目錄

• 分析目標
• 分析過程
• 總結建議

一、分析目標

本次分析報告的數(shù)據(jù)來源與這家單車網站上的用戶消費記錄，通過分析用戶消費行為，建立RFM模型，分析復購率、回購率等關鍵指標，對該產品的線上消費數(shù)據(jù)進行分析并提出有價值的建議。

二、分析思路與過程

分析思路

分析過程

0、數(shù)據(jù)集的觀察與清洗

（1）導入數(shù)據(jù)包

import pandas as pd  
import numpy as np

（2）導入數(shù)據(jù)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）數(shù)據(jù)集清洗

查看數(shù)據(jù)是否有缺失

df.info()

大部分訂單只消費了少量商品（平均2.4），有一定值干擾
用戶的消費金額比較穩(wěn)定，平均消費35元，中位數(shù)在35元，有一定極值的干擾

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

對時間進行解析，一開始默認的格式是 int64的，可以用 df.info() 來查看,默認會是 datetime64[ns] 類型，后面中括號表示 時間間隔是 ns
下面是對 order_dt 列（取values），轉換類型為datetime64[M]，默認就會是每月的第一天了，同理設置為[Y]就是每年的1月1日，然后生成新的一列 month

1、進行用戶消費趨勢的分析（按月）

（1）每月的消費總金額

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

（2）每月的消費次數(shù)

（3）每月的產品購買量

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':'消費金額', 'user_id': '消費次數(shù)', 'order_products': '產品購買量'}, inplace=True)
grouped_month_info

（4）每月的消費人數(shù)

grouped_month_info['消費人次'] = 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\\臨時表\月銷售額、銷售次數(shù)、產品購買量、消費人數(shù).xlsx')

由上圖可知，消費金額在前三個月達到最高峰，后續(xù)消費較為穩(wěn)定，有輕微下降趨勢

由上圖可知，產品購買量在前三個月達到最高峰，后續(xù)消費較為穩(wěn)定，有輕微下降趨勢

前三個月消費訂單人數(shù)在10000筆左右，后續(xù)月份的平均消費人數(shù)則在2500人
去重的方法有多種，這里也可以使用數(shù)據(jù)庫思想，df.groupby(['month','user_id']).count().reset_index()
每月消費人數(shù)低于每月消費次數(shù)，但差異不大
前三個月每月的消費人數(shù)在8000-10000之間，后續(xù)月份，平均消費人數(shù)在2000不到

# 上面進行的匯總分析，其實可以用數(shù)據(jù)透視的方法更快實現(xiàn)，一次性求出結果
df.pivot_table(index='month',
              values=['order_products','order_amount','user_id'],
              aggfunc={'order_products':'sum',
                      'order_amount':'sum',
                      'user_id':'count'}).head()

• 每月用戶平均消費金額的趨勢

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

• 每月用戶平均消費次數(shù)的趨勢

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

2.用戶個體消費分析

• 用戶消費金額和消費次數(shù)的散點圖
• 用戶消費金額的分布圖
• 用戶消費次數(shù)的分布圖
• 用戶累計消費金額占比（百分之多少的用戶占了百分之多少的消費額）

（1）用戶消費金額，消費次數(shù)的描述統(tǒng)計

grouped_user=df.groupby('user_id')

grouped_user.sum().describe()

用戶平均購買了7張，但是中位值只有3，說明小部分用戶購買了大量貨物
用戶平均消費106元，中位值有43，判斷同上，有極值干擾

grouped_user_info = grouped_user.sum()

grouped_user_info.to_excel('D:\\Users\\yuan\\Desktop\\臨時表\用戶個體消費行為分析.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\\臨時表\消費金額分布直方圖.xlsx')

從直方圖可知，用戶消費金額，絕大部分呈現(xiàn)集中趨勢，小部分異常值干擾了判斷，可以使用過濾操作排除異常

使用切比雪夫定理過濾掉異常值，因為切比雪夫定理說明，95%的數(shù)據(jù)都分布在5個標準差之內，剩下5%的極值就不要了

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())
# 這里 reset_index() 是為了得到一個自然數(shù)的行標簽，表示的就是人數(shù)，下面的圖就可以看出來多少個少占多少百分比
user_cumsum

user_cumsum.reset_index().order_amount.to_excel('D:\\Users\\yuan\\Desktop\\臨時表\累積銷售.xlsx')

按照用戶消費金額進行升序排序，由圖可以知道50%的用戶僅貢獻了11%的消費額度，而排名前5000的用戶就貢獻了60%的消費額度

3.用戶消費行為

（1）用戶第一次消費（首購）

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\\臨時表\用戶首購.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'.\臨時表\用戶最后一次購買.xlsx')

斷崖式下跌很正常：可以理解用戶流失比例基本一致，一開始用戶迅猛增長數(shù)量比較多流失的也比較多，后面沒有用戶
用戶最后一次購買的分布比第一次分布廣
大部分最后一次購買，集中在前三個月，說明很多用戶購買了一次后就不再進行購買
隨著時間的遞增，最后一次購買數(shù)量也在遞增，消費呈現(xiàn)流失上升的狀況（這也是正常，隨著時間的增長，可能運營每跟上，或者用戶忠誠度下降了）

（3）新老客戶消費比

# 得到第一次和最后yc次消費情況，如果 min、max 日期相同，說明只消費了一次
user_life=grouped_user.order_dt.agg(['min','max'])
(user_life['min']==user_life['max'])
# 統(tǒng)計只消費了一次的用戶
(user_life['min']==user_life['max']).value_counts()

有一半的用戶，只消費了一次

（4） 每月新客占比

  #按月分組下的userid分組，求每月的最早購買日期和最晚消費日期
grouped_um = df.groupby(['month','user_id']).order_dt.agg(["min","max"])  
  # 新增列 True 為 新用戶
grouped_um["new"] = (grouped_um["min"] == grouped_um["max"] )           
# 再次按month分組，計算新用戶占比
user_life_month_pct=user_life_month.groupby('month').is_new.apply(lambda x:x.value_counts()/x.count()).reset_index()

（5）用戶分層

# 畫 RFM，先對原始數(shù)據(jù)進行透視
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')

# 得到最近一次消費，一般是計算 today 距離最近一次消費，這里因為時間太久遠，就隨便用的max值
# 數(shù)值越大就越久遠，分子得到的是一些天數(shù)類似 545 days（因為是時間格式相減），處以一個單位，就不會有單位了只留下數(shù)值
rfm['R']= (rfm.order_dt - rfm.order_dt.max())/np.timedelta64(1,'D')
# 重命名，也就是 R：最后一次消費距今天數(shù)，F(xiàn)：消費總金額 ，M：消費總產品數(shù)
# R ：消費時間  F：消費金額  M：消費頻次
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 的類型是 series，index 是 R、F、M
#     print(type(level))
#     print(level.index)
    label=level.R + level.F + level.M
    d={
        # R 為1 表示離均值較遠即時間很久，F(xiàn)為1 表示 消費金額比較多，M 為1 表示消費頻次比較多，所以是重要價值客戶
        '111':'重要價值客戶',
        '011':'重要保持客戶',
        '101':'重要發(fā)展客戶',
        '001':'重要挽留客戶',
        '110':'一般價值客戶',
        '010':'一般保持客戶',
        '100':'一般發(fā)展客戶',
        '000':'一般挽留客戶',
    }
    result=d[label]
    return result
# 注意這里是要一行行的傳遞進來，所以 axis=1，傳遞一行得到一個 111，然后匹配返回一個值
rfm['label']=rfm[['R','F','M']].apply(lambda x:x-x.mean()).apply(rfm_func,axis=1)

rfm.loc[rfm.label=='重要價值客戶','color']='重要價值客戶'
rfm.loc[~(rfm.label=='重要價值客戶'),'color']='非重要價值客戶'
rfm

rfm.to_excel('D:\\Users\\yuan\\Desktop\\臨時表\RFM模型.xlsx')

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

從RFM 分層可知，大部分用戶是重要保持客戶，但是這是由于極值的影響，所以 RFM 的劃分標準應該以業(yè)務為準，也可以通過切比雪夫去除極值后求均值，并且 RFM 的各個劃分標準可以都不一樣
盡量用小部分的用戶覆蓋大部分的額度
不要為了數(shù)據(jù)好看劃分等級

（6）用戶生命周期

新客，活躍，回流，流失（一段時間不消費，或者不活躍）

# 數(shù)據(jù)透視， userid為索引，月為列，求每月的消費次數(shù)，這里填充了
pivoted_counts=df.pivot_table(index='user_id',
                             columns='month',
                             values='order_dt',
                             aggfunc='count').fillna(0)
pivoted_counts.head()

# 轉變一下消費，有消費為1，沒有消費為0
df_purchase=pivoted_counts.applymap(lambda x:1 if x>0 else 0)
df_purchase.tail()

# 這里由于進行數(shù)據(jù)透視，填充了一些 null 值為0，而實際可能用戶在當月根本就沒有注冊，
#這樣會誤導第一次消費數(shù)據(jù)的統(tǒng)計，所以寫一個函數(shù)來處理
def active_status(data):
    status=[]
    # 數(shù)據(jù)一共有18個月份，每次輸入一行數(shù)據(jù)，這樣進行逐月判斷
    for i in range(18):
        # 若本月沒有消費，上面處理過的結果
        if data[i]==0:
            if len(status)>0:
                if status[i-1]=='unreg':
                    status.append('unreg')
                else:
                    status.append('unactive')
            else:
                # 之前一個數(shù)據(jù)都沒有，就認為是未注冊
                status.append('unreg')
                
        # 若本月消費
        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

若本月沒有消費，這里只是和上個月判斷是否注冊，有缺陷，可以判斷是否存在就可以了

• 若之前是未注冊，則依舊為未注冊
• 若之前有消費，則為流失/不活躍
• 其他情況，為未注冊

若本月有消費

• 若是第一次消費，則為新用戶
• 如果之前有過消費，則上個月為不活躍，則為回流
• 如果上個月為未注冊，則為新用戶
• 初次之外，為活躍

return:回流

new:新客

unreg:未注冊

active:活躍

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

# 這里把未注冊的替換為空值，這樣 count 計算時不會計算到
# 得到每個月的用戶分布
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\臨時表\用戶分層-新、活躍、流失、回流.xlsx')

# 求出所有用戶的占比
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()

前三個月有大量新用戶涌入，新用戶占比很高，而后面幾個月不活躍用戶占比非常高，普遍在90%以上。
活躍用戶，持續(xù)消費的用戶，對應的是消費運營的質量。
回流用戶，之前不消費，本月才消費，對應的是喚回運營。
不活躍用戶，對應的是流失。

（6） 用戶購買周期（按訂單）

# 計算相鄰兩個訂單的時間間隔，shift 函數(shù)是對數(shù)據(jù)進行錯位，所有數(shù)據(jù)會往下平移一下，所以可以
order_diff=grouped_user.apply(lambda x:x.order_dt-x.order_dt.shift())
order_diff.head(10)

#描述性統(tǒng)計
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\臨時表\用戶購買周期時間差頻率直方圖.xlsx')

訂單周期呈指數(shù)分布
用戶的平均購買周期是68天
絕大部分用戶的購買周期都低于100天

（7）用戶生命周期（按第一次和最后一次消費）

#描述性統(tǒng)計
(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\\臨時表\用戶生命周期頻率直方圖.xlsx')

用戶的生命周期受只購買一次的用戶影響比較厲害（可以排除）
用戶均消費134天，中位數(shù)僅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\\臨時表\用戶生命周期頻率直方圖(忽略一次購買).xlsx')

4.復購率和回購率分析

復購率
自然月內，購買多次的用戶占比(即，購買了兩次以上)
回購率
曾經購買過的用戶在某一時期的再次購買的占比（可能是在三個月內）

（1） 復購率

#消費次數(shù)
pivoted_counts.head(10)

# 區(qū)分一個，和一個以上的情況，以便于計算復購率，大于1為1，等于0 為0，等于1為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\\臨時表\復購人數(shù)與總消費人數(shù)比例.xlsx')

復購率穩(wěn)定在20%所有，前一個月因為有大量新用戶涌入，而這批用戶只購買了一次，所以導致復購率降低

回購率

# 需要使用函數(shù)來判斷是否回購：當月消費過的用戶下個月也消費了叫做回購，這個定義可以改變
def purchase_back(data):
    '''判斷每一個月是否是回購，根據(jù)上個月是否購買來判斷，上個月消費下個月沒有購買就不是回購'''
    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個月補充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\\臨時表\回購率.xlsx')

三、總結建議

1、用戶消費趨勢（每月）方面，前3個月有大量新用戶涌入，消費金額、消費訂單數(shù)、產品購買量均達到高峰，后續(xù)每月較為穩(wěn)定。前3個月消費次數(shù)都在10000筆左右，后續(xù)月份的平均2500；前3個月產品購買量達到20000甚至以上，后續(xù)月份平均7000；前3個月消費人數(shù)在8000-10000之間，后續(xù)月份平均2000不到。
2、用戶個體消費方面，小部分用戶購買了大量的CD，拉高了平均消費金額。用戶消費金額集中在0_{100元，有大約17000名用戶。用戶購買量集中在0}5，有大約16000名用戶。50%的用戶僅貢獻了15%的消費額度，15%的用戶貢獻了60%的消費額度。大致符合二八法則。
3、用戶消費行為方面，首購和最后一次購買的時間，集中在前三個月，說明很多用戶購買了一次后就不再進行購買。而且最后一次購買的用戶數(shù)量也在隨時間遞增，消費呈現(xiàn)流失上升的狀況。
4、從整體消費記錄來看，有一半的用戶，只消費了一次。從每月新用戶占比來看，1997年1月新用戶占比高達90%以上，后續(xù)有所下降，1997年4月到1998年6月維持在81%左右，1998年6月以后無新用戶。
5、從RFM模型來看，在8種客戶中，重要保持客戶的消費頻次和消費金額最高，人數(shù)排在第二位；而一般發(fā)展客戶消費頻次和消費金額排第二位，人數(shù)卻是最多。
6、從用戶分層情況來看，新用戶從第4月份以后沒有新增；活躍用戶有所下降；回流用戶數(shù)量趨于穩(wěn)定，每月1000多。流失/不活躍用戶，數(shù)量非常多，基本上每月都在20000以上。
7、用戶購買周期方面，平均購買周期是68天，最小值0天，最大值533天。絕大部分用戶的購買周期都低于100天。
8、用戶生命周期方面，由于只購買一次的用戶（生命周期為0天）占了接近一半，排除這部分用戶的影響之后，用戶平均生命周期276天，中位數(shù)302天。
9、復購率和回購率方面，復購率穩(wěn)定在20%左右，回購率穩(wěn)定在30%左右，前3個月因為有大量新用戶涌入，而這批用戶只購買了一次，所以導致復購率和回購率都比較低。