一、專案背景

二、專案目標

三、分析思路

四、資料清洗

1、讀取查看資料的基本資訊和資料的完整性

2、一致化處理：

3、查看是否有缺失值

五、資料分析

1、不同時間下PV、UV的流量變化情況

2、不同購物行為在不同時間維度下的變化情況

用戶轉化行為漏斗模型分析

六、結論分析

一、專案背景

通過對2014年11月17日至2014年12月17日之間資料進行合并，獲得該月用戶的行為資料，資料量在一千萬條左右，
本次資料是在網上獲取的來源于：資料集-阿里云天池，不在進行抓取或收集，大家可以看這篇文章Python爬蟲-抓取資料到可視化全流程的實作，詳細的寫了資料抓取的程序
使用的主要工具：python --jupyter notebook

二、專案目標

用戶行為分析是對用戶在產品上的產生的行為及行為背后的資料進行分析，通過本次分析希望可以實作：
1、通過構建用戶行為模型和用戶畫像，來改變產品決策，實作精細化運營，指導業務增長，

2、在產品運營程序中，對用戶行為的資料進行收集、存盤、跟蹤、分析與應用等，可以找到實作用戶自增長的存在的問題、群體特征與目標用戶，

三、分析思路

主要從以下四個維度對用戶行為進行分析和建議：
1、用戶的行為習慣分析：利用pv、uv等指標，分析用戶活躍的時間段和趣事，熟悉用戶行為的時間模式；
2、用戶的行為轉換情況分析：通過采用漏斗模型從單擊瀏覽到支付購買的各個階段對用戶行為進行分析，確定各個環節的流失率，并提出相應的改善建議；
3、用戶偏好分析：根據商品的點擊、收藏、加購、購買頻率，探索用戶對商品的購買偏好，制定對不同商品、不同用戶之間的營銷策略；
4、核心用戶分析：找出最具有價值的核心用戶群，考慮針對該群體的營銷策略，針對這個群體用戶行為推送個性化推送，優惠券等，

四、資料清洗

首先該資料是在多個檔案下的CSV檔案，通過遞回對檔案夾內所有檔案進行查詢，并合并了所有的指定檔案，具體的操作步驟大家可以看Python遍歷目錄下的所有檔案、讀取、千萬條資料合并詳解這篇文章，里邊詳細的寫了如何遍歷所有檔案夾，如何組合，如何批量的打開檔案目錄下的所有檔案，并對多檔案下的檔案進行合并，本文就不再贅述資料合并的程序了，直接采用合并后的資料，大家不懂可以看我的以上兩盤博客，寫的很詳細，
1、讀取查看資料的基本資訊和資料的完整性
```
data=final_data
data.head()
```
查看一下我們合并后表格的情況，可以發現目前表格的列數為7列
?

其中'Unnamed: 0','user_geohash'（有缺失）兩列資料我們在分析時不涉及，對這兩列資料進行洗掉，

import pandas as pd
final_data.drop(['Unnamed: 0','user_geohash'],axis=1,inplace=True)
final_data.head()

成功進行洗掉，檢查資料型別

```
data.dtypes
```
2、一致化處理：
可以發現目前time是object型的，因為分析涉及到時間、天、小時，所以，要把資料集里的時間戳列，即time_stamp列轉化為日期，，

data['date'] = data['time'].map(lambda x:x.split(' ')[0])
data['hour'] = data['time'].map(lambda x:x.split(' ')[1])
data['date']=pd.to_datetime(data['date'])
data['hour'] = data['hour'].astype('int32')
data.head()
data.dtypes

可以看到目前date和Hour的型別已經成功轉換，符合我們的預期，查看表格中是否有空資料，并查看一下表格的量
3、查看是否有缺失值
```
data.isnull().sum()
data.shape
```
? ?

可以看到資料中并沒有空資料，資料的規模在1000萬左右，分為6列，依次為用戶id、商品id、用戶行為型別、時間，其中用戶行為型別中1代表點擊（當做pv），2代表collect（收藏），3代表cart（加入購物車）資料較為完整，不需要繼續進行清洗，對資料進行分析

五、資料分析

流量指標分析：流量指標是指用戶在某一個網站操作的每一個步驟記錄的指標，埋點資料，PV是指其瀏覽量，UV代表獨立訪客數，訪問深度代表每個獨立訪客的瀏覽量，頁面跳出率則是指瀏覽某個頁面離開的次數/這個頁面的全部訪問次數

1、不同時間下PV、UV的流量變化情況

1）每天的PV、UV變化情況

首先計算一下總流量

# 總PV值=資料條數
import pandas as pd
import numpy as np 
import matplotlib.pyplot as plt
import os
data.shape[0]

總流量為12256906，在計算一下日平均流量、日平均獨立訪客數

##日PV
pv_daily = data.groupby(['date'])['user_id'].count().reset_index().rename(columns={'user_id':'pv_daily'})
pv_daily.head()

日平均獨立訪客數與日平均流量的區別在于要進行去重

##日UV
uv_daily = data.groupby(['date'])['user_id'].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={'user_id':'uv_daily'})
uv_daily.head()
s=uv_daily['uv_daily']
pv_daily['uv_daily']=s
pv_daily

將兩表合并

plt.figure(figsize=(40,20),dpi=80)

font={
    "family":"kaiti",
    "size":'30'
}
plt.rc("font",**font)
plt.subplot(211)#在第一個位置日平均流量圖
plt.plot(pv_daily['date'],pv_daily['pv_daily'],'co-')
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m/%d'))
plt.gca().xaxis.set_major_locator(mdates.DayLocator())    # 按月顯示,按日顯示的話，將MonthLocator()改成DayLocator()
plt.gcf().autofmt_xdate()
ax=plt.gca()
ax.spines["top"].set_color("w")
ax.spines["bottom"].set_color("r")
ax.spines["left"].set_color("r")
ax.spines["right"].set_color("w")
plt.gcf().autofmt_xdate()
#設定X軸標簽
plt.xlabel("時間")
#設定y軸標簽
plt.ylabel("日平均流量統計圖")
plt.title('日平均流量')
plt.figure(figsize=(40,20), dpi=80)
plt.subplot(212)#第二個位置繪制日平均獨立訪客數
plt.plot(pv_daily['date'],pv_daily['uv_daily'],'yo-')
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m/%d'))
plt.gca().xaxis.set_major_locator(mdates.DayLocator())
ax=plt.gca()
ax.spines["top"].set_color("w")
ax.spines["bottom"].set_color("r")
ax.spines["left"].set_color("r")
ax.spines["right"].set_color("w")
plt.title('日獨立訪問客流量')
plt.gcf().autofmt_xdate()
#設定X軸標簽
plt.xlabel("時間")
#設定y軸標簽
plt.ylabel("日獨立訪客量統計圖")
plt.show()

繪制子圖，將日平均流量和獨立訪問客數放在一起進行對比分析：

可以發現在雙十二當天是流量和獨立訪客數的高峰，在平常波動不大

每天時刻資料

# 每天的時刻資料
pv_daily_hour = data.groupby(['hour'])['user_id'].count().reset_index().rename(columns={'user_id':'pv'})
uv_daily_hour = data.groupby(['hour'])['user_id'].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={'user_id':'uv'})
pv_daily_hour.head()
uv_daily_hour.head()

plt.figure(figsize=(15,18),dpi=80)
plt.subplot(211)
plt.plot(pv_daily_hour['hour'],pv_daily_hour['pv'],'bo-')
plt.title("每小時PV")
plt.savefig("每小時PV.png")
plt.xticks(np.arange(0, 24, step=1))
plt.xlim(data.index.values[0])
plt.figure(figsize=(15,18),dpi=80)
plt.subplot(212)
plt.plot(uv_daily_hour['hour'],uv_daily_hour['uv'],'yo-')
plt.title("每小時UV")
plt.savefig("每小時UV.png")
plt.xticks(np.arange(0, 24, step=1))
plt.xlim(data.index.values[0])
plt.show()

從早上5：00-10:00,18:00-21:00這兩個時間段pv有較明顯上升；uv從早上6:00-10:00有較明顯增加，而后到21點uv保持穩定數量，然后開始下降；pv、uv變化符合大眾作業作息時間，側面證明資料是真是有效的，

2、不同購物行為在不同時間維度下的變化情況

plt.figure(figsize=(10, 4))
sns.lineplot(data=d_pv_h, lw=3)
plt.show()

plt.figure(figsize=(10, 4))
sns.lineplot(data=d_pv_h.iloc[:, 1:], lw=3)
plt.show()

雖然大體上各波動趨勢相同，但是加購物車數遠高于收藏數，

## 每個UV的平均訪問深度=總流量/獨立訪客數
round(data['user_id'].shape[0]/data['user_id'].nunique(),2)
##=1225.69
## 每個UV的日平均訪問深度
round(data['user_id'].shape[0]/data['user_id'].nunique()/data['date'].nunique(),2)
##=39.54

分析期間，每個UV的平均PV量是1225.69，每個UV的平均訪問深度是39.54

3 、用戶轉化行為漏斗模型分析

## 計算每一個行為環節用戶的訪問量
view = data.groupby(['behavior_type'])['user_id'].count().reset_index().rename(columns={'user_id':'pv'})
view.head

其中：

beihavior_type	-
1	點擊
2	收藏
3	加購物車
4	支付

#計算各個環節的流失率
print("點擊->加購物車流失率是:%d" % round((view['pv'][0]-view['pv'][2])*100/view['pv'][0],4) + '%')
print('點擊->收藏流失率是:%d'  % round((view['pv'][0]-view['pv'][1])*100/view['pv'][0],4) + '%')
print('加購物車->支付的流失率是:%d' % round((view['pv'][2]-view['pv'][3])*100/view['pv'][2],4) + '%')
print('收藏->支付的流失率是:%d' % round((view['pv'][1]-view['pv'][3])*100/view['pv'][1],4) + '%')

from pyecharts.charts import Funnel
attr = ['點擊','收藏','加購物車','支付']
# 資料支持[(屬性,數量)]
image_data = [(attr[i],int(view['pv'][i])) for i in range(len(attr))]
print(image_data)

funnel = (Funnel().add(series_name='用戶行為漏斗', data_pair=image_data))
funnel.render_notebook()

用戶產生點擊后可能進行的操作分別為：點擊->加購物車、點擊->收藏、加購物車->支付、收藏->支付，可以明顯的看出用戶的流失率比較大，根據用戶購買途徑計算出各個階段用戶流失率：

從瀏覽——加入購物車/收藏——付款的轉化率較低；可以看出瀏覽到加入購物車或者收藏這一環節的流失率較大，可能由于產品不符合消費者需求或者詳情頁面不友好等需要對其中原因進一步挖掘分析，查看獨立訪客情況，

獨立訪客漏斗模型計算：

view = data.groupby(['behavior_type'])['user_id'].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={'user_id':'pv'})
view

可以看到相應的轉化率還是比較高的！

##計算每天的購買數量
df = data[data['date']!='2014-12-12']
date_buy = df[df['behavior_type']==4].groupby(['date'])['item_id'].count().reset_index()
date_buy
##計算每小時的購買數量
hour_buy = df[df['behavior_type']==4].groupby(['hour'])['item_id'].count().reset_index()
hour_buy

plt.figure(figsize=(20,5))
plt.plot(date_buy['date'],date_buy['item_id'])
plt.xticks(rotation=30)
plt.title('按日期觀察成交量')
plt.savefig("按日期觀察成交量.png")
plt.show()

plt.figure(figsize=(20,5))
plt.plot(hour_buy['hour'],hour_buy['item_id'])
plt.xticks(rotation=30)
plt.title('按時段觀察成交量')
plt.savefig("按時段觀察成交量.png")
plt.show()

用戶轉化行為漏斗模型分析

六、結論分析

本次資料中一個月內的訪問用戶總數為（UV)：29233，頁面總訪問量為（PV）：2685348，平均每人每周訪問量為91.8次頁面
從瀏覽——加入購物車/收藏——付款的轉化率較低；可以看出瀏覽到加入購物車或者收藏這一環節的流失率較大，可能由于產品不符合消費者需求或者詳情頁面不友好等需要對其中原因進一步挖掘分析；
從早上5：00-10:00,18:00-21:00這兩個時間段pv有較明顯上升；uv從早上6:00-10:00有較明顯增加，而后到21點uv保持穩定數量，然后開始下降；pv、uv變化符合大眾作業作息時間，側面證明資料是真是有效的；
雙十二期間pv、uv遠高于平時，且付款人數高出收藏人數許多；
后續可通過聚類分析來對用戶群體進行分類，從而實施更精確的營銷策略；

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/413328.html

標籤：其他

上一篇：大資料之Javase

下一篇：[工具]GDB的命令和使用

Python大資料-對淘寶用戶的行為資料分析

一、專案背景

二、專案目標

三、分析思路

四、資料清洗

1、讀取查看資料的基本資訊和資料的完整性

2、一致化處理：

3、查看是否有缺失值

五、資料分析

1、不同時間下PV、UV的流量變化情況

2、不同購物行為在不同時間維度下的變化情況

3 、用戶轉化行為漏斗模型分析

六、結論分析