主頁 > 資料庫 > 用實戰玩轉pandas資料分析（一）——用戶消費行為分析（python）

用實戰玩轉pandas資料分析（一）——用戶消費行為分析（python）

2021-04-01 22:42:16 資料庫

??CD商品訂單資料的分析總結，根據訂單資料（用戶的消費記錄），從時間維度和用戶維度，分析該網站用戶的消費行為，通過此案例，總結訂單資料的一些共性，能通過用戶的消費記錄挖掘出對業務有用的資訊，對其他產品的線上消費資料分析有一定的借鑒價值，能達到舉一反三的效果，

訂單交易類資料分析總結：訂單交易資料分析

目錄
  • 一、案例背景
  • 二、案例目的
  • 三、分析框架
  • 四、分析程序
    • 4.1資料加載和初探
    • 4.2消費概況分析
      • 4.2.1時間維度分析消費情況（按月）
      • 4.2.2用戶維度分析消費情況
        • 4.2.2.1個體消費分析
        • 4.2.2.2 用戶消費行為分析
    • 4.3用戶分層分析
      • 4.3.1FRM模型對用戶分層
      • 4.3.2根據消費狀態對用戶分層
    • 4.4用戶生命周期分析
    • 4.5用戶留存分析
    • 4.5用戶購買周期分析
    • 4.6復購率和回購率分析
  • 五、案例總結

一、案例背景

??CDNOW是一家美國在線零售商，主營商品為CD唱片，ToC業務，1998年上市，2000年被貝塔斯曼收購，網上有一份用戶訂單消費資料集：CDNOW訂單資料集

二、案例目的

??這份資料集只包含了四個基本資訊欄位：用戶ID、購買日期、購買數量、購買金額，本案例的目標：通過這個四個欄位，在資料集時間視窗內，分析用戶消費的基本概況；通過用戶分層、周期分析、復購率和回購率分析等，梳理現階段用戶的價值現狀，并嘗試根據業務經驗提一些運營建議，

三、分析框架

image
image

四、分析程序

4.1資料加載和初探

（1）匯入相關包、設定風格樣式

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
# jupter魔法函式，設定可視化頁內顯示
%matplotlib inline
# 正常顯示中文和負號
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 畫圖的樣式風格設定為：ggplot
plt.style.use('ggplot')

（2）匯入資料集
欄位資訊：

  • user_id：用戶ID
  • order_dt：購買日期
  • order_products：購買數量
  • order_amount：購買金額

源資料為txt檔案，通過pd.read_csv()，分割符為空白字串，用正則表達'\s+'，匹配任意空白符，

# 匯入資料集
os.chdir(r'D:/資料集/電商零售類/CDNOW資料集/')
columns = ['user_id', 'order_dt', 'order_products', 'order_amount']
df = pd.read_csv('CDNOW_Dataset.txt',delimiter='\s+',names=columns)
df.head()
??從前5行資料中可以發現：同一個用戶在同一天可能購買多次、同一用戶在不同時間購買多次等消費現象，

（3）資料清洗

df.info()
??源資料質量描述：資料不存在缺失值，但購買日期order_dt欄位資料型別為int64，需要轉換為日期型datetime64[ns] 
# 'order_dt'欄位型別轉換
df['order_dt'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')

??按月份分析銷售趨勢，新增month欄位，（tip：datetime64[M]：每月的第一天日期，datetime64[Y]：每年的第一天日期，）

# 新增month欄位
df['month'] = df['order_dt'].values.astype('datetime64[M]')

# 查看欄位的資料型別
df.dtypes

df.head()

（4）資料初探

# 資料描述性統計分析
df.describe()

描述性統計分析：

  • 用戶平均每筆訂單購買2.4件商品，中位數為2.0，資料呈現正偏態（右偏）特征，最大值99，需要關注極值點（為何該用戶同時買了那么多CD）；
  • 用戶平均訂單金額為35.89，中位數為25.98，資料同樣呈現正偏態（右偏）特征，大部分訂單金額都集中在中小額范圍（14.4~43.7）,存在極值點，

4.2消費概況分析

4.2.1時間維度分析消費情況（按月）

??按月份降采樣，統計資訊，

df_dtindex = df.set_index(['order_dt'])
# 統計每月訂單商品量、每月訂單金額
month_grouped = df_dtindex.resample('m').sum()[['order_products','order_amount']]
# 統計每月消費人數
month_grouped['user_num'] = df_dtindex.resample('m')['user_id'].nunique()
# 統計每月訂單數
month_grouped['order_quantity'] = df_dtindex.resample('m')['user_id'].size()
month_grouped.head()
??每月訂單商品量、每月訂單金額、每月消費人數、每月訂單數趨勢圖， 
month_grouped.plot(kind='line',subplots=True,figsize=(10,8))

從折線趨勢圖可以看出：

  • 1-3月份訂單商品量和訂單金額都較高，4月份急速下降后趨于平緩；
  • 1-3月份月均消費人數在7800~9600之間，4月份開始月均消費人數開始下降，在2000人次附近波動，反應用戶粘性不高，留存率低，

出現以上的原因，可能是該網站1-3月份做大推廣；或者明星新CD專輯集中發布，大量粉絲涌入網站購買，

4.2.2用戶維度分析消費情況

4.2.2.1個體消費分析

（1）用戶消費次數、消費金額、訂單商品量描述性統計

# 對用戶分組，并統計每個用戶的消費次數、消費金額、訂單商品量
user_grouped = df.groupby('user_id').agg({'user_id': 'count','order_amount': 'sum','order_products': 'sum'})
# 列欄位重命名consumptions：消費次數
user_grouped.rename(columns={'user_id':'consumptions'},inplace=True)
# 描述性統計
user_grouped.describe()

用戶維度消費情況描述性統計分析：

  • 用戶平均消費次數為2.96次，中位數1，用戶消費次數資料右偏，反映時間段內大部分用戶只在該網站消費1次，
  • 訂單金額和訂單商品量的均值與75%分位值接近，反映訂單金額和訂單商品量主要由少部分用戶貢獻,要關注極值點影響，

（2）用戶消費次數、消費金額、訂單商品量分布直方圖

plt.figure(figsize=(20,4))
plt.subplot(1,3,1)
user_grouped['consumptions'].plot.hist(bins=15,title='consumptions')
plt.subplot(1,3,2)
user_grouped['order_amount'].plot.hist(bins=30,title='order_amount')
plt.subplot(1,3,3)
user_grouped['order_products'].plot.hist(bins=30,title='order_products')

??資料分布存在一定的極值干擾，需要對極值進行過濾處理再觀察資料分布特征，對于非正態分布資料集，根據切比雪夫定理：所有資料，至少有24/25（或96%)的資料位于均值±5個標準差范圍內，根據描述性統計，分別計算過濾條件：

  • consumptions：mean + 5std = 2.95+5*4.73=26.6,選擇27作為過濾閾值
  • order_amount：160.08+5*240.93=1310.73，選擇1310作為過濾閾值
  • order_products：7.12+5*16.98=92.02，選擇95作為過濾閾值
# 過濾極值，畫分布直方圖
plt.figure(figsize=(20,4))
plt.subplot(1,3,1)
user_grouped.query('consumptions<27')['consumptions'].plot.hist(bins=15,title='consumptions',xlim=(0,27))
plt.subplot(1,3,2)
user_grouped.query('order_amount<1312')['order_amount'].plot.hist(bins=30,title='order_amount')
plt.subplot(1,3,3)
user_grouped.query('order_products<95')['order_products'].plot.hist(bins=30,title='order_products')

image

??過濾掉極值之后，從用戶消費次數、消費金額、訂單商品量分布直方圖可以明顯看出：資料大多數集中在低值區，反映大部分用戶消費水平一般，貢獻價值一般，符合“長尾型”消費類資料分布特征，

（3）用戶人數累計消費金額占比

user_cumsum = user_grouped.sort_values(['order_amount']).apply(lambda x:x.cumsum()/x.sum())
user_cumsum.reset_index()['order_amount'].plot(xticks=(range(0,25000,2500)),title='用戶人數累計消費金額占比')
plt.xlabel('人數')
plt.ylabel('占比')

由上圖可知：
??50%的用戶（總共有23570名用戶）僅貢獻了15%的消費額度，70%的用戶僅貢獻了20%的消費額度，85%的用戶僅貢獻了40%的消費額度，而前3570（占比15%）多用戶就貢獻了60%的消費額度，可以重點關注一下這15%客戶更多相關資料，總結用戶特征，挖掘更多消費機會，

（4）用戶消費金額和訂單商品量之間相關性分析

user_grouped.query('order_amount<8000').plot.scatter(x='order_products',y='order_amount',title='用戶消費金額和商品購買量散點分布')

由散點分布圖可以看出：
??用戶的消費金額和訂單商品量幾乎成線性關系：購買的商品越多，消費金額越大，反映該網站的商品比較單一，或者單價比較穩定，在不影響主商品的前提下，可以考慮一些輔助商品鋪設，

4.2.2.2 用戶消費行為分析

（1）用戶第一次消費（首購）和最后一次消費時間分布（按月）

# 用戶初次消費時間分布：統計每個用戶消費的時間最小值，再計算相同日期的頻數
df.groupby('user_id')['order_dt'].min().value_counts().plot(title='用戶初次消費時間分布圖')

由初次消費分布圖可知：
??用戶初次購買時間集中在前三個月，其中2月9日到2月25日之間有波動，可能是該網站做了推廣或者明星集中發專輯，導致大量新用戶涌入網站購買CD，

# 用戶最后一次消費時間分布
df.groupby('user_id')['order_dt'].max().value_counts().plot(title='用戶最后一次消費時間分布圖')

由末次消費分布圖上圖可知：

  • 用戶最后一次消費也集中在前三個月，反映有大量用戶在三個月內就流失掉了；
  • 首購和最后一次消費都集中前三個月，可能是這部分新增用戶在前三月就流失掉了，可能是著名明星集中發專輯，新增用戶對其他CD專輯不感興趣，（這部分新用戶是某類明星的粉絲）
  • 隨時間遞增，最后一次消費人數也在緩慢遞增，用戶流失呈上升趨勢，可能是運營沒跟上，老用戶忠誠度也下降了，

從這里簡要看出，要提高網站的銷售金額，有兩個關鍵點：

  • 第一，分析新增用戶的購物喜好，推送同類或類似風格產品，確保在用戶流失之前留住用戶；
  • 第二，分配合理資源維護老用戶，給老用戶做合理的引導消費通知，

（2）新老用戶占比分析
??僅消費一次的用戶占比

# 僅消費一次的用戶占比=消費一次的用戶人數/總用戶數
user_grouped[user_grouped['consumptions']==1]['consumptions'].count()/user_grouped['consumptions'].count()
結果表明：有一半用戶只消費了一次，

注意：這里不能用第一次和最后一次消費日期相同，來判斷該用戶只消費了一次，因為有可能同一天該用戶消費了兩次，這樣算出來的指標應該叫‘僅消費一天的用戶占比’，不過兩者結果相差應該不是很大，
??每月新用戶占比

4.3用戶分層分析

4.3.1FRM模型對用戶分層

R（Recency，近度/最近一次消費）F（Frequency，消費頻次）M（Monetary，消費金額）

# 首先，資料透視表求出用戶的最近一次消費時間、消費次數，消費總金額
rfm = df.pivot_table(index='user_id',
                    values=['order_dt','order_products','order_amount'],
                    aggfunc={'order_dt': 'max',
                            'order_products': 'count',
                            'order_amount': 'sum'})
rfm.head()

# 其次，計算R值：最近一次消費（距今天數），資料比較久遠，這里選擇order_dt的最大值為‘今天’
# 時間格式相減，得到xxx days，需要除以一個單位'D'
rfm['R'] = (rfm.order_dt-rfm.order_dt.max())/np.timedelta64(1,'D')
rfm = rfm.rename(columns={'order_amount': 'M', 'order_products': 'F'})[['R','F','M']]
rfm.head()

# 根據判斷閾值（這里選擇每列均值作為閾值），添加客戶分層標簽欄位
# 定義用戶分層函式
def rfm_level(data):
    # 和閾值（均值）做對比：高于閾值賦值為1，低于閾值賦值為0
    level = data.apply(lambda x:'1' if x>=0 else '0')
    # 構建分類字典
    d = {
        '111': '重要價值客戶',
        '011': '重要保持客戶',
        '101': '重要發展客戶',
        '001': '重要挽留客戶',
        '110': '一般價值客戶',
        '010': '一般保持用戶',
        '100': '一般發展客戶',
        '000': '一般挽留客戶'
    }
    # 拼接字串
    label = level.R + level.F + level.M
    # 各行根據拼接字串的結果（鍵），回傳客戶型別（值）
    return d[label]
# 逐行傳入
rfm['label'] = (rfm-rfm.mean()).apply(rfm_level,axis=1)
rfm.head()

plt.figure(figsize=(12,6),dpi=80)
plt.subplot(1,2,1)
rfm.label.value_counts().plot.pie(autopct='%3.1f%%',title='RFM模型分層用戶人數占比圖')
plt.subplot(1,2,2)
rfm.groupby('label').M.sum().plot.pie(autopct='%3.1f%%',title='RFM模型分層用戶消費金額占比圖')

由上圖可知：

  • ‘一般挽留客戶’人數占比最多，達到57.7%，但貢獻的消費金額僅占比16.4%
  • ‘重要價值客戶’人數占比為19.6%，貢獻消費占比卻達到了63.7%

此次分析中，R、F、M三個維度的閾值是依據各自的平均值選定，實際業務要根據不同場景設定合適的閾值，切莫不要為了資料好看劃分等級，在資源的有限情況下，盡量用小部分的用戶覆寫大部分的額度，在運營策略上，應結合用戶分層的結果，針對不同的用戶分類用戶制定不同的運營策略：

  • 針對重要價值客戶，應保持好現狀；
  • 針對重要發展客戶，由于其價值高但是頻次低，應采取合適的策略來刺激其消費頻率；
  • 針對重要保持用戶，應采取合適的策略來將其召回，留住該用戶；
  • 針對重要挽留用戶，召回他并刺激其消費；
  • 針對一般價值用戶，可以通過發放大額面值優惠券等方式刺激消費力度；
  • 其余幾類用戶都要在考慮成本、資源的情況下采取相應的策略召回、刺激消費，

4.3.2根據消費狀態對用戶分層

??用戶分層的目的在于區分不同價值的用戶，對不同價值的用戶、不同階段的用戶采用精準、細化的運營方案，在實際業務場景中，常常把用戶分為新客，不活躍用戶，活躍用戶，回流用戶，
指標口徑說明：

  • 新用戶：時間視窗內，首次消費的用戶，
  • 不活躍用戶（流失用戶）：時間視窗內，未消費的老客，
  • 活躍用戶：本時間視窗內有消費，上一個時間視窗也有消費的用戶，
  • 回流用戶：上一個時間視窗中沒有消費，而在當前時間視窗內有過消費的老客，
# 首先，以月份為統計視窗，制作透視表：得到每個月用戶的消費次數
# 缺失值NaN（該月份無消費記錄）用0填充
pivoted_counts = df.pivot_table(index='user_id',
                               columns='month',
                               values='order_dt',
                               aggfunc='count').fillna(0)
pivoted_counts.head()

image
??上面的NaN值用0填充：0不一定代表本月沒有消費，也有可能該用戶在當月沒有注冊，為了判斷該用戶在當月是否為新用戶，還需用自定義函式來判斷，

# 然后，自定義用戶分層函式
def user_status(data):
    '''
    unreg：未注冊用戶
    new：新用戶
    unactive：不活躍用戶（流失用戶）
    active：活躍用戶
    return：回流用戶
    '''
    status = []
    # 判斷第一月是否為新用戶
    if data[0] == 0:
        status.append('unreg')
    else:
        status.append('new')
    # 回圈判斷每一個月的用戶狀態
    for i in range(17):
        # 若本月未消費
        if data[i+1]==0:
            # 上一個月也未消費，則本月為未注冊用戶
            if status[i] == 'unreg':
                status.append('unreg')
            else:
                status.append('unactive')
        # 本月消費
        else:
            # 上一月為未注冊用戶，則本月為新用戶
            if status[i] == 'unreg':
                status.append('new')
            # 上一月為不活躍用戶，則本月為回流用戶
            elif status[i] == 'unactive':
                status.append('return')
            # 上一月消費，本月也消費，則本月為活躍用戶
            else:
                status.append('active')
    return pd.Series(status,index=data.index) 


pivoted_user_status = pivoted_counts.apply(user_status, axis=1)
pivoted_user_status.head()

image

# 統計每個月不同狀態的用戶數
# 把未注冊unreg替換為NaN值，count不會計數
user_status_counts = pivoted_user_status.replace('unreg',np.NaN).apply(pd.value_counts)
user_status_counts

image

# 繪制不同型別用戶數量隨時間變化的曲線
user_status_counts.T.plot(figsize=(10, 4),title='不同型別用戶數量隨時間變化的曲線圖',grid=False)

由上圖可知：

  • 前三個月新用戶大量涌入，后期沒有新增；
  • 后期不活躍用戶數量非常多，基本每個月20000人以上；
  • 活躍用戶前幾月較多，后期逐漸下降；
  • 回流用戶基本保持1000左右，

在實際業務中，活躍用戶和回流用戶是真正意義上消費的用戶，是運營應該重點關注的高價值群體，

#計算每個月各類用戶占比
user_status_counts.T.apply(lambda x: x/x.sum(), axis=1).round(2)

4.4用戶生命周期分析

（1）用戶生命周期分布直方圖
??用戶生命周期定義：第一次消費至最后一次消費的時間差，
??延長用戶的生命周期，在用戶生命周期內獲取更多價值，是用戶運營的目標，

# LTV:生命周期總價值，即生命周期內消費的總金額
user_LTV = df.groupby(['user_id']).agg({'order_amount': 'sum'})
user_LTV['lifetime'] = (df.groupby(['user_id'])['order_dt'].max()-df.groupby(['user_id'])['order_dt'].min())/np.timedelta64(1, 'D')
user_LTV.head()
??前面分析中，有一半以上的用戶只消費1次，再進行用戶生命周期分析時，需要過濾掉這部分用戶再分析才具有實際意義，因為只消費1次的用戶生命周期為0，會把整體資料拉低，而且大部分一次性用戶創造的價值很小，對后期用戶運營沒有顯著的幫助， 
# 用戶生命周期描述性統計：排除只消費1次的用戶
user_LTV_query = user_LTV[user_LTV['lifetime'] > 0]
user_LTV_query.describe()

#繪制分布直方圖
user_LTV_query['lifetime'].plot.hist(bins=40,figsize=(10, 6),title='CDNOW用戶生命周期分布直方圖')

由描述性統計和分布直方圖可以看出：

  • 消費2次以上用戶平均生命周期為276天；
  • 分布直方圖呈現雙峰趨勢，大體可以分為三段：
    1. [0-30]天，有部分用戶雖然消費超過兩次，但是無法持續，運營應該在30天內做出對策，延長用戶生命周期；
    2. [50-350]天，屬于普通型生命周期，這部分用戶是有消費欲望的，可以根據其特點推出針對性營銷策略；
    3. [>350]天，屬于網站的忠誠用戶，要用心維護，穩定銷量，

（2）用戶生命周期和用戶生命周期總價值相關性

plt.scatter(x=user_LTV_query['lifetime'],y=user_LTV_query['order_amount'])

user_LTV_query = user_LTV_query.query('order_amount < 4000')
plt.scatter(x=user_LTV_query['lifetime'],y=user_LTV_query['order_amount'])
plt.title('用戶生命周期和用戶生命周期總價值散點圖')

由上散點分布圖可知：
??用戶生命周期和用戶生命周期總價值無線性相關關系，但是有一部分生命周期超過350天的用戶，貢獻的消費金額明顯高于生命周期偏低的用戶，

4.5用戶留存分析

??用戶在某段時間內開始使用應用，經過一段時間后，仍然繼續使用該應用的用戶，被認作是留存用戶，這部分用戶占當時新增用戶的比例即是留存率，會按照每隔1單位時間（例日、周、月）來進行統計，留存用戶和留存率體現了用戶的質量和運營保留用戶的能力，

# 獲取用戶留存資料表

# 獲取用戶的激活日期reg_dt：這里指第一次消費日期
reg_dt = df.groupby('user_id')['order_dt'].min().reset_index().rename(columns={'order_dt': 'reg_dt'})

# 內連接
user_retention = pd.merge(left=df,right=reg_dt,how='inner',on='user_id')[['user_id','order_amount','reg_dt','order_dt']]
user_retention['第n天活躍'] = (user_retention['order_dt'] - user_retention['reg_dt']).apply(lambda x: x.days)
# # 對活躍天數進行分箱
bins = [0, 3, 7, 15, 30, 60, 90, 180, 365]
user_retention['活躍天數區間'] = pd.cut(user_retention['第n天活躍'], bins=bins)
user_retention.head(10)

# 資料透視，獲取用戶維度留存表
user_retention_pivoted = user_retention.pivot_table(index='user_id', columns='活躍天數區間',values='order_amount',aggfunc=sum,dropna=False)
user_retention_pivoted.head(10)

# 統計各個時間段用戶的消費比列：即首次消費后，有多少用戶比例在各個時間段再次消費
retention = user_retention_pivoted.count()/len(user_retention_pivoted)
retention
```python retention.plot.bar(title = '各個時間段用戶的再次消費人數占比') ```

由上柱狀圖可知：

  • 約有2.7%的用戶在第一次消費后，次日至3日內再次消費；
  • 3.6%的用戶在3至7日消費；
  • 約20%的用戶在第一次消費三個月至半年內有過消費記錄；
  • 約26%的用戶在半年后至一年內購買過，

可見，CD商品購買不屬于高頻行為，從運營角度看，在促活新用戶的時，更要注重培養老用戶的忠誠度，

# 統計用戶在第一次消費后，再后續時間段的平均消費
user_retention_pivoted.mean()

4.5用戶購買周期分析

# 計算用戶的相鄰兩個訂單的時間間隔，shift函式是對資料進行錯位，所有資料會往下平移一下
order_dt_diff = user_retention.groupby('user_id').apply(lambda x: x.第n天活躍 - x.第n天活躍.shift(1))
order_dt_diff.head(10)
```python # 用戶消費時間間隔描述性統計 order_dt_diff.describe() ``` ??用戶平均消費時間間隔為69天（極值影響），在運營策略中，可以大概理解為，想要召回用戶消費，在60天左右的時間間隔可以做一些好的運營策略或推薦， ```python # 用戶消費時間間隔分布直方圖 order_dt_diff.plot.hist(bins=50,title='用戶消費時間間隔分布直方圖') ```

由用戶消費時間間隔分布直方圖，可以看出：
??直方圖呈現長尾分布，大部分用戶的消費時間間隔很短，在用戶第一次消費后，將時間召回點設為消費后立即贈送優惠券，消費后15天詢問用戶CD怎么樣，消費后20天提醒優惠券到期，消費后60天短信推送，以實作用戶粘性增加，并不斷刺激用戶消費，

4.6復購率和回購率分析

指標說明：（這里時間視窗為月）

  • 復購率：在單位時間視窗內多次（2次及以上）消費的用戶在總消費用戶的占比，
  • 回購率：在某單位時間視窗內消費的用戶，在下一單位時間視窗仍消費的占比，
# 計算每個月用戶的消費次數
pivoted_counts.head()

image
（1）復購率分析

# 消費次數：>1表示消費兩次以上，>=1表示有消費
month_buy_rate = pd.DataFrame((pivoted_counts>1).sum()/(pivoted_counts>=1).sum(),columns=['復購率'])
month_buy_rate.head()

month_buy_rate.plot(figsize=(10,4),title='復購率月趨勢圖')

由復購率月趨勢圖可知：

  • 前三個月，由于新用戶涌入，導致復購率偏低，新客在短時間內只購買了一次
  • 隨著時間的推移，留下的都是少量忠誠用戶（2000人），復購率穩定在20%左右，

(2)回購率分析

# 定義函式判斷用戶是否回購：本月消費，下月也消費，則表示用戶回購
def func_purchase(data):
    status = []
    # 判斷前17個月
    for i in range(data.count()-1):
        # 本月有消費
        if data[i] > 0:
            # 下個月也消費，則為回購，即為1
            if data[i+1] > 0:
                status.append(1)
            # 下個月不消費，不回購，記為0
            else:
                status.append(0)
        # 本月無消費，賦予為NaN，count不統計
        else:
            status.append(np.nan)
    # 最后一個月補充為NaN，因為沒有下一月資料，無法判斷是否回購
    status.append(np.nan)
    return pd.Series(status,index=data.index)

# axis=1,按行逐用戶傳入
purchase = pivoted_counts.apply(func_purchase,axis=1)
purchase.head()

image

# 計算回購率
purchase_rate = pd.DataFrame(purchase.sum()/purchase.count(),columns=['回購率'])
purchase_rate.head()

purchase_rate.plot(figsize=(10,4),title='回購率月趨勢圖')

由回購率月趨勢圖可知：

  • 前三個月，新用戶涌入，新用戶回購率在16%左右，大部分新客戶只在當月購買了一次，新客戶質量不佳；
  • 后回購率穩定在30%左后，波動較大(10%之間)

五、案例總結

轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/270974.html

標籤：大數據

上一篇：Spark本地運行的幾個實體代碼（Java實作）

下一篇：大資料之BI開發 - 維度創建

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • GPU虛擬機創建時間深度優化

    **?桔妹導讀：**GPU虛擬機實體創建速度慢是公有云面臨的普遍問題，由于通常情況下創建虛擬機屬于低頻操作而未引起業界的重視，實際生產中還是存在對GPU實體創建時間有苛刻要求的業務場景。本文將介紹滴滴云在解決該問題時的思路、方法、并展示最終的優化成果。 從公有云服務商那里購買過虛擬主機的資深用戶，一 ......

    uj5u.com 2020-09-10 06:09:13 more
  • 可編程網卡芯片在滴滴云網路的應用實踐

    **?桔妹導讀：**隨著云規模不斷擴大以及業務層面對延遲、帶寬的要求越來越高，采用DPDK 加速網路報文處理的方式在橫向縱向擴展都出現了局限性。可編程芯片成為業界熱點。本文主要講述了可編程網卡芯片在滴滴云網路中的應用實踐，遇到的問題、帶來的收益以及開源社區貢獻。 #1. 資料中心面臨的問題 隨著滴滴 ......

    uj5u.com 2020-09-10 06:10:21 more
  • 滴滴資料通道服務演進之路

    **?桔妹導讀：**滴滴資料通道引擎承載著全公司的資料同步，為下游實時和離線場景提供了必不可少的源資料。隨著任務量的不斷增加，資料通道的整體架構也隨之發生改變。本文介紹了滴滴資料通道的發展歷程，遇到的問題以及今后的規劃。 #1. 背景 資料，對于任何一家互聯網公司來說都是非常重要的資產，公司的大資料 ......

    uj5u.com 2020-09-10 06:11:05 more
  • 滴滴AI Labs斬獲國際機器翻譯大賽中譯英方向世界第三

    **桔妹導讀：**深耕人工智能領域，致力于探索AI讓出行更美好的滴滴AI Labs再次斬獲國際大獎，這次獲獎的專案是什么呢？一起來看看詳細報道吧！ 近日，由國際計算語言學協會ACL（The Association for Computational Linguistics）舉辦的世界最具影響力的機器 ......

    uj5u.com 2020-09-10 06:11:29 more
  • MPP (Massively Parallel Processing)大規模并行處理

    1、什么是mpp？ MPP (Massively Parallel Processing)，即大規模并行處理，在資料庫非共享集群中，每個節點都有獨立的磁盤存盤系統和記憶體系統，業務資料根據資料庫模型和應用特點劃分到各個節點上，每臺資料節點通過專用網路或者商業通用網路互相連接，彼此協同計算，作為整體提供 ......

    uj5u.com 2020-09-10 06:11:41 more
  • 滴滴資料倉庫指標體系建設實踐

    **桔妹導讀：**指標體系是什么？如何使用OSM模型和AARRR模型搭建指標體系？如何統一流程、規范化、工具化管理指標體系？本文會對建設的方法論結合滴滴資料指標體系建設實踐進行解答分析。 #1. 什么是指標體系 ##1.1 指標體系定義 指標體系是將零散單點的具有相互聯系的指標，系統化的組織起來，通 ......

    uj5u.com 2020-09-10 06:12:52 more
  • 單表千萬行資料庫 LIKE 搜索優化手記

    我們經常在資料庫中使用 LIKE 運算子來完成對資料的模糊搜索，LIKE 運算子用于在 WHERE 子句中搜索列中的指定模式。 如果需要查找客戶表中所有姓氏是“張”的資料，可以使用下面的 SQL 陳述句： SELECT * FROM Customer WHERE Name LIKE '張%' 如果需要 ......

    uj5u.com 2020-09-10 06:13:25 more
  • 滴滴Ceph分布式存盤系統優化之鎖優化

    **桔妹導讀：**Ceph是國際知名的開源分布式存盤系統，在工業界和學術界都有著重要的影響。Ceph的架構和演算法設計發表在國際系統領域頂級會議OSDI、SOSP、SC等上。Ceph社區得到Red Hat、SUSE、Intel等大公司的大力支持。Ceph是國際云計算領域應用最廣泛的開源分布式存盤系統， ......

    uj5u.com 2020-09-10 06:14:51 more
  • es~通過ElasticsearchTemplate進行聚合~嵌套聚合

    之前寫過《es~通過ElasticsearchTemplate進行聚合操作》的文章，這一次主要寫一個嵌套的聚合，例如先對sex集合，再對desc聚合，最后再對age求和，共三層嵌套。 Aggregations的部分特性類似于SQL語言中的group by，avg，sum等函式,Aggregation ......

    uj5u.com 2020-09-10 06:14:59 more
  • 爬蟲日志監控 -- Elastc Stack（ELK）部署

    傻瓜式部署，只需替換IP與用戶 導讀： 現ELK四大組件分別為：Elasticsearch（核心）、logstash（處理）、filebeat（采集）、kibana（可視化） 下載均在https://www.elastic.co/cn/downloads/下tar包，各組件版本最好一致，配合fdm會 ......

    uj5u.com 2020-09-10 06:15:05 more
最新发布
  • day02-2-商鋪查詢快取

    功能02-商鋪查詢快取 3.商鋪詳情快取查詢 3.1什么是快取？ 快取就是資料交換的緩沖區（稱作Cache），是存盤資料的臨時地方，一般讀寫性能較高。 快取的作用： 降低后端負載 提高讀寫效率，降低回應時間 快取的成本： 資料一致性成本 代碼維護成本 運維成本 3.2需求說明 如下，當我們點擊商店詳 ......

    uj5u.com 2023-04-20 08:33:24 more
  • MySQL中binlog備份腳本分享

    關于MySQL的二進制日志（binlog），我們都知道二進制日志（binlog）非常重要，尤其當你需要point to point災難恢復的時侯，所以我們要對其進行備份。關于二進制日志（binlog)的備份,可以基于flush logs方式先切換binlog，然后拷貝&壓縮到到遠程服務器或本地服務器 ......

    uj5u.com 2023-04-20 08:28:06 more
  • day02-短信登錄

    功能實作02 2.功能01-短信登錄 2.1基于Session實作登錄 2.1.1思路分析 2.1.2代碼實作 2.1.2.1發送短信驗證碼 發送短信驗證碼： 發送驗證碼的介面為：http://127.0.0.1:8080/api/user/code?phone=xxxxx<手機號> 請求方式：PO ......

    uj5u.com 2023-04-20 08:27:27 more
  • 快取與資料庫雙寫一致性幾種策略分析

    本文將對幾種快取與資料庫保證資料一致性的使用方式進行分析。為保證高并發性能，以下分析場景不考慮執行的原子性及加鎖等強一致性要求的場景，僅追求最終一致性。 ......

    uj5u.com 2023-04-20 08:26:48 more
  • sql陳述句優化

    問題查找及措施 問題查找 需要找到具體的代碼，對其進行一對一優化，而非一直把關注點放在服務器和sql平臺 降低簡化每個事務中處理的問題，盡量不要讓一個事務拖太長的時間 例如檔案上傳時，應將檔案上傳這一步放在事務外面 微軟建議 4.啟動sql定時執行計劃 怎么啟動sqlserver代理服務-百度經驗 ......

    uj5u.com 2023-04-20 08:26:35 more
  • 云時代，MySQL到ClickHouse資料同步產品對比推薦

    ClickHouse 在執行分析查詢時的速度優勢很好的彌補了MySQL的不足，但是對于很多開發者和DBA來說，如何將MySQL穩定、高效、簡單的同步到 ClickHouse 卻很困難。本文對比了 NineData、MaterializeMySQL（ClickHouse自帶）、Bifrost 三款產品... ......

    uj5u.com 2023-04-20 08:26:29 more
  • sql陳述句優化

    問題查找及措施 問題查找 需要找到具體的代碼，對其進行一對一優化，而非一直把關注點放在服務器和sql平臺 降低簡化每個事務中處理的問題，盡量不要讓一個事務拖太長的時間 例如檔案上傳時，應將檔案上傳這一步放在事務外面 微軟建議 4.啟動sql定時執行計劃 怎么啟動sqlserver代理服務-百度經驗 ......

    uj5u.com 2023-04-20 08:25:13 more
  • Redis 報”OutOfDirectMemoryError“（堆外記憶體溢位)

    Redis 報錯“OutOfDirectMemoryError（堆外記憶體溢位) ”問題如下： 一、報錯資訊： 使用 Redis 的業務介面 ，產生 OutOfDirectMemoryError（堆外記憶體溢位），如圖： 格式化后的報錯資訊： { "timestamp": "2023-04-17 22: ......

    uj5u.com 2023-04-20 08:24:54 more
  • day02-2-商鋪查詢快取

    功能02-商鋪查詢快取 3.商鋪詳情快取查詢 3.1什么是快取？ 快取就是資料交換的緩沖區（稱作Cache），是存盤資料的臨時地方，一般讀寫性能較高。 快取的作用： 降低后端負載 提高讀寫效率，降低回應時間 快取的成本： 資料一致性成本 代碼維護成本 運維成本 3.2需求說明 如下，當我們點擊商店詳 ......

    uj5u.com 2023-04-20 08:24:03 more
  • day02-短信登錄

    功能實作02 2.功能01-短信登錄 2.1基于Session實作登錄 2.1.1思路分析 2.1.2代碼實作 2.1.2.1發送短信驗證碼 發送短信驗證碼： 發送驗證碼的介面為：http://127.0.0.1:8080/api/user/code?phone=xxxxx<手機號> 請求方式：PO ......

    uj5u.com 2023-04-20 08:23:11 more

Copyright © 2010-2020 有解無憂