较多，所以是重要价值客户
        '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
# 注意这里是要一行行的传递进来，所以 axis=1，传递一行得到一个 111，然后匹配返回一个值
rfm['label']=rfm[['R','F','M']].apply(lambda x:x-x.mean()).apply(rfm_func,axis=1)

rfm.loc[rfm.label=='重要价值客户','color']='重要价值客户'
rfm.loc[~(rfm.label=='重要价值客户'),'color']='非重要价值客户'
rfm

rfm.to_excel('D:\\Users\\yuan\\Desktop\\临时表\RFM模型.xlsx')

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

从RFM 分层可知，大部分用户是重要保持客户，但是这是由于极值的影响，所以 RFM 的划分标准应该以业务为准，也可以通过切比雪夫去除极值后求均值，并且 RFM 的各个划分标准可以都不一样
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

（6）用户生命周期

新客，活跃，回流，流失（一段时间不消费，或者不活跃）

# 数据透视， userid为索引，月为列，求每月的消费次数，这里填充了
pivoted_counts=df.pivot_table(index='user_id',
                             columns='month',
                             values='order_dt',
                             aggfunc='count').fillna(0)
pivoted_counts.head()

# 转变一下消费，有消费为1，没有消费为0
df_purchase=pivoted_counts.applymap(lambda x:1 if x>0 else 0)
df_purchase.tail()

# 这里由于进行数据透视，填充了一些 null 值为0，而实际可能用户在当月根本就没有注册，
#这样会误导第一次消费数据的统计，所以写一个函数来处理
def active_status(data):
    status=[]
    # 数据一共有18个月份，每次输入一行数据，这样进行逐月判断
    for i in range(18):
        # 若本月没有消费，上面处理过的结果
        if data[i]==0:
            if len(status)>0:
                if status[i-1]=='unreg':
                    status.append('unreg')
                else:
                    status.append('unactive')
            else:
                # 之前一个数据都没有，就认为是未注册
                status.append('unreg')
                
        # 若本月消费
        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 status

若本月没有消费，这里只是和上个月判断是否注册，有缺陷，可以判断是否存在就可以了

• 若之前是未注册，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
• 如果之前有过消费，则上个月为不活跃，则为回流
• 如果上个月为未注册，则为新用户
• 初次之外，为活跃

return:回流

new:新客

unreg:未注册

active:活跃

purchase_stats=df_purchase.apply(lambda x: pd.Series(active_status(x),index=df_purchase.columns),axis=1)
purchase_stats.head()

# 这里把未注册的替换为空值，这样 count 计算时不会计算到
# 得到每个月的用户分布
purchase_stats_ct=purchase_stats.replace('unreg',np.NaN).apply(lambda x:pd.value_counts(x))
purchase_stats_ct

returnratee=purchase_stats_ct.apply(lambda x:x/x.sum(),axis=0)
returnratee

purchase_stats_ct_info = purchase_stats_ct.fillna(0).T
purchase_stats_ct_info
purchase_stats_ct_info.index = purchase_stats_ct_info.index.astype(str)

purchase_stats_ct_info.to_excel('D:\Users\yuan\Desktop\临时表\用户分层-新、活跃、流失、回流.xlsx')

# 求出所有用户的占比
purchase_stats_ct_T = purchase_stats_ct.fillna(0).T.apply(lambda x:x/x.sum(),axis=1)
purchase_stats_ct_T

purchase_stats_ct_T / purchase_stats_ct_T.shift()
purchase_stats_ct_T.shift()

前三个月有大量新用户涌入，新用户占比很高，而后面几个月不活跃用户占比非常高，普遍在90%以上。
活跃用户，持续消费的用户，对应的是消费运营的质量。
回流用户，之前不消费，本月才消费，对应的是唤回运营。
不活跃用户，对应的是流失。

（6） 用户购买周期（按订单）

# 计算相邻两个订单的时间间隔，shift 函数是对数据进行错位，所有数据会往下平移一下，所以可以
order_diff=grouped_user.apply(lambda x:x.order_dt-x.order_dt.shift())
order_diff.head(10)

#描述性统计
order_diff.describe()

order_diff_info = (order_diff/np.timedelta64(1,'D'))
order_diff_cut_lst = [i for i in range(0,int(order_diff_info.max())+1,10)]
order_diff_info_hist = pd.cut(order_diff_info,bins=order_diff_cut_lst,labels=order_diff_cut_lst[1:])
order_diff_info_hist = order_diff_info_hist.fillna(10)

order_diff_info_hist.to_excel('D:\Users\yuan\Desktop\临时表\用户购买周期时间差频率直方图.xlsx')

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

（7）用户生命周期（按第一次和最后一次消费）

#描述性统计
(user_life['max']-user_life['min']).describe()

user_life_info = ((user_life['max']-user_life['min'])/np.timedelta64(1,"D"))
user_life_lst = [i for i in range(0,int(user_life_info.max())+1,10)]
user_life_info_hist = pd.cut(user_life_info,bins=user_life_lst,labels=user_life_lst[1:])
user_life_info_hist
user_life_info_hist_2 = user_life_info_hist.fillna(10)

user_life_info_hist_2.to_excel('D:\\Users\\yuan\\Desktop\\临时表\用户生命周期频率直方图.xlsx')

用户的生命周期受只购买一次的用户影响比较厉害（可以排除）
用户均消费134天，中位数仅0天

user_life["差值"]=(user_life["max"] - user_life["min"])/np.timedelta64(1,"D")
user_life.head(5)

user_life_info_hist.to_excel('D:\\Users\\yuan\\Desktop\\临时表\用户生命周期频率直方图(忽略一次购买).xlsx')

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(即，购买了两次以上)
回购率
曾经购买过的用户在某一时期的再次购买的占比（可能是在三个月内）

（1） 复购率

#消费次数
pivoted_counts.head(10)

# 区分一个，和一个以上的情况，以便于计算复购率，大于1为1，等于0 为0，等于1为0 
purchase_r=pivoted_counts.applymap(lambda x: 1 if x>1 else np.NaN if x==0 else 0)
purchase_r.head()

purchase_r_reshop = (purchase_r.sum()/purchase_r.count()).reset_index(name = 'reshop')
purchase_r_reshop
purchase_r_reshop['month'] = purchase_r_reshop['month'].astype(str)

purchase_r_reshop.to_excel('D:\\Users\\yuan\\Desktop\\临时表\复购人数与总消费人数比例.xlsx')

复购率稳定在20%所有，前一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

回购率

# 需要使用函数来判断是否回购：当月消费过的用户下个月也消费了叫做回购，这个定义可以改变
def purchase_back(data):
    '''判断每一个月是否是回购，根据上个月是否购买来判断，上个月消费下个月没有购买就不是回购'''
    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)
    # 第18个月补充NaN
    status.append(np.NaN)
    return status

indexs=df['month'].sort_values().astype('str').unique()
purchase_b = df_purchase.apply(lambda x :pd.Series(purchase_back(x),index = indexs),axis =1)
purchase_b.head()

purchase_b_backshop = purchase_b.sum()/purchase_b.count()
purchase_b_backshop.index
purchase_b_backshop.index = purchase_b_backshop.index.astype(str)

purchase_b_backshop.to_excel('D:\\Users\\yuan\\Desktop\\临时表\回购率.xlsx')

三、总结建议

1、用户消费趋势（每月）方面，前3个月有大量新用户涌入，消费金额、消费订单数、产品购买量均达到高峰，后续每月较为稳定。前3个月消费次数都在10000笔左右，后续月份的平均2500；前3个月产品购买量达到20000甚至以上，后续月份平均7000；前3个月消费人数在8000-10000之间，后续月份平均2000不到。
2、用户个体消费方面，小部分用户购买了大量的CD，拉高了平均消费金额。用户消费金额集中在0_{100元，有大约17000名用户。用户购买量集中在0}5，有大约16000名用户。50%的用户仅贡献了15%的消费额度，15%的用户贡献了60%的消费额度。大致符合二八法则。
3、用户消费行为方面，首购和最后一次购买的时间，集中在前三个月，说明很多用户购买了一次后就不再进行购买。而且最后一次购买的用户数量也在随时间递增，消费呈现流失上升的状况。
4、从整体消费记录来看，有一半的用户，只消费了一次。从每月新用户占比来看，1997年1月新用户占比高达90%以上，后续有所下降，1997年4月到1998年6月维持在81%左右，1998年6月以后无新用户。
5、从RFM模型来看，在8种客户中，重要保持客户的消费频次和消费金额最高，人数排在第二位；而一般发展客户消费频次和消费金额排第二位，人数却是最多。
6、从用户分层情况来看，新用户从第4月份以后没有新增；活跃用户有所下降；回流用户数量趋于稳定，每月1000多。流失/不活跃用户，数量非常多，基本上每月都在20000以上。
7、用户购买周期方面，平均购买周期是68天，最小值0天，最大值533天。绝大部分用户的购买周期都低于100天。
8、用户生命周期方面，由于只购买一次的用户（生命周期为0天）占了接近一半，排除这部分用户的影响之后，用户平均生命周期276天，中位数302天。
9、复购率和回购率方面，复购率稳定在20%左右，回购率稳定在30%左右，前3个月因为有大量新用户涌入，而这批用户只购买了一次，所以导致复购率和回购率都比较低。