Python数分实战｜从六个视角分析了58万条电商用户行为数据

点击上方“Python学习与数据挖掘”，关注公众号

数据分析无外乎于方法论与实践。在之前的一篇文章《一文详解八大数据分析方法，数据分析必备》中，我们从方法论的视角介绍了数据分析常用的八种方法，今天我们以电商用户行为数据为例，手把手教大家进行数据分析实战。

数据集为英国在线零售商在2010年12月1日至2011年12月9日间发生的所有网络交易订单信息，共计581587条，感兴趣的同学公众号后台回复“电商数据”，即可获取完整数据集，做更多有趣探索分析。

本文将按照如下流程进行讲解：

•数据预处理•数据分析及可视化•小结

数据预处理

在进行数据预处理之前，我们需要对数据字段进行说明：

我们知道数据预处理对于整个数据分析至关重要的，在本文中将要使用列名称重命名、数据一致化处理、缺失值处理、删除重复值等操作。详情代码如下，共计获得524878条可用数据。

# 读入数据sales_df = pd.read_excel('./Online Retail.xlsx', sheet_name='Online Retail')# 列名重命名sales_df.rename(columns={'InvoiceDate': 'InvoiceTime'}, inplace=True)# 删除重复值rows_before = sales_df.shape[0]sales_df.drop_duplicates(inplace=True)rows_after = sales_df.shape[0]# 填充空值sales_df['CustomerID'].fillna('0', inplace=True)# 增添新列sales_df['InvoiceTime'] = pd.to_datetime(sales_df['InvoiceTime'], errors='coerce')sales_df['Date'] = pd.to_datetime(sales_df['InvoiceTime'].dt.date, errors='coerce')sales_df['Month'] = sales_df['InvoiceTime'].dt.month# 数据类型转换sales_df['Quantity'] = sales_df['Quantity'].astype('int32')sales_df['UnitPrice'] = sales_df['UnitPrice'].astype('float')sales_df['CustomerID'] = sales_df['CustomerID'].astype('int32')sales_df['InvoiceNo'] = sales_df['InvoiceNo'].astype('str')# 计算总价sales_df['SumPrice'] = sales_df['Quantity'] * sales_df['UnitPrice']# 拆分订单query_c = sales_df['InvoiceNo'].str.contains('C')# 只含取消订单sales_cancel = sales_df.loc[query_c, :].copy()# 只含成功订单sales_success = sales_df.loc[-query_c, :].copy()# 增加原订单号sales_cancel['SrcInvoiceNo'] = sales_cancel['InvoiceNo'].str.split('C', expand=True)[1]new_data = pd.merge(sales_cancel, sales_success, left_on='SrcInvoiceNo',right_on='InvoiceNo')query_free = sales_success['UnitPrice'] == 0# 只含免费订单sales_free = sales_success.loc[query_free, :].copy()# 只含普通订单sales_success = sales_success.loc[-query_free, :]query_minus = sales_success['UnitPrice'] < 0sales_success = sales_success.loc[-query_minus, :]

数据分析及可视化

1、销售情况的描述性统计

1.1 订单维度

首先将sales_success按订单号分组，对Quantity商品数量和SumPrice总价分组求和，通过describe()函数获得笔单价(每笔订单的平均交易金额)和连带率(每笔订单平均购买的产品件数)。

根据统计数据，我们可以看到共产生有效订单19960笔，笔单价为533.17英镑，连带率约为279件，说明以批发性质的订单为主。订单交易金额和订单内商品件数，其均值都高于中位数；订单交易金额的均值甚至高于Q3分位数。说明订单总体差异大，存在部分购买力极强的客户。

接下来绘制订单交易金额的分布图，通过数据分析，我们发现部分订单交易金额过大，影响图表的可读性，筛除1000英镑及以上的订单。

订单金额集中在400英镑内，三个峰值分别为20英镑内、100-230英镑、300-320英镑。其中300-320英镑的订单数量特别多。

对订单内商品数量的分布同样绘制柱形图，并筛除2000件及以上的订单

订单内的商品数量呈现出很典型的长尾分布，大部分订单的商品数量在250件内，商品数量越多，订单数相对越少。为了进一步探究订单交易金额与订单内商品件数的关系，我们绘制散点图：

总体来说订单交易金额与订单内商品件数是正相关的，订单内的商品数越多，订单金额也相对越高。但在Quantity靠近0的位置也有若干量少高价的订单，后续可以深入探究。

1.2 商品维度

根据观察，我们发现相同的商品在不同的订单中单价不同，可知商品的单价会发生波动，所以接下来求每件商品的平均价格。

思路为平均价格=该商品的总销售额 / 该商品的销售数量。具体来说，先按商品编号进行分组，对数量和总价分别求和，即得到对应商品的总销售金额和总销售量，取商即得到平均价格。

通过数据分析，我们发现商品价位基本上全部集中在100英镑内，出现了极少量的天价商品影响观测，将其筛去。

峰值是1-2英镑，单价10英镑以上的商品已经很少见，看来该电商的定位主要是价格低的小商品市场。

接下来查看商品单价和商品销量的散点图，可以看出哪种价位的商品更受欢迎。

从商品的销量上来看，毫无疑问是低于5英镑的低价区商品大获全胜，受到了客户们的喜爱。

那么是否价格低廉的商品也带来了实际上最多的销售额呢？不妨绘制商品单价和商品总销售额的散点图：

低价区的商品笑到了最后，不仅在销售数量上一骑绝尘，也构成了销售额的主要部分；高价的商品虽然单价高昂，但销量很低，并没有带来太多的销售额。据此，建议平台采购部门可以多遴选售价低于10英镑的产品，来进一步扩充低价区的品类。

1.3 时间维度

以月份为单位进行折线图绘制，这里对Quantity和SumPrice分组求和，代表每月的销量和销售额，对InvoiceNo计数，代表每月的订单数。此处采用双坐标图，销量和销售额为左轴，参数secondary_y = 'InvoiceNo’表示订单数为右轴。

观察到三条折线总体上呈现相近的趋势，除了2011年2月和4月略低外，2010年12月至2011年8月基本维持相近的销售情况；随后在9月-11月连续增长，达到高峰。考虑该电商平台主营礼品，受节日影响可能较大。

将日期设为索引，按日绘制折线图：

可见销量Quantity和销售额SumPrice的趋势是极趋同的，这也和前一节中分析出该电商以低价商品为主相吻合，商品单价低且价位集中，则销售额主要随销量变化而涨跌。

注意到在最后一天（即2011年12月9日），销量、销售额显著激增，我们放大看看：

2011年12月的前8天基本延续了11月下旬的销售趋势，但在12月9日订单量大幅下降时，却创造了样本区间内销量和销售额的历史新高。说明存在某笔或某几笔购买量极大的订单，从而使得销售额大幅上升。

将当日的销售详单拉取出来：

破案了，有一个客户，一口气购买了8万余件的纸工艺品，贡献了168469.60英镑的销售额。

2、客户消费行为分析

2.1 客户的生命周期

我们这节研究的客户是指所有成功的普通订单中有CustomerID的客户，不包含未记录CustomerID的客户。下面我们绘制柱形图观察客户生命周期的实际分布，绘制20个分组的柱形图，横坐标代表生命周期的天数区间，纵坐标为区间内的客户数。

许多客户仅消费过一次，没有留存下来，需要更加重视客户初次购买的体验感，可以考虑通过网站内服务评价、客服电询等方式获知新客对于购买流程中不满意之处，针对性地加以改进；同时应该对新客采取吸引其二次购买的手段，如发放有时限的优惠券等。

有趣的是在350天左右出现一个次高峰，不妨将生命周期为0天的客户排除掉再看看分布：

生命周期在0-75天的客户数略高于75-170天，可以考虑加强前70天内对客户的引导。约1/4的客户集中在170天-330天，属于较高质量客户的生命周期。

而在330天以后，则是数量可观的死忠客户，拥有极高的用户粘性。考虑到这些客户中有许多未进行完整的生命周期 ，实际的客户平均生命周期会更长。

2.2 客户的留存情况

客户的生命周期实际上是首次和末次消费的时间差，故无法对客户各月的消费情况获得直观的感受。因此接下来我们对客户的留存情况展开探究。

我这里将3天、7天、30天、60天、90天、180天作为区间端点，并新增字段DateDiffBin来存放，其中DateDiffBin代表客户该笔订单的消费时间距其首次消费属于哪个时间段。因为计算的是留存，如果客户仅消费了一次，我们认为该客户是流失了的，这里DateDiff=0，并不会被划分入(0, 3]天的开闭区间内。

为了方便直观感受，绘制为柱形图：

从上图我们可以看到，只有3.2%在第一次消费的次日至3天内有过消费，6.6%的客户在4-7天有过消费。分别有40.5%和37.4%的客户在首次消费后的第二个月内和第三个月内有过购买行为。将时间范围继续放宽，有高达67%的客户在90天至半年内消费过。

上述数据说明该电商网站的客户群体，其采购并非高频行为，但留存下来的老客户忠诚度却极高。如果能够把首次购买行为的客户留下来，将会带来很高的收益。

2..3 客户的购买周期

接下来计算客户的购买周期，思路是对其相邻两次消费日期相减，下面我们进行数据处理，画出柱形图。

这是一个典型的长尾分布，大部分购买行为的消费间隔比较短。但这是所有订单的购买周期分布，并不是对客户个体为统计单位的购买周期分布。故对客户编号进行分组：

一个右偏分布，峰值在15-70天，说明大部分留存客户的购买周期集中于此。建议可以每隔40天左右对客户进行些优惠活动的信息推送，比较符合大部分老客户的购买周期。

小结

本篇文章从订单维度、商品维度、时间维度、客户生命周期、客户留存、客户购买周期等维度进行数据分析实战。数据分析的方法很多，除了上述介绍外，之前文章中也提及过一些，比如用户分层、用户的行为分析等。如果你对数据分析、数据挖掘等感兴趣，欢迎分享和收藏，持续关注我！

推荐阅读

•一文详解八大数据分析方法，数据分析必备

•精美汉服，送女友必备，Python百行代码带你玩转汉服圈!•Python分析了5年的沪指数据，这茬韭菜没那么容易被割•Python办公自动化｜只需三秒，一键生成数据分析报告！•从入门到进阶，那些让你看了以后大呼过瘾的数据分析六件套•真香！Python可以让画的图舞动起来 ！•英伟达小姐姐的7大Python技巧合集，Github点赞量高达2500+

End

目前群已满2000+人，旨在促进技术交流，可申请加入细分方向技术群，细分方向已涵盖：Python、数据分析、爬虫、算法、互助群(新增)，已在群内成员请勿重复申请。一定要备注：研究方向+学校/公司(如数据分析+上交），根据格式备注，可更快被通过且邀请进群

▲长按加微信群

▲长按关注公众号