英国Argos电商数据分析—用户价值分析

1 相关背景

数据来源：该数据集来自The UCI Machine Learning Repository

数据背景：该数据集是英国Argos 电商在2009-2011年内的全部在线销售数据，该电商主要销售独特的全时礼品，多数客户是批发零售商。该类产品的销售不需要太多的售前服务，消费也具有一定的频次。

分析目的：从海量购买数据中，挑选出优质客户，对客户进行细分并提出具有针对性的业务策略。

2 理解数据

1） 数据大小：1067371行数据，8个字段

2） 时间节点：2009年12月1日~2011年12月9日

3） 字段说明：

CustomerID：客户编号，每个客户分配唯一的5位整数

Quantity：每笔交易中每个产品（项目）的数量。

InvoiceDate：生成交易的日期和时间。

UnitPrice：单价，货币单位为英镑。

InvoiceNo：发票编号，每个交易分配唯一的6位整数。

StockCode：产品编号，每个不同产品分配唯一的5位整数。

Description：产品名称、描述。

Country：国家名称，客户居住国家或地区的名称。

3 数据处理

3.1导入数据

原数据集是以Excel表格的形式保存的，需要先另存为csv格式，再使用Navicat软件连接MySQL，将数据导入没有MySQL数据库中，并选筛选出进行用户价值分析所需字段：CustomerID、Quantity、InvoiceDate、UnitPrice。

##对应python代码

># 1. 创建一个数据库连接

conn=pymysql.connect(host='localhost',user='root',passwd='xxxx',db='school',port=3306,charset='utf8')

# 2. SQL语句

query1 = "(select CustomerID,Quantity,Price,InvoiceDate from year2010) union all (select CustomerID,Quantity,Price,InvoiceDate from year2011);"

# 3. 读

data = pd.read_sql_query(query1,conn)

3.2 数据清洗

3.2.1 查看数据质量

查看数据行列数、前五行数据、字段、数据类型、计算非空值个数及缺失率。

data.shape  #查看数据行列数

data.head()  #查看前五行数据

data.info()  #查看字段、字段数据类型及数据个数

data.count()  #计算非空值个数

data.apply(lambda x:sum(x.isnull())/len(x))  #计算缺失率

3.2.2 数据预处理

空值处理

四个字段对应的数据，只有CustomerID字段对应的数据存在22.7%的数据缺失，因为是做用户价值分析，分析CustomerID缺失的数据无意义，无法找到对应的客户，因此删除CustomerID为空值的数据。

datac = data.copy()   #对原数据进行copy，防止破坏原数据

datac.dropna(axis=0,subset=['CustomerID'],how='any',inplace=True)  #删除CustomerID为空值的数据。

datac.apply(lambda x:sum(x.isnull())/len(x))  #计算缺失率  ，检查数据是否还有空值

重复值处理

由于2009-2011年的数据是由2009-2010.csv和2010-2011.csv文件合并而成，因此存在大量的重复值，重复值对分析结果无益，而且会增大计算量，拖慢计算的速度，因此必须删除重复值。

any(datac.duplicated())  #检查数据中的重复值，结果返回True，存在重复值

datac.drop_duplicates(inplace=True)  #存在重复值，删除重复值

any(datac.duplicated())  #检验是否还存在重复值，返回False，不存在重复值

异常值处理

异常值包括单价为小于等于零、产品数量小于等于零的数据，如果不删除这样的数据，直接进行运算，会造成计算结果出现错误，因此必须删除。

sum(datac['Price']<=0)  #单价小于等于零的个数，返回结果为0，不存在单价小于等于零的数据

sum(datac['Quantity']<=0)  #产品数量小于等于零的个数，返回结果16518，存在异常值

datac.drop(index=datac[datac['Quantity']<=0].index,inplace=True)  #获取产品数量小于等于零的产品数量数据的index，并删除

datac[datac['Quantity']<=0]  #再次检验是否产品数量小于等于零的数据，返回为null

3.2.3 数据转换

数据变换是在数据清洗完毕，为了分析方便，把数据进行计算，增加字段；转换数据的数据类型，方便计算

datac.info()  #查看数据类型及数据个数

datac['Sales'] = datac['Quantity']*datac['Price']   #计算销售额

把CustomerID数据类型转成int类型

list1 = []  #创建空列表，存储数据

for i in datac['CustomerID'].values:

    list1.append(int(i))

datac['CustomerID'] = list1

datac.info()  #查看数据类型，看是否有新加字段及数据类型

到此数据清洗阶段完成，开始进行数据进一步打标签处理。因为数据是2009-2011，距现在比较远，所以设分析时间为2011-12-31 23：59：59 。

RFM模型

根据RFM模型，结合数据进行用户价值分析。R表示近度（Recency），也就是客户最近一次交易时间到现在的间隔，要注意，R是最近一次交易时间到现在的间隔，而不是最近一次的交易时间，R越大，表示客户未发生交易的时间越长；R越小，表示客户未发生交易时间越短。 F表示频度（Frequency），也就是客户在最近一段时间内的交易次数，F越大，表示客户交易越频繁，F越小，表示客户越不活跃。 M表示额度（Monetary），也就是客户在最近一段时间内的交易金额，M越大，表示客户价值越高；M越小，表示客户价值越低。R、F、M三个维度，根据分值分为高低两类。高，表示该指标高于平均值；低，表示该指标低于平均值。最终三个指标，每个指标分为高低两类，两两组合，就细分为八大客户群体。

R：用户最近一次购物，距2011-12-31 23：59：59的天数，R值越小越好

F：用户在2009-2011年的购物次数，F值越大越好

M：用户在2009-2011年的购物花费的总金额,M值越大越好

stat_time = pd.to_datetime('2011-12-31 23:59:59')  #创建统计日期

result_data = pd.DataFrame()   #创建一个新的数据框，存储计算数据

#计算R值

r_time = datac.groupby('CustomerID')['InvoiceDate'].max()

list2 = []

for i in stat_time - r_time:

    list2.append(int(str(i).split(' ',1)[0]))

result_data['R'] = list2

#计算F值

list5 = []

for i in datac.groupby('CustomerID')['Sales'].count().tolist():

    list5.append(i)

result_data['F'] = list5

#计算M值

list4 = []

for i in datac.groupby('CustomerID')['Sales'].sum().tolist():

    list4.append(i)

result_data['M'] = list4

#添加CustomerID列

list6 = []

for i in datac.groupby('CustomerID')['CustomerID'].size().index:

    list6.append(i)

result_data['CustomerID'] = list6

RFM计算值及对应CustomerID都添加到了新的数据框result_data中，一共5881行数据，下面对RFM值进行打分，首先查看数据的均值、最大小值、方差、25%、50%、75%分位数，确定打分区间，发现数据的极差大，方差也大，数据分散，难以等分成8份，结合分位数进行打分区间的确定。

result_data.describe()  #查看数据均值、最大小值、方差、分位数

#设置R列评分区间，并评分

r_range = [0,100,200,300,400,500,600,700,800]

result_data['R_score'] = pd.cut(result_data['R'],bins=r_range,labels=[8,7,6,5,4,3,2,1])

result_data['R_score'] = result_data['R_score'].astype('int64')

#设置F列评分区间，并评分

f_range = [0,30,40,50,60,70,80,90,7000]

result_data['F_score'] = pd.cut(result_data['F'],bins=f_range,labels=[1,2,3,4,5,6,7,8])

result_data['F_score'] = result_data['F_score'].astype('int64')

#设置M列评分区间，并评分

m_range = [-1,20,50,100,500,1000,1500,2000,397200]

result_data['M_score'] = pd.cut(result_data['M'],bins=m_range,labels=[1,2,3,4,5,6,7,8])

result_data['M_score'] = result_data['M_score'].astype('int64')

计算评分的平均值，并与每个CustomerID对应RFM评分值与平均值比较，高于平均值的记为1，低于平均值的记为0。

result_data['R_score_label']=np.where(sum(result_data['R_score'])/len(result_data['R_score'])

result_data['F_score_label']=np.where(sum(result_data['F_score'])/len(result_data['F_score'])

result_data['M_score_label']=np.where(sum(result_data['M_score'])/len(result_data['M_score'])

将每个CustomerID对应RFM评分值打上1、0标签后，新建一个字典，将客户分为八组，打上标签。

d = {  '011':'重要换回客户','111':'重要价值客户','001':'重要深耕客户','101':'重要挽留客户',

        '010':'一般保持客户','110':'一般价值客户','100':'新客户','000':'流失客户'  }

result_data['RFM_score_label']=result_data['R_score_label'].astype('str')+result_data['F_score_label'].astype('str')+result_data['M_score_label'].astype('str')

list3 = []  #建立新列表，存储每个CustomerID对应分组标签

for i in result_data['RFM_score_label'].tolist(): 

       list3.append(d[i]) 

result_data['RFM_label'] = list3

至此数据处理部分完成，选出需要的字段每个CustomerID、R、F、M、RFM_label，并存成result_data.csv文件，方便下一步使用tableau进行数据分析。

datar = result_data[['CustomerID','R','F','M','RFM_label']]

datar.to_csv(r'C:\Users\Administrator\Desktop\result_data.csv')

4  数据分析

使用tableau读取使用python处理完毕的result_data数据源，进行分析

用户类型分布分析

从图上可看出，前三是流失客户、重要价值客户、新客户，其他类型客户占比小，需要进一步分析各分组客户销售额。

各分组客户分组人均消费分析

从图上可看出，前三是重要价值客户、重要挽留客户、重要唤回客户，其中重要价值客户人均消费远远高于其他分组客户。流失用户的人均消费为579.56K，排在第四，以促销折扣等方式回复客户兴趣，否则暂时放弃无价值的客户。

客户忠诚度分析

从图上可以看出，前三是重要价值客户、流失客户、一般价值客户，且重要价值客户忠诚度远远高于其他分组客户。

各类型客户交易额占比分析

从图上可以看出，前三是重要价值客户、重要挽留客户、重要唤回客户，且重要价值客户交易额远远高于其他分组客户。

RF—M流失分析

从图上可以看出，大部分客户的购物频次集中在0~1000，购物时间间隔在0~800分布较均匀，圆圈的大小和颜色表示客户购物花费的多少，颜色越红和圈越大，客户交易额越大。但是R值小、F值大的客户较少。

各类型客户消费汇总

从图上可以直观看出重要价值客户占比最大，且远远大于其他分组客户，点击每一个方块可以出现每个客户的编号、分组名、消费频次、交易额。

最后做一个可视化大屏，将上面的图表汇总。

5  结论与建议

本次分析涉及到5881位客户，他们的总交易金额12896888.42英镑。

高价值客户只占总人数的26.54%，却贡献了74.29%的交易额。虽然并不恰好是20%和80%，但情况基本符合帕累托法则。少数高价值客户支撑了大多数销售额，通过本次分析，就是要将这少数关键客户找出来，倾斜更多资源，VIP服务，个性化服务及附加销售等，对于公司的发展和业绩的增长起到帮助。

流失客户占总人数的32.65%，贡献了4.49%的交易额，但它的用户忠诚度排第二位，可以通过促销折扣等方式回复客户兴趣，否则暂时放弃无价值的客户。

新客户占总人数的22.12%，贡献了4.16%的交易额，用户忠诚度排第三位，可以通过促销折扣等方式回复客户兴趣，并进行用户留存运营，刺激客户消费，提高复购率。