image.png

備注：
分析工具：anaconda上寫python，畫圖用到pyecharts，所以后續(xù)的內(nèi)容都是先一塊代碼，再一塊圖或者文字描述。

一、熟悉數(shù)據(jù)

不急著上模型，調(diào)參數(shù)，先熟悉下數(shù)據(jù)。

• 這是一個手機游戲的客戶數(shù)據(jù)，注冊個賬號玩了一下。
• 有什么類型的feature：user_id、注冊時間、游戲資源（木頭、石頭、象牙、肉、魔法等）、兵種（勇士、馴獸師、薩滿）、加速券（通用、建筑、科研、訓練、治療）、建筑、科研、PVP（玩家對戰(zhàn)）、PVE（人機對戰(zhàn)）、在線時長、付費金額、付費次數(shù)。這些都是注冊前7天的信息
• label：前45天的付費金額。

問幾個問題先：

1. user_id在train和test中有沒重復？
2. 數(shù)據(jù)在時間上的分布？
3. 有多少付費玩家，會給多少錢，分布如何？比例隨時間的變化？
4. 在線時長如何？
5. 單次付費有什么額度的？

1、user_id在train和test中有沒重復？

# 讀取數(shù)據(jù)
data = pd.read_csv("tap_fun_train.csv", parse_dates=True)
data_test = pd.read_csv("tap_fun_test.csv", parse_dates=True)

# 提取user_id列，并做合并處理
data_id = pd.DataFrame(data['user_id'],columns=['user_id'])
data_test_id = pd.DataFrame(data_test['user_id'],columns=['user_id'])
pd.merge(data_id, data_test_id, on = 'user_id')

image.png

沒有重復的user_id，就是檢查下，不要多想，哈哈！

2、 玩家注冊時間分布

# 增加兩列
data['register_time_month'] = data.register_time.str[:7]
data['register_time_day'] = data.register_time.str[6:10]

# 統(tǒng)計并保存為dataframe
data_month_df = pd.DataFrame(data['register_time_month'].value_counts()).sort_index()
# print(data_month_df)
data_day_df = pd.DataFrame(data['register_time_day'].value_counts()).sort_index()
# print(data_day_df)

# 畫圖  用了echarts的python版，挺好用的，也美觀
from pyecharts import Line, Grid

line1 = Line("玩家數(shù)量統(tǒng)計-月")
line1.add("玩家數(shù)量", data_month_df.index, data_month_df['register_time_month'], mark_line=["average"], mark_point=["max", "min"])

line2 = Line("玩家數(shù)量統(tǒng)計-日",title_top="50%")
line2.add("玩家數(shù)量", data_day_df.index, data_day_df['register_time_day'], mark_line=["average"], mark_point=["max", "min"])

grid = Grid(width = 1000, height = 1000)
grid.add(line1, grid_bottom="60%")
grid.add(line2, grid_top="60%")
grid.render()

grid

image.png

• 月數(shù)據(jù)：不完整的，1月是從26號開始的數(shù)據(jù)，3月只有到6號的數(shù)據(jù)。
• 日數(shù)據(jù)：平均每天注冊人數(shù)有5.7萬人，挺多的啊。其中2月19號有11.7萬人注冊，是平時的兩倍，20號還有9.3萬人注冊，有推廣活動嗎？但是整體趨勢上，注冊用戶是下降的。

3、 有多少付費玩家，比例隨時間的變化，會給多少錢，分布如何？

1. 有多少付費玩家？

data_pay_7 = copy.copy(data[data['pay_price']>0])
print(data_pay_7.shape)   # (41439, 111)
print(data_pay_7.shape[0]/data.shape[0])  # 0.018111395638212645

七天內(nèi)付費的玩家有41439個，占比大概是1.811%。

2. 付費玩家比例隨時間的變化

# ----------------------------- 統(tǒng)計，改列明（避免沖突），合并，計算比例
data_pay_7_day_df = pd.DataFrame(data_pay_7['register_time_day'].value_counts()).sort_index()
# print(data_pay_7_day_df)
data_pay_7_day_df.rename(columns={'register_time_day':'pay_register_time_day'}, inplace = True)
data_day_count = pd.concat([data_pay_7_day_df, data_day_df], axis=1)
# print(data_day_count)
data_day_count['pay_percent'] = data_day_count['pay_register_time_day']/data_day_count['register_time_day']
# print(data_day_count)

# ----------------------------- 畫圖
from pyecharts import Overlap

line3 = Line()
line3.add("注冊玩家數(shù)量", data_day_count.index, data_day_count['register_time_day'], mark_line=["average"], mark_point=["max", "min"])

line4 = Line()
line4.add("7天內(nèi)付費玩家數(shù)量", data_day_count.index, data_day_count['pay_register_time_day'], mark_line=["average"], 
          mark_point=["max", "min"], yaxis_max=3000)

overlap = Overlap()
# 默認不新增 x y 軸，并且 x y 軸的索引都為 0
overlap.add(line3)
# 新增一個 y 軸，此時 y 軸的數(shù)量為 2，第二個 y 軸的索引為 1（索引從 0 開始），所以設(shè)置 yaxis_index = 1
# 由于使用的是同一個 x 軸，所以 x 軸部分不用做出改變
overlap.add(line4, yaxis_index=1, is_add_yaxis=True)
overlap.render()

overlap

image.png

from pyecharts import Bar, Overlap

line3 = Line()
line3.add("注冊玩家數(shù)量", data_day_count.index, data_day_count['register_time_day'], mark_line=["average"], mark_point=["max", "min"])

bar = Bar()
bar.add("7天內(nèi)付費玩家比例", data_day_count.index, data_day_count['pay_percent'], yaxis_max=0.1)


overlap = Overlap()
# 默認不新增 x y 軸，并且 x y 軸的索引都為 0
overlap.add(line3)
# 新增一個 y 軸，此時 y 軸的數(shù)量為 2，第二個 y 軸的索引為 1（索引從 0 開始），所以設(shè)置 yaxis_index = 1
# 由于使用的是同一個 x 軸，所以 x 軸部分不用做出改變
overlap.add(bar, yaxis_index=1, is_add_yaxis=True)
overlap.render()

overlap

image.png

• 注冊用戶的7天付費占比平均值是1.811%，分拆到每天的注冊用戶中，有起伏，但是波動不算大。
• 反而是某天（2月1、7、8、15、19、20號等）的注冊用戶越多，成功轉(zhuǎn)化付費的好像不會“水漲船高”，也就是付費的還是那么多，促銷回來的客戶還是不付費？

3. 會給多少錢

data_pay_45 = copy.copy(data[data['prediction_pay_price']!=0])
print(data_pay_45['prediction_pay_price'].describe())
print('前45天合共付費：',data_pay_45['prediction_pay_price'].sum())  

image.png

• (上圖)有4.6萬客戶前45天付款了，合計給了410萬，最土豪的花了3.3萬，土豪你不懂。

data_pay_7 = copy.copy(data[data['pay_price']!=0])
print(data_pay_7['pay_price'].describe())
print('前7天合共付費：',data_pay_7['pay_price'].sum())  
print('前45天合共付費：',data_pay_7['prediction_pay_price'].sum())  

image.png

• (上圖)有4.14萬客戶前7天就有付款行為了，占了4.6萬的90.1%（有9.9%前七天沒給錢，后來給了）；
• 前七天合計花了122萬，前45天花了391.7萬，占4.6萬客戶前45天總付款410萬的95.5%。

data_nopay_7_pay_45 = copy.copy(data_pay_45[data_pay_45['pay_price']==0])
print(data_nopay_7_pay_45['prediction_pay_price'].describe())
print('前七天沒有，后45天有付款的合共付費：',data_nopay_7_pay_45['prediction_pay_price'].sum()) 

image.png

• (上圖)有4549個客戶前7天沒付款，但是前45天付款的，占了9.9%，金額18.6萬，占比4.53%。

data_pay_7_nopay_45 = copy.copy(data_pay_7[data_pay_7['pay_price']==data_pay_7['prediction_pay_price']])
print(data_pay_7_nopay_45['pay_price'].describe())
print(data_pay_7_nopay_45['pay_count'].describe())
print('前7天合共付費：',data_pay_7_nopay_45['pay_price'].sum())  
print('前7天給錢了，但是后面45天不再給錢的：',data_pay_7_nopay_45.shape[0])

image.png

• (上圖)前7天付款后，45天內(nèi)不再付款的有3萬，占4.6萬的65.5%。前7天付費34.4萬，占前七天的28.1%，占前45天410萬的8.4%。---（放棄不玩了？）

data_pay_7_pay_45 = copy.copy(data_pay_7[data_pay_7['pay_price']<data_pay_7['prediction_pay_price']])
print(data_pay_7_pay_45['pay_price'].describe())
print(data_pay_7_pay_45['pay_count'].describe())
print('前7天合共付費：',data_pay_7_pay_45['pay_price'].sum())  
print('前45天合共付費：',data_pay_7_pay_45['prediction_pay_price'].sum())  
print('前7天給錢了，后面45天繼續(xù)給錢的：',data_pay_7_pay_45.shape[0])

image.png

• (上圖)前7天付款，后面繼續(xù)付款的，有1.13萬，占4.6萬的25%，付款占410萬的87.1%，而且在7天內(nèi)比較快的付款第二次了。

還是來個總結(jié)性的圖吧。
小結(jié)：紅色字體才是核心人群啊。

image.png

4、 在線時長如何？

data['avg_online_minutes'].describe()

image.png

• (上圖)整體來說，在線時長75%在5分鐘內(nèi)，看來都是下載看一下就不玩了。

data_pay = copy.copy(data[data['pay_price']!=0])
# data_pay.shape
data_pay['avg_online_minutes'].describe()

image.png

• (上圖)付費用戶平均在線140分鐘，除以7天，每天在線20分鐘。

5、 單次付費有什么額度的？

data_once = copy.copy(data[data['pay_count']==1])
# data_once.shape  
data_once.groupby("pay_price")["pay_count"].sum()

image.png

• 付費次數(shù)只有一次的客戶，可以看出有幾種單詞付費的額度，都是0.99結(jié)尾。

6、 研究評估標準。

評分標準是RMSE，均方根誤差

• 如果有一個土豪客戶是付費15000，但是模型只猜測是付費1000，那么(15000-1000)^2/828934=236，開根號得到15.38，一個土豪客戶的誤判，就可以令評分標準飆升。
• 如果客戶是給0.99的，但是預判了1.99，那么(1.99-0.99)^2=1，開根號也是1，如果每個客戶都誤判1元，RMSE也就+1。

成敗看土豪？？？

image.png

7、 test數(shù)據(jù)集

3月10號有類似2月19號的推廣活動？

image.png

消費分布跟train值非常類似。

image.png

20180806更新...