项目实战:用户消费行为分析

《分析步骤》

第一部分：数据类型的处理—字段的清洗
缺失值的处理、数据类型的转化

第二部分：按月数据分析
每月的消费总金额、每月的消费次数、每月的产品购买量、每月的消费人数

第三部分：用户个体消费数据分析
用户消费金额和消费次数的描述统计、用户消费金额和消费次数的散点图、用户消费金额的分布图（二八法则）、用户消费次数的分布图
、用户累计消费金额的占比

第四部分：用户消费行为分析
用户第一次消费时间、用户最后一次消费时间、新老客消费比、用户分层、用户购买周期、用户生命周期。

第一部分：数据类型的处理—字段的清洗

导入常用的库

加载包和数据，文件是txt，用read_table方法打开，因为原始数据不包含表头，所以需要赋予。字符串是空格分割，用\s+表示匹配任意空白符。

列字段的含义：

user_id:用户ID

order_dt:购买日期

order_products:购买产品数

order_amount:购买金额

消费行业或者是电商行业一般是通过订单数，订单额，购买日期，用户ID这四个字段来分析的。基本上这四个字段就可以进行很丰富的分析。

观察数据，判断数据是否正常识别。值得注意的是一个用户可能在一天内购买多次，用户ID为2的用户在1月12日买了两次，这个细节不要遗漏。

查看数据类型、数据是否存在空值；原数据没有空值，很干净的数据。接下来我们要将时间的数据类型转化。

用户平均每笔订单购买2.4个商品，标准差在2.3，稍稍具有波动性。中位数在2个商品，75分位数在3个商品，说明绝大部分订单的购买量都不多。最大值在99个，数字比较高。购买金额的情况差不多，大部分订单都集中在小额。

一般而言，消费类的数据分布，都是长尾形态。大部分用户都是小额，然而小部分用户贡献了收入的大头，俗称二八。

数据类型的转化

到目前为止，我们已经把数据类型处理成我们想要的类型了。我们通过四个字段及衍生字段就可以进行后续的分析了。

第二部分：按月数据分析

接下来我们用之前清洗好的字段进行数据分析。从用户方向、订单方向、消费趋势等进行分析。
1、消费趋势的分析

• 每月的消费总金额

• 每月的消费次数

• 每月的产品购买量

• 每月的消费人数
  目的：了解这批数据的波动形式。

用groupby创建一个新的对象。这里要观察消费总金额，需要将order_amount求和

按月统计每个月的CD消费总金额

从图中可以看到，前几个月的销量非常高涨。数据比较异常。而后期的销量则很平稳。

每月的消费次数（订单数）

前三个月的消费订单数在10000笔左右，后续月份的消费人数则在2500人左右。

每月的产品购买量

每月的产品购买量一样呈现早期购买量多，后期平稳下降的趋势。

为什么会呈现这个原因呢？

我们假设是用户身上出了问题，早期时间段的用户中有异常值，第二假设是各类促销营销，但这里只有消费数据，所以无法判断。

每月的消费人数（去重）

每月的消费人数小于每月的消费次数，但是区别不大。前三个月每月的消费人数在8000—10000之间，后续月份，平均消费人数在2000不到。一样是前期消费人数多，后期平稳下降的趋势。

第三部分：用户个体消费数据分析

之前我们维度都是月，来看的是趋势。有时候我们也需要看个体来看这个人的消费能力如何，这里划分了五个方向如下：

• 用户消费金额和消费次数的描述统计

• 用户消费金额和消费次数的散点图

• 用户消费金额的分布图（二八法则）

用户消费金额和消费次数的描述统计

从用户角度看，每位用户平均购买7张CD，最多的用户购买了1033张。用户的平均消费金额（客单价）100元，标准差是240，结合分位数和最大值看，平均值才和75分位接近，肯定存在小部分的高额消费用户。

用户消费金额和消费次数的散点图

绘制用户的散点图，用户比较健康而且规律性很强。因为这是CD网站的销售数据，商品比较单一，金额和商品量的关系也因此呈线性，没几个离群点。

用户消费金额的分布图（二八法则）

从上图直方图可知，大部分用户的消费能力确实不高，绝大部分呈现集中在很低的消费档次。高消费用户在图上几乎看不到，这也确实符合消费行为的行业规律。

到目前为止关于用户的消费行为有一个大概的了解

第四部分：用户消费行为分析

- 用户第一次消费（首购）。

- 用户最后一次消费

- 新老客消费比

    - 多少用户仅消费了一次

    - 每月新客占比

- 用户分层

    - RFM

    - 新、老、活跃、流失

- 用户购买周期（按订单）

    - 用户消费周期描述

    - 用户消费周期分布

用户第一次消费（首购）

求月份的最小值，即用户消费行为中的第一次消费时间。所有用户的第一次消费都集中在前三个月.

用户最后一次消费

观察用户的最后一次消费时间。用户最后一次消费比第一次消费分布广，大部分最后一次消费集中在前三个月，说明很多客户购买一次就不再进行购买。随着时间的增长，最后一次购买数也在递增，消费呈现流失上升的情况，用户忠诚度在慢慢下降。

新老客的消费比

user_id为1的用户第一次消费时间和最后一次消费时间为19970101，说明他只消费了一次

用户购买周期

有一半的用户只消费了一次

用户分层

order_products求的是消费产品数，把它替换成消费次数也是可以，但是因为我们这里消费次数是比较固定的，所以使用消费产品数的维度。

RFM距今天数

R表示客户最近一次交易时间的间隔，客户在最近一段时间内交易的金额。F表示客户在最近一段时间内交易的次数,F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。M表示客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。

用户分层：RFM

用户分层，这里使用平均数

M不同层次客户的消费累计金额，重要保持客户的累计消费金额最高

用户分层：计数

不同层次用户的消费人数，之前重要保持客户的累计消费金额最高，这里重要保持客户的消费人数排名第二，但离一般挽留用户差距比较大，一般挽留用户有14074人，重要保持客户4554人

RFM用户分层

从RFM分层可知，大部分用户为重要保持客户，但是这是由于极致的影响，所以RFM的划分应该尽量以业务为准。尽量用小部分的用户覆盖大部分的额度，不要为了数据好看划分等级。

RFM是人工使用象限法把数据划分为几个立方体，立方体对应相应的标签，我们可以把标签运用到业务层面上。比如重要保持客户贡献金额最多159203.62，我们如何与业务方配合把数据提高或者维护；而重要发展客户和重要挽留客户他们有一段时间没有消费了，我们如何把他们拉回来.